Travlet物理空间轨迹与旅途探索

记录与规划人在真实物理空间中的穿行（Traverse + Tablet）：底层用四级几何滤波与速度分层把行车、骑行与步履拆开，上层结合高德与 OSM 的实地 POI 解算可执行的步程规划与多日行程，最后把当天的轨迹、天气与区域沉淀为可回看的旅途手记与年度足迹。

01双通道记录与四级滤波

前台录制与后台常驻共用一套抗漂移状态机，不点开始也在记。

• 两条服务：前台录制记长距离，后台常驻按天分桶（live-YYYYMMDD）；录制启动时被动服务自动让位，开机由 BOOT_COMPLETED 重启。
• 进库前四道门：水平精度 ≤20 m、静止半径 12 m（速度 <0.5 m/s 时合并）、步行位移 8 m、乘车位移 20 m。
• 孤立跳点先挂起：下一帧若回弹超过一半就判为噪声丢弃，若持续位移则承认它是一次真实移动——地铁出站与高楼漂移由此分开。
• 位移阈值随速度放宽，否则 2 秒一次、30 km/h 的车载定位会被当成噪声全部丢掉。

02速度分层：步履、骑行与乘车分开算

一条线三种画法，一个数字三种口径。

• 按两端速度取大者判档：>9 m/s 为乘车（虚线淡墨，不计入步行），4.5–9 m/s 且连续四段一致为骑行（单独线型与里程），其余为步行。
• 定档有滞后：单段来回跳变要连续 4 段同向才改判，公交靠站减速不会把整段乘车打回步行。
• 断点恢复按证据判定：静默超过 20 秒且位移小于 60 m 记为原地停留，长时间断流后的合理位移画成浅色连接线，不把路线切成孤岛。
• 分段阈值随档位变化：步行 400 m、骑行 1200 m、乘车 1500 m 以上才算跳变，15 分钟静默也另起一段。

03探索：看周围的实地兴趣点

先拿到真实坐标与营业信息，再让模型挑理由。

• 两种底图数据：高德优先，OSM Overpass 兜底；POI 卡带评分、人均、营业时间、照片与入口坐标。
• 按类别、半径（800 m / 1.5 km / 3 km / 自定义）与级别筛选，中心可选「我的位置」「地图中心」或搜索到的目标。
• AI 只做挑选与给理由（四档强度：关 / 严格 / 中等 / 宽松），具体坐标与营业信息始终来自地图服务。

04规划：散步、跑步、逛街三条模式

几何交给本地，模型只提名字。

• 三种配速与停留：散步 4.5 km/h、每站 6 分钟；跑步 10 km/h、不停留；逛街 3.5 km/h、每站 14 分钟。
• 按预算反推：环线用时先扣掉各站停留，再乘配速得到目标里程；街道距离按 1.3 倍绕行系数估算，避免直线几何低估。
• 候选点按多个圆形范围并行搜（并发 3），AI 打分后由本地排序选站，再走高德步行分段复核预算。
• 跑步模式额外附带沿途厕所与便利店，单程散步给出终点附近的最近地铁站。

05行程：多日规划与坐标校验

模型只提议名字，坐标逐个解析，拿不准的显式标记。

• 只把景点名交给解析器，并以已解析的目的地为锚点做同名校验，避免「同名水库在另一个山谷」。
• 四道距离闸：单点偏锚点 >60 km 标「远」，与同日其他点相距 >10 km 标「孤立」，偏锚点 >50 km 且离群 >30 km 判为解析错误，>300 km 直接视为幽灵点。
• 解析失败或可疑的停点不静默删除，以标记行留在计划里，由人手动核对；只有可信坐标才上图。
• 跨天重复只保留首次出现，后面的标注重复日；行程按城市落库，重新生成即覆盖，可离线查看。

06手记与年度回顾

写的是那天的实况，回顾看的是一年的形状。

• 手记可由 AI 代笔：语气、篇幅与侧重可调；「锁定段」写死的部分不会被改写成「我去过」。
• 散步开始时的天气与区域钉在会话上；支持 GPX 导出，整库可导出导入完整 JSON（含速度与行程）。
• 回顾页给年度次数、里程、走着的时间与天数，逐日热力图（每格一天、色阶表示当日步行里程），按月折叠并附 AI 月度点评。

它把「走过」变成可回看的事实：哪一段是脚走的，哪一段是车带的，哪一天走了多远，都被机器记成了不会记错的样子。

TrackFilter.kt · Walks.kt · Planner.kt · Trips.kt · AltBands.kt · ReviewStats.kt

上一个← Delvlet下一个Scraplet →