【可视化】谷歌地图的GPS路径跟踪和可视化附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

在机器人导航、物流配送、户外作业等场景中，GPS 路径可视化是 “直观展示轨迹、分析运动状态” 的核心工具：

• 机器人导航：将 A 星 / 自适应 RRT 规划的路径，叠加到真实地理环境（谷歌地图），验证路径与实际障碍物的匹配度；

• 物流配送：实时跟踪货车 / 无人机轨迹，监控配送进度与偏离情况；

• 运动分析：展示跑步 / 骑行轨迹，叠加速度、海拔等数据，生成可视化报告；

• 设备监控：跟踪工程设备（如起重机、巡检机器人）的移动轨迹，确保作业范围合规。

谷歌地图 API 提供了强大的地理可视化能力，支持自定义轨迹样式、实时更新、交互查询，是实现 GPS 路径跟踪的首选工具。本文将分 “离线轨迹渲染”“实时 GPS 跟踪”“进阶优化” 三部分，教你快速落地。

⛳️ 运行结果

📣 部分代码

% PLOTROADMAPSPEED Plots a roadmap with speed data.

%

% [totalDistKiloMeters, totalDistMiles] = plotRoadmapSpeed(gpsdat, latlong, apiKey, pathtype, linespecifiers, speedplotpath)

%

% This function takes GPS data and plots a roadmap with speed information.

%

% Inputs:

% gpsdat - GPS data containing latitude, longitude, and speed information.

% latlong - Latitude and longitude data for the roadmap.

% apiKey - API key for accessing map services.

% pathtype - How to join GPS latitude and longitude data [discrete | continuous].

% linespecifiers - Line specifiers for customizing the plot appearance.

% speedplotpath - Path where the speed plot will be saved.

%

% Outputs:

% totalDistKiloMeters - Total distance covered in kilometers.

% totalDistMiles - Total distance covered in miles.

% plot route data using Google map

% Please note that Google Maps API Key is mandatory!

% Find the distance of the experiment. Compute distances (in degrees)

% between consecutive lat/long pairs.

d_deg = distance(gpsdat(1:end-1,1), gpsdat(1:end-1,2), ...

gpsdat(2:end,1), gpsdat(2:end,2));

% Convert distances from degrees to kilometers.

vehiDistArray = distdim(d_deg, 'deg', 'kilometers');

totalDistKiloMeters = sum(vehiDistArray); % In kilometers

totalDistMiles = totalDistKiloMeters / 1.6; % Convert to miles

%--------------------------------------------------------------------------

% Plot pavement distress classification and route data by Google map

switch pathtype

case 'continuous'

latlold = [ latlong(1,1), latlong(1, 2) ];

figure;

set(gcf, 'Position', [50, 50, 850, 700])

hold on

for i = 2:length(gpsdat)

if ((gpsdat(i,5) >= 0) && (gpsdat(i,5) <= 30))

latlnew = [latlong(i,1), latlong(i, 2)];

long = [latlold(1); latlnew(1)];

lat = [latlold(2); latlnew(2)];

if (linespecifiers == 1)

h(1) = plot(long, lat , '-o', 'color', ...

[233 17 212]/255, 'LineWidth', 1);

elseif (linespecifiers == 0)

h(1) = plot(long, lat , 'color', ...

[233 17 212]/255, 'LineWidth', 2);

end

elseif ((gpsdat(i,5) > 30) && (gpsdat(i,5) <= 40))

latlnew = [latlong(i,1), latlong(i, 2)];

long = [latlold(1); latlnew(1)];

lat = [latlold(2); latlnew(2)];

if (linespecifiers == 1)

h(2) = plot(long, lat , '-x', 'color', ...

[0 153 0]/255, 'LineWidth', 1);

elseif (linespecifiers == 0)

h(2) = plot(long, lat , 'color', ...

[0 153 0]/255, 'LineWidth', 2);

end

elseif ((gpsdat(i,5) > 40) && (gpsdat(i,5) <= 50))

latlnew = [latlong(i,1), latlong(i, 2)];

long = [latlold(1); latlnew(1)];

lat = [latlold(2); latlnew(2)];

if (linespecifiers == 1)

h(3) = plot(long, lat , '-d', 'color', ...

[0 0 128]/255, 'LineWidth', 1);

elseif (linespecifiers == 0)

h(3) = plot(long, lat , 'color', ...

[0 0 128]/255, 'LineWidth', 2);

end

elseif ((gpsdat(i,5) > 50) && (gpsdat(i,5) <= 60))

latlnew = [latlong(i,1), latlong(i, 2)];

long = [latlold(1); latlnew(1)];

lat = [latlold(2); latlnew(2)];

if (linespecifiers == 1)

h(4) = plot(long, lat , '-v', 'color', ...

[0 255 255]/255, 'LineWidth', 1);

elseif (linespecifiers == 0)

h(4) = plot(long, lat , 'color', ...

[0 255 255]/255, 'LineWidth', 2);

end

else

latlnew = [latlong(i,1), latlong(i, 2)];

long = [latlold(1); latlnew(1)];

lat = [latlold(2); latlnew(2)];

if (linespecifiers == 1)

h(5) = plot(long, lat , '-^', 'color', ...

[255 51 51]/255, 'LineWidth', 1);

elseif (linespecifiers == 0)

h(5) = plot(long, lat , 'color', ...

[255 51 51]/255, 'LineWidth', 2);

end

end

latlold = latlnew;

end

hold off

case 'discrete'

figure;

set(gcf, 'Position', [150, 150, 850, 700])

hold on

for i = 1:length(gpsdat)

if ((gpsdat(i,5) >= 0) && (gpsdat(i,5) <= 30))

h(1) = plot(latlong(i,1), latlong(i,2) , 'color', [233 17 212]/255, 'Marker', 'o', 'MarkerSize', 5);

elseif ((gpsdat(i,5) > 30) && (gpsdat(i,5) <= 40))

h(2) = plot(latlong(i,1), latlong(i,2), 'color', [0 153 0]/255, 'Marker', 'x', 'MarkerSize', 5);

elseif ((gpsdat(i,5) > 40) && (gpsdat(i,5) <= 50))

h(3) = plot(latlong(i,1), latlong(i,2), 'color', [0 0 128]/255, 'Marker', 'd', 'MarkerSize', 5);

elseif ((gpsdat(i,5) > 50) && (gpsdat(i,5) <= 60))

h(4) = plot(latlong(i,1), latlong(i,2), 'color', [0 255 255]/255, 'Marker', 'v', 'MarkerSize', 5);

else

h(5) = plot(latlong(i,1), latlong(i,2), 'color', [255 51 51]/255, 'Marker', '^', 'MarkerSize', 5);

end

end

hold off

end

plot_google_map('maptype', 'roadmap', 'APIKey', apiKey);

annotation('textbox', [.15 0.8 0.1 0.1], 'BackgroundColor', [1 1 1], ...

'String', ['Track Length: ' num2str(totalDistMiles)...

' miles']);

starting = line(latlong(1, 1), latlong(1, 2), 'Marker', 'o', ...

'Color', [104 104 11]/255, 'MarkerFaceColor', [104 104 11]/255, 'MarkerSize', 10);

ending = line(latlong(end, 1), latlong(end, 2), 'Marker', 's', ...

'Color', [102 0 0]/255, 'MarkerFaceColor', [102 0 0]/255, 'MarkerSize', 10);

% Speed legend string

legend_string_cell{1} = '00-30 MPH';

legend_string_cell{2} = '30-40 MPH';

legend_string_cell{3} = '40-50 MPH';

legend_string_cell{4} = '50-60 MPH';

legend_string_cell{5} = ' > 60 MPH';

% Start/end point legend string

legend_string_cell{6} = 'Start Point';

legend_string_cell{7} = 'End Point';

% Legend

if isscalar(h)

legend([h starting ending], {legend_string_cell{1}, legend_string_cell{6}, legend_string_cell{7}})

elseif numel(h) == 2

legend([h starting ending], {legend_string_cell{1}, legend_string_cell{2}, legend_string_cell{6}, ...

legend_string_cell{7}})

elseif numel(h) == 3

legend([h starting ending], {legend_string_cell{1}, legend_string_cell{2}, legend_string_cell{3}, ...

legend_string_cell{6}, legend_string_cell{7}})

elseif numel(h) == 4

legend([h starting ending], {legend_string_cell{1}, legend_string_cell{2}, legend_string_cell{3}, ...

legend_string_cell{4}, legend_string_cell{6}, legend_string_cell{7}})

elseif numel(h) == 5

legend([h starting ending], {legend_string_cell{1}, legend_string_cell{2}, legend_string_cell{3}, ...

legend_string_cell{4}, legend_string_cell{5}, legend_string_cell{6}, ...

legend_string_cell{7}})

end

% Axis

axis off

% Export figure

exportgraphics(gcf, speedplotpath)

end

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码