简介：这份PPT课件面向测绘、导航及相关工程专业的师生与技术学习者，系统梳理GPS定位技术在测量学与导航学中的典型应用。内容涵盖我国A级、B级高精度GPS网的建立与精度指标，区域性GPS大地控制网的特点与作用，以及GPS在精密工程控制网建立和工程变形监测中的可行性验证，并延伸至车辆、船只、飞机导航及导弹制导、卫星定轨、气象学等应用场景。资源包共1个PPT文件，大小约2.79MB，以图文与表格形式呈现，便于课堂讲授与自学对照。课件中给出了GPS网与边角网点位坐标比较、边长监测测试等实测数据，可帮助读者理解毫米级变形监测的精度依据与工程适用条件。目前已有153人学习，适合作为课程复习、专题汇报或工程应用入门的参考材料。

1. GPS 应用课件为什么总被当成“读稿会”：从一份 PPT 的落地困境说起

一份名为“GPS应用PPT课件”的文件，大概率不是给卫星导航专业的研究生看的，而是给高职、本科低年级或者企业内训准备的入门材料。我见过太多这样的课件：封面放一张地球和卫星的渲染图，第二页开始罗列“GPS 由空间段、控制段、用户段组成”，然后就是经纬度、坐标系、误差来源，最后放两张定位打点截图收尾。讲的人念得顺，听的人睡得香。问题不在内容错，而在这份课件没有回答“学完能干什么”。

GPS 应用这个方向，真正能落地的场景其实非常集中：车辆轨迹回放、设备定位打点、电子围栏告警、地图上画多边形测面积、坐标系纠偏。这些场景有一个共同点——它们都要求你把“经纬度”当成数据来处理，而不是当成地理知识来背诵。所以一份合格的 GPS 应用课件，本质上应该是一份“定位数据处理入门”的操作手册，而不是测绘学概论。

这篇文章面向两类人：一类是手里已经有一份 GPS 应用 PPT、想把它改造成能带学生动手的实训课件的老师或内训师；另一类是想从零搭一个定位数据处理 Demo、但被 WGS84、GCJ02、BD09 这几个坐标系绕晕的开发者。我会按“课件该讲什么 → 数据怎么造 → 坐标怎么转 → 地图怎么画 → 坑在哪”的顺序，把一份 GPS 应用课件从念稿材料变成可复现实训的完整路径讲清楚。中间所有代码都可以直接抄，参数我会标清楚为什么这么设。

2. 把 GPS 应用课件拆成可实训的四个模块：定位、坐标、轨迹、围栏

一份课件要能实训，前提是每个知识点都能对应一段可运行、可观察、可改参数的代码。GPS 应用这个主题，我一般会把它拆成四个递进模块，每个模块对应课件里的一个章节，也对应一个最小可运行 Demo。

2.1 模块划分：从“知道 GPS 是什么”到“能处理一条轨迹”

第一个模块是定位原理的最小认知。这里不需要讲相对论修正，只需要讲清楚三件事：卫星发信号、接收机算距离、至少四颗星才能解出经纬度和高程。课件里可以用一张时序图说明“伪距”是怎么来的，但重点要落在“为什么城市峡谷里定位会飘”——因为多径效应让伪距变大，解出来的位置就偏了。这个认知直接决定了后面轨迹数据为什么要做平滑。

第二个模块是坐标系与坐标转换。这是 GPS 应用课件里最容易讲糊的部分。WGS84 是 GPS 原始输出的坐标系，GCJ02 是国内地图服务常用的加密坐标系，BD09 是另一套偏移坐标系。课件里必须有一张对照表，说明同一栋楼在这三套坐标下的经纬度差多少。我实测过，在东部某城市，WGS84 和 GCJ02 的偏移量在 300 到 600 米之间，这个量级足以让一个“电子围栏”完全失效。

第三个模块是轨迹数据的生成与清洗。真实 GPS 轨迹不是理想曲线，它包含漂移点、跳变点、静止时的抖动。课件里应该用一段模拟数据来复现这些噪声，然后教学生用速度阈值和距离阈值把异常点滤掉。这个环节最能体现“GPS 应用”和“GPS 原理”的区别。

第四个模块是电子围栏与空间判断。围栏的本质是“点是否在多边形内”，算法上就是射线法。课件里可以让学生自己画一个多边形，然后导入一批定位点，输出哪些点在围栏内、哪些在外。这个 Demo 做完，学生对 GPS 应用的理解就从“看坐标”变成了“用坐标做判断”。

2.2 课件结构建议：每页 PPT 对应一个可验证结论

我改课件有一个习惯：每一页 PPT 只承载一个可验证的结论。比如“WGS84 转 GCJ02 后经度偏移约 0.006 度”这一页，后面必须跟一段代码，让学生自己跑一遍，看到输出确实在这个量级。如果一页 PPT 讲三个概念，学生一个都记不住；如果一页 PPT 只讲一个结论，并且这个结论能用代码验证，学生就会主动去改参数看变化。

具体到章节安排，我建议课件按下面这个顺序组织，每章配一个 Jupyter Notebook 或者一个独立的 Python 脚本：

这个表本身就是课件的一页，让学生一眼看到“学完能做出什么”。课时分配可以根据学生基础调整，但坐标系和围栏这两块不能压缩，因为它们是实际项目里翻车最多的地方。

2.3 最小可运行环境：不依赖任何在线地图服务

很多课件一上来就让学生调在线地图 API，结果教室网络一卡，半节课没了。我的做法是：所有实训代码都不依赖在线服务，地图可视化用本地绘图库完成。这样课件可以在任何离线环境跑通，学生回家也能复现。

环境只需要三样东西：Python 3.8 以上、numpy、matplotlib。如果要做交互式地图，可以加一个 folium，但 folium 生成的 HTML 在离线时底图会缺失，所以课件里我一般只用 matplotlib 画散点图和轨迹线，底图用一张本地保存的静态图片代替。

# 创建虚拟环境并安装依赖 python -m venv gps_course source gps_course/bin/activate # Windows 用 gps_course\Scripts\activate pip install numpy matplotlib

这三行命令是课件第一节课就要让学生执行的。不要小看这一步，我见过太多课件默认学生已经配好环境，结果第一节课全在装 Python。把环境配置写进课件，并且明确版本要求，能省掉后面 80% 的“跑不起来”问题。

提示：如果学生机器上已经有 Anaconda，可以直接用 conda 创建环境，但不要混用 pip 和 conda 装同一个包，否则后面 matplotlib 绘图可能报底层库冲突。

3. 坐标系转换的代码实现：WGS84、GCJ02、BD09 三套坐标怎么互转

坐标系转换是 GPS 应用课件里最需要“抄作业”的部分。原理可以一句话带过：GCJ02 是在 WGS84 基础上做了一次非线性偏移，BD09 又是在 GCJ02 基础上做了一次偏移。但代码不能含糊，因为参数差一点，结果就差几百米。

3.1 转换原理：为什么不能直接用线性公式

很多人第一次做坐标转换，会想当然地认为“加一个固定偏移量就行了”。这个想法在短距离内看起来能用，但一旦跨城市，误差就会累积到不可接受。原因是 GCJ02 的偏移量不是常数，它跟经纬度本身有关，是一个基于椭球参数的复杂函数。

课件里不需要推导这个函数，但需要让学生看到“偏移量随位置变化”这个事实。我一般会让学生取三个不同城市的 WGS84 坐标，分别转成 GCJ02，然后计算偏移距离，填进一张表。学生看到偏移量从 300 米变到 600 米，自然就理解为什么不能用固定偏移。

3.2 完整转换代码：三个函数覆盖六种转换方向

下面这段代码是我在多个实训课上用过的版本，去掉了所有外部依赖，只靠数学计算完成 WGS84、GCJ02、BD09 之间的互转。代码里的常数是公开的椭球参数和偏移系数，直接抄即可。

import math # 椭球参数，WGS84 和 GCJ02 共用 A = 6378245.0 # 长半轴 EE = 0.00669342162296594323 # 偏心率平方 def _out_of_china(lng, lat): """判断是否在国内范围外，范围外不做偏移""" return not (73.66 < lng < 135.05 and 3.86 < lat < 53.55) def _transform_lat(lng, lat): """纬度偏移计算""" ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + \ 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng)) ret += (20.0 * math.sin(6.0 * lng * math.pi) + 20.0 * math.sin(2.0 * lng * math.pi)) * 2.0 / 3.0 ret += (20.0 * math.sin(lat * math.pi) + 40.0 * math.sin(lat / 3.0 * math.pi)) * 2.0 / 3.0 ret += (160.0 * math.sin(lat / 12.0 * math.pi) + 320 * math.sin(lat * math.pi / 30.0)) * 2.0 / 3.0 return ret def _transform_lng(lng, lat): """经度偏移计算""" ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + \ 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng)) ret += (20.0 * math.sin(6.0 * lng * math.pi) + 20.0 * math.sin(2.0 * lng * math.pi)) * 2.0 / 3.0 ret += (20.0 * math.sin(lng * math.pi) + 40.0 * math.sin(lng / 3.0 * math.pi)) * 2.0 / 3.0 ret += (150.0 * math.sin(lng / 12.0 * math.pi) + 300.0 * math.sin(lng / 30.0 * math.pi)) * 2.0 / 3.0 return ret def wgs84_to_gcj02(lng, lat): """WGS84 转 GCJ02""" if _out_of_china(lng, lat): return lng, lat dlat = _transform_lat(lng - 105.0, lat - 35.0) dlng = _transform_lng(lng - 105.0, lat - 35.0) radlat = lat / 180.0 * math.pi magic = math.sin(radlat) magic = 1 - EE * magic * magic sqrtmagic = math.sqrt(magic) dlat = (dlat * 180.0) / ((A * (1 - EE)) / (magic * sqrtmagic) * math.pi) dlng = (dlng * 180.0) / (A / sqrtmagic * math.cos(radlat) * math.pi) return lng + dlng, lat + dlat def gcj02_to_wgs84(lng, lat): """GCJ02 转 WGS84，用反向迭代逼近""" if _out_of_china(lng, lat): return lng, lat # 先用一次正向转换得到偏移量，再反向减掉 glng, glat = wgs84_to_gcj02(lng, lat) return lng * 2 - glng, lat * 2 - glat def gcj02_to_bd09(lng, lat): """GCJ02 转 BD09""" z = math.sqrt(lng * lng + lat * lat) + 0.00002 * math.sin(lat * math.pi * 3000.0 / 180.0) theta = math.atan2(lat, lng) + 0.000003 * math.cos(lng * math.pi * 3000.0 / 180.0) return z * math.cos(theta) + 0.0065, z * math.sin(theta) + 0.006 def bd09_to_gcj02(lng, lat): """BD09 转 GCJ02""" x = lng - 0.0065 y = lat - 0.006 z = math.sqrt(x * x + y * y) - 0.00002 * math.sin(y * math.pi * 3000.0 / 180.0) theta = math.atan2(y, x) - 0.000003 * math.cos(x * math.pi * 3000.0 / 180.0) return z * math.cos(theta), z * math.sin(theta)

这段代码的关键在_transform_lat和_transform_lng两个函数，它们用正弦函数叠加的方式模拟了非线性偏移。A和EE是 WGS84 椭球的标准参数，不要改。_out_of_china的判断是为了避免对境外坐标做偏移，如果你的课件只讲国内场景，这个判断可以保留，但要在注释里说明它的作用。

gcj02_to_wgs84用的是“正向转一次再反向减”的近似方法，精度在米级，对于课件演示足够。如果要做高精度纠偏，需要用迭代法逼近，但那个复杂度不适合入门课件。

3.3 参数验证：用三个城市的数据检查转换结果

代码写完不能只看输出，要有一个验证环节。我一般让学生在课件里填下面这张表，用实际数据验证转换量级是否符合预期。

# 验证三个城市的坐标转换偏移量 cities = { "城市A": (116.397, 39.909), # 华北某城市 "城市B": (121.473, 31.230), # 华东某城市 "城市C": (113.264, 23.129), # 华南某城市 } for name, (lng, lat) in cities.items(): glng, glat = wgs84_to_gcj02(lng, lat) # 粗略计算偏移距离，1 度约 111 公里 dist = math.sqrt((glng - lng) ** 2 + (glat - lat) ** 2) * 111000 print(f"{name}: WGS84({lng},{lat}) -> GCJ02({glng:.6f},{glat:.6f}), 偏移约 {dist:.0f} 米")

跑完这段代码，学生应该看到偏移距离在 300 到 600 米之间。如果某个城市的结果明显偏离这个范围，先检查经纬度有没有写反，再检查_out_of_china的判断是否误判。这个验证步骤看起来简单，但能帮学生建立“转换结果要符合物理量级”的意识，而不是盲目相信代码输出。

注意：课件里不要用真实地名和真实坐标，用“城市A”“城市B”代替，坐标可以取近似值。这样既保护隐私，也避免学生把注意力放在“这是哪个城市”上。

4. 轨迹数据模拟与清洗：从漂移点到可用轨迹的完整处理链

GPS 应用课件如果只讲坐标转换，学生还是不知道“这能干什么”。轨迹处理是让坐标“活起来”的关键环节。真实 GPS 轨迹有三个特征：静止时抖动、运动时漂移、偶尔跳变。课件里必须把这三个特征复现出来，再教学生怎么处理。

4.1 用噪声模型生成一条“像真的”轨迹

生成模拟轨迹不能只画一条光滑曲线，那样学生看不出清洗的必要性。我一般用“基础路径 + 高斯噪声 + 随机跳变”的方式生成数据。基础路径是一条折线，高斯噪声模拟定位误差，随机跳变模拟信号遮挡后的错误定位。

import numpy as np import matplotlib.pyplot as plt np.random.seed(42) # 固定随机种子，保证每次生成结果一致 # 生成一条基础路径：从起点到终点，中间经过几个拐点 base_points = np.array([ [116.390, 39.900], [116.395, 39.905], [116.400, 39.903], [116.405, 39.908], [116.410, 39.906], ]) # 在基础路径上插值，生成 200 个轨迹点 t = np.linspace(0, 1, 200) track = np.zeros((200, 2)) for i in range(2): track[:, i] = np.interp(t, np.linspace(0, 1, len(base_points)), base_points[:, i]) # 加入高斯噪声，模拟定位误差，标准差约 0.0001 度（约 10 米） noise = np.random.normal(0, 0.0001, track.shape) track_noisy = track + noise # 随机插入 5 个跳变点，模拟信号遮挡导致的错误定位 jump_indices = np.random.choice(range(20, 180), 5, replace=False) for idx in jump_indices: track_noisy[idx] += np.random.uniform(-0.005, 0.005, 2) # 绘制原始轨迹和带噪声轨迹 plt.figure(figsize=(10, 6)) plt.plot(track[:, 0], track[:, 1], 'g--', label='理想轨迹', linewidth=1) plt.scatter(track_noisy[:, 0], track_noisy[:, 1], s=8, c='red', label='带噪声轨迹') plt.xlabel('经度') plt.ylabel('纬度') plt.legend() plt.title('模拟 GPS 轨迹：理想路径 vs 带噪声数据') plt.grid(True, alpha=0.3) plt.show()

这段代码生成的图里，理想轨迹是一条绿色虚线，带噪声轨迹是红色散点。学生能直观看到：红色点大部分围绕绿色线分布，但有 5 个点明显偏离。这 5 个点就是后面清洗环节要处理的目标。

参数说明：np.random.normal(0, 0.0001, ...)里的 0.0001 度大约对应 10 米误差，这是城市环境下 GPS 定位的典型量级。如果课件面向的是开阔环境，可以改成 0.00005；如果面向城市峡谷，可以改成 0.0003。jump_indices选 5 个点是为了让图看起来“有异常但不夸张”，太多跳变点会让图变得不可读。

4.2 速度阈值清洗：把跳变点滤掉的实操步骤

清洗轨迹最常用的方法是速度阈值法。原理很简单：相邻两个点之间的距离除以时间间隔，如果速度超过合理上限（比如车辆 120 公里/小时），就认为这个点是跳变点，应该剔除。

def clean_track_by_speed(track, time_interval=1.0, max_speed=33.3): """ 按速度阈值清洗轨迹 track: N x 2 数组，经纬度 time_interval: 采样间隔，单位秒 max_speed: 最大合理速度，单位米/秒，33.3 约等于 120 公里/小时 """ cleaned = [track[0]] # 第一个点直接保留 for i in range(1, len(track)): # 计算相邻点距离，1 度约 111000 米 dlon = (track[i][0] - cleaned[-1][0]) * 111000 * np.cos(np.radians(track[i][1])) dlat = (track[i][1] - cleaned[-1][1]) * 111000 dist = np.sqrt(dlon ** 2 + dlat ** 2) speed = dist / time_interval if speed <= max_speed: cleaned.append(track[i]) # 超过阈值则跳过该点 return np.array(cleaned) cleaned_track = clean_track_by_speed(track_noisy, time_interval=1.0, max_speed=33.3) print(f"清洗前点数: {len(track_noisy)}, 清洗后点数: {len(cleaned_track)}")

这段代码里，time_interval=1.0表示轨迹点每秒采样一次，这是车载 GPS 的常见频率。max_speed=33.3是 120 公里/小时换算成米/秒的结果。如果你的课件面向的是步行场景，这个值要改成 2 到 3 米/秒。清洗逻辑是“保留上一个有效点，判断当前点是否可达”，这样能避免跳变点被保留后影响后续判断。

跑完这段代码，学生应该看到清洗后的点数比清洗前少几个，减少的数量正好对应之前插入的跳变点。如果减少的数量远大于 5，说明max_speed设得太小，把正常点也滤掉了；如果几乎没减少，说明max_speed设得太大，跳变点没被识别出来。

4.3 清洗效果对比：用可视化确认异常点被剔除

清洗完不能只看数字，要画图对比。我一般让学生把清洗前后的轨迹画在同一张图上，用不同颜色区分，这样一眼就能看出哪些点被剔除了。

plt.figure(figsize=(10, 6)) plt.scatter(track_noisy[:, 0], track_noisy[:, 1], s=8, c='red', alpha=0.5, label='清洗前') plt.scatter(cleaned_track[:, 0], cleaned_track[:, 1], s=8, c='blue', label='清洗后') plt.xlabel('经度') plt.ylabel('纬度') plt.legend() plt.title('轨迹清洗前后对比') plt.grid(True, alpha=0.3) plt.show()

这张图里，红色点是清洗前的全部点，蓝色点是清洗后保留的点。学生应该看到蓝色点形成了一条更紧凑的轨迹，而红色点里那些明显偏离的点消失了。这个可视化环节比任何文字说明都有效，因为它把“清洗”这个抽象操作变成了肉眼可见的结果。

提示：如果清洗后轨迹出现“断档”，说明max_speed设得太小，把连续的正常点也滤掉了。这时候不要急着调大阈值，先检查时间间隔是否设对了。很多翻车案例都是因为把毫秒当成了秒。

5. 电子围栏与空间判断：射线法判断点是否在多边形内

电子围栏是 GPS 应用里最能体现“从坐标到业务”的环节。课件里讲围栏，不需要讲复杂的计算几何，只需要把射线法讲透，再配一个可交互的 Demo，学生就能理解“点与多边形关系”这个核心问题。

5.1 射线法原理：为什么奇偶判断能确定内外

射线法的思路是：从待判断的点向任意方向发一条射线，如果这条射线与多边形边的交点个数是奇数，点在多边形内；如果是偶数，点在多边形外。这个结论看起来反直觉，但用几个简单例子画一画就能理解。

课件里可以让学生先手动画一个三角形和一个点，然后数交点。比如点在三角形内部，向右发射线，必然穿过一条边，交点数为 1，奇数，所以在内。点在三角形外部，向右发射线，可能穿过两条边，交点数为 2，偶数，所以在外。这个手动过程比直接给公式更容易建立直觉。

5.2 围栏判断代码：处理边界情况和水平边

射线法的代码实现有两个坑：一是射线正好穿过顶点，二是多边形有水平边。下面这段代码用“半开半闭”的规则处理了这两个问题。

def point_in_polygon(point, polygon): """ 射线法判断点是否在多边形内 point: (lng, lat) polygon: [(lng, lat), ...] 顶点列表，按顺序排列 返回 True 表示在内部，False 表示在外部 """ x, y = point n = len(polygon) inside = False j = n - 1 for i in range(n): xi, yi = polygon[i] xj, yj = polygon[j] # 判断射线是否与边 (i, j) 相交 # 条件1：点的纬度在边的纬度范围内（半开半闭避免顶点重复计数） # 条件2：点在边的左侧 if ((yi > y) != (yj > y)) and \ (x < (xj - xi) * (y - yi) / (yj - yi) + xi): inside = not inside j = i return inside # 定义一个四边形围栏 fence = [ (116.392, 39.898), (116.408, 39.898), (116.408, 39.912), (116.392, 39.912), ] # 测试几个点 test_points = [ (116.400, 39.905), # 应该在内部 (116.395, 39.900), # 应该在内部 (116.385, 39.905), # 应该在外部 (116.400, 39.920), # 应该在外部 ] for p in test_points: result = point_in_polygon(p, fence) print(f"点 {p} 在围栏{'内' if result else '外'}")

代码里的(yi > y) != (yj > y)是半开半闭规则的核心，它保证每条边的两个端点只有一个被计入，避免射线穿过顶点时重复计数。x < (xj - xi) * (y - yi) / (yj - yi) + xi是计算射线与边的交点的经度，如果点的经度小于交点经度，说明交点在点的右侧，射线确实穿过了这条边。

参数说明：polygon的顶点必须按顺序排列，顺时针或逆时针都可以，但不能交叉。如果顶点顺序乱了，射线法会给出错误结果。课件里可以让学生故意打乱顶点顺序，观察输出变化，这样能加深对“多边形是有序顶点序列”的理解。

5.3 围栏告警 Demo：从轨迹点到告警事件的完整链路

把轨迹和围栏结合起来，就是一个完整的告警 Demo。思路是：遍历轨迹上的每个点，判断是否在围栏内，如果连续多个点在围栏外，就触发一次“离开围栏”告警。

def check_fence_alarm(track, fence, min_outside_count=3): """ 检查轨迹是否触发围栏告警 track: N x 2 轨迹点 fence: 围栏多边形 min_outside_count: 连续多少个点在围栏外才触发告警 返回告警事件列表 """ alarms = [] outside_count = 0 for i, point in enumerate(track): if not point_in_polygon(point, fence): outside_count += 1 else: if outside_count >= min_outside_count: alarms.append({ "start_index": i - outside_count, "end_index": i - 1, "type": "离开围栏" }) outside_count = 0 # 处理轨迹结束时仍在围栏外的情况 if outside_count >= min_outside_count: alarms.append({ "start_index": len(track) - outside_count, "end_index": len(track) - 1, "type": "离开围栏" }) return alarms alarms = check_fence_alarm(cleaned_track, fence) for a in alarms: print(f"告警: {a['type']}, 轨迹点索引 {a['start_index']} 到 {a['end_index']}")

这段代码里，min_outside_count=3是为了避免单点漂移导致的误告警。如果只根据一个点在围栏外就告警，那 GPS 抖动会让系统疯狂报警。设成 3 表示连续 3 个点在围栏外才认为真的离开了。这个参数在实际项目里通常设成 3 到 5，具体取决于采样频率和业务容忍度。

跑完这个 Demo，学生应该能看到告警事件的输出。如果没有任何告警，可能是围栏画得太大，把所有轨迹点都包进去了；如果告警太多，可能是围栏画得太小，或者min_outside_count设得太低。这个调试过程本身就是很好的实训内容。

6. 课件制作与实训中的避坑清单：五个血泪教训

GPS 应用课件从“能讲”到“能实训”，中间隔着一堆坑。下面这五条是我自己踩过或者看别人踩过的，每条都按“现象 → 原因 → 解决”写清楚。

6.1 坐标系混用导致围栏完全失效

现象：学生用 WGS84 坐标画围栏，用 GCJ02 坐标判断点，结果所有点都在围栏外，告警一直触发。

原因：WGS84 和 GCJ02 在国内有 300 到 600 米的偏移，围栏边界和轨迹点不在同一个坐标系下，判断结果必然错误。

解决：课件里必须强制规定“所有坐标在进入判断逻辑前统一转成同一个坐标系”。我一般建议统一转成 GCJ02，因为国内地图服务展示时用的就是 GCJ02。转换函数用第 3 章的代码，转换后再做围栏判断。

6.2 时间间隔单位搞错导致速度阈值失效

现象：清洗轨迹时，明明设了 120 公里/小时的速度上限，但跳变点一个都没滤掉。

原因：GPS 原始数据的时间戳通常是毫秒，但代码里把时间间隔当成了秒，算出来的速度小了 1000 倍，所有点都“不超速”。

解决：在读取数据后第一步就把时间戳转成秒，并且打印前几个时间间隔确认量级。如果时间间隔是 1000 左右，说明单位是毫秒，要除以 1000。这个检查步骤要写进课件，让学生养成“先看数据再写逻辑”的习惯。

6.3 射线法顶点重复计数导致判断结果随机

现象：同一个点，多次运行围栏判断，结果有时在内有时在外。

原因：射线正好穿过多边形顶点时，如果代码没有用半开半闭规则，顶点会被计数两次或零次，导致奇偶性判断错误。

解决：用第 5 章代码里的(yi > y) != (yj > y)条件，确保每条边的两个端点只有一个被计入。如果学生自己写代码，要提醒他们测试“点在顶点正上方”这种边界情况。

6.4 离线环境底图缺失导致可视化失败

现象：课件里用了在线地图 API 画轨迹，学生在宿舍跑代码时底图加载不出来，只剩几个孤立的点。

原因：在线地图服务需要网络，而且有些服务在特定网络环境下不可用。

解决：课件里的可视化全部用 matplotlib 完成，不依赖在线底图。如果需要地理背景，提前保存一张静态图片，用plt.imshow叠加。这样代码在任何环境都能跑出完整效果。

6.5 随机种子不固定导致每次演示结果不同

现象：老师在课堂上演示轨迹生成，第一次跑出来 5 个跳变点，第二次跑出来 8 个，学生以为代码有问题。

原因：没有设置随机种子，每次运行np.random.normal和np.random.choice都产生不同的随机数。

解决：在生成模拟数据的代码开头加上np.random.seed(42)，保证每次运行结果一致。这个习惯不仅用于课件，也用于所有需要复现的实验。种子值可以随便选，但一旦选定就不要改，否则学生复现时会对不上。

注意：课件里的所有示例数据都应该是模拟生成的，不要用真实采集的轨迹数据。真实数据可能包含敏感位置信息，而且分布特征不一定适合教学。

7. 把课件变成可复现实训的最后一步：参数敏感性实验

课件做到第 6 章，学生已经能跑通“生成轨迹 → 清洗 → 围栏判断”的完整链路。但这时候他们只是“照着抄了一遍”，还没有真正理解参数的作用。最后一步，我一般会设计一个参数敏感性实验，让学生自己改参数、观察结果、总结规律。

7.1 速度阈值对清洗结果的影响

让学生把max_speed从 10 米/秒逐步调到 50 米/秒，每次记录清洗后的点数，画一张“阈值 vs 保留点数”的曲线。学生会看到：阈值太小，正常点被误删，保留点数骤降；阈值太大，跳变点被保留，保留点数接近原始点数。曲线中间会有一个平台区，这个平台区对应的就是合理阈值范围。

这个实验的价值在于让学生理解“参数不是拍脑袋定的，而是有物理含义的”。10 米/秒对应 36 公里/小时，大概是电动车速度；33.3 米/秒对应 120 公里/小时，是高速上限。学生把参数和物理量对应起来，以后遇到新场景就知道怎么估初始值。

7.2 围栏最小连续点数对告警次数的影响

把min_outside_count从 1 调到 10，记录告警次数。学生会看到：设为 1 时告警次数最多，因为单点漂移就触发；设为 3 到 5 时告警次数趋于稳定；设为 10 时告警次数可能降为 0，因为真实离开围栏的连续点数不够。

这个实验能让学生理解“告警系统需要在灵敏度和误报率之间权衡”。实际项目中，这个参数通常由业务方根据容忍度决定，但开发者需要知道它会影响什么。

7.3 一个我常用来收尾的检查习惯

每次课件更新后，我会做一件事：把代码里的所有随机种子、阈值参数、坐标系转换函数列一张表，逐个检查是否在课件正文里有对应说明。如果某个参数在代码里出现了但正文没解释，学生就会卡在那里。这个习惯帮我省掉了很多课堂上的“老师这里为什么是 33.3”的提问。

还有一个习惯是：每段代码后面都留一个“改一改”的练习。比如坐标转换代码后面留“把城市 A 的坐标换成你所在城市的坐标，看看偏移量是多少”；围栏代码后面留“把围栏改成五边形，重新跑一遍”。这些小练习不需要额外课时，但能让学生从被动抄代码变成主动改代码。

课件做到这个程度，就不再是一份“念稿材料”，而是一套可以带学生动手的实训工具。从定位原理到坐标转换，从轨迹清洗到围栏告警，每个环节都有可运行的代码和可验证的结论。学生学完不是记住了一堆名词，而是能自己搭一个定位数据处理 Demo。这个方向值得投入，因为 GPS 应用的需求一直在，而能真正处理定位数据的人一直不多。希望帮到你。

本文还有配套的精品资源，点击获取