Quando si raggruppano dati geocodificati, la direzione (cioè l'angolo di viaggio relativo a 0º Nord) è spesso una variabile rilevante. Tuttavia, trattandosi di una metrica circolare, in cui i valori estremi della scala di 0 e 360 gradi sono in realtà esattamente la stessa direzione, i problemi per gli algoritmi di clustering classici vengono creati attorno a questo punto di interruzione della scala. Gli algoritmi interpretano erroneamente le intestazioni adiacenti su entrambi i lati del segno di 0/360 gradi come alla massima distanza, quando in realtà sono minimamente distanti.
Il modo in cui aggiro questo è scomporre gli angoli di rotta in un seno e un coseno, le cui uscite combinate assicurano la continuità di misura per un ciclo completo. Ma questo ha degli svantaggi che preferirei evitare: aggiunge un'altra variabile che necessita di raggruppamento, inoltre la mia conoscenza di matematica non è abbastanza lontana da permettermi di assicurare che le uscite senoidali in fase di seno e coseno siano raggruppate a velocità costanti per tutti gli angoli (al contrario, diciamo, di punte attorno alle diagonali dove seno e coseno variano a velocità simili).
Quindi ecco la mia domanda: che ne dici di avere JMP raggruppare adeguatamente i dati angolari senza la necessità di trasformazioni intermedie?
Grazie!
