图 1. 作者在今年比赛中分发的 Riverlands 地图照片。
今年我跑了大约 60 英里的路程，并使用 GPS 记录了我的进度。我从Strava获得了 GPX 格式的录音笔录。地图在我的脑海中，比赛在我的想象中焕然一新，我要求 ChatGPT 对我在缅因州荒野度过的周末的各种图表进行“切片和切块”。下面讨论最有趣的一对图。
我使用ChatGPT-4o和代码解释器来撰写本文。
首先，我向 ChatGPT-4o 提示我的 GPX 数据和请求，如图 2 所示。请求是三个图：
- “地图可视化”图
- 具有纬度对齐的时间线
- 经度对齐的时间线
该提示还包括一个编码技巧 – 其作用的详细说明请参见附录 1。
图 2. 作者的屏幕截图。提示 ChatGPT-4o 生成三个 GPX 数据图。
下面提供了 ChatGPT 为图 3 中的图生成的代码。该 Python 脚本在 ChatGPT 代码解释器中运行以生成绘图。
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import matplotlib.colors as mcolors
import gpxpy
from datetime import datetime
import numpy as np
# 解析 GPX 文件
gpx_file_path = '/mnt/data/Riverlands_100_2024.gpx'
with open (gpx_file_path, 'r' ) as file:
gpx = gpxpy.parse(file)
# 提取轨迹点
data = []
for track in gpx.tracks:
for segment in track.segments:
for point in slot.points:
data. append([point.time, point.latitude, point.longitude, point.elevation])
# 创建一个 DataFrame
df = pd.DataFrame(data, columns=[ 'time' , 'latitude' , 'longitude' , 'elevation' ])
# 计算经过的时间（以秒为单位）
df[ 'elapsed_time' ] = (df[ 'time' ] - df[ 'time' ].iloc[ 0 ]).dt.total_seconds()
# 计算点之间的距离
df[ 'distance ' ] = np.sqrt((df[ 'latitude' ].diff()** 2 ) + (df[ 'longitude' ].diff()** 2 )) * 111000 # 纬度/经度到米的近似转换
df[ 'distance' ].fillna( 0 , inplace= True )
# 计算速度（MPH）
df[ 'time_diff' ] = df[ 'elapsed_time' ].diff().fillna( 0 )
df[ 'pace_mph' ] = ( df[ 'distance' ] / df[ 'time_diff' ]) * 2.23694 # 米每秒换算为英里每小时
# 标准化颜色映射的步速（剪辑值为 6 MPH）
df[ 'pace_mph_clipped' ] = df[ 'pace_mph' ] .clip( 0 , 6 )
# 定义颜色贴图
time_cmap = plt.get_cmap( 'viridis' )
pace_cmap = plt.get_cmap( 'coolwarm' )
# 创建经过时间和步速的颜色数组
time_norm = mcolors.Normalize(vmin=df[ 'elapsed_time' ]. min (), vmax=df[ 'elapsed_time' ]. max ())
pace_norm = mcolors.Normalize(vmin= 0 , vmax= 6 )
time_colors = time_cmap(time_norm(df[ 'elapsed_time' ]))
pace_colors =pace_cmap(pace_norm(df[ 'pace_mph_clipped' ]))
# 绘制经过时间的地图可视化
Fig, ax = plt.subplots( 3 , 1 , Figsize=( 15 , 15 ))
# 地图可视化
ax[ 0 ].scatter(df[ 'longitude' ], df[ 'latitude' ], c=time_colors, s= 10 , label= '轨迹点' )
ax[ 0 ].set_title( '地图可视化（经过时间）' )
ax[ 0 ].set_xlabel( '经度' )
ax[ 0 ].set_ylabel( '纬度' )
# 具有纬度对齐的时间进度
scatter_lat = ax[ 1 ] .scatter(df[ 'elapsed_time' ], df[ 'latitude' ], c=pace_colors, s= 10 , label= '轨迹点' )
ax[ 1 ].set_title( '纬度对齐的时间进程' )
ax[ 1 ].set_xlabel( '经过时间 (s)' )
ax[ 1 ].set_ylabel( '纬度' )
Fig.colorbar(scatter_lat, ax=ax[ 1 ],orientation= '垂直' , label= '步速 (MPH)' )
# 经度对齐的时间进度
scatter_lon = ax[ 2 ].scatter(df[ 'elapsed_time' ], df[ 'longitude' ], c=pace_colors, s= 10 , label= 'Track Points' )
ax[ 2 ]. set_title( '经度对齐的时间进度' )
ax[ 2 ].set_xlabel( '经过的时间(秒)' )
ax[ 2 ].set_ylabel( '经度' )
Fig.colorbar(scatter_lon, ax=ax[ 2 ],orientation = '垂直'，label= '配速（MPH）' )
plt.tight_layout()
plt.show()
请注意，ChatGPT 使用的上述代码并不试图消除其步速计算中的 GPS 抖动；这是一个不同的练习。其影响是随后的步速数据应该在高水平上进行解释。
图 3. 作者的屏幕截图。 ChatGPT 根据图 2 中的提示生成的图。纬度和经度对齐时间线按速度进行颜色编码 — 红色较快，蓝色较慢。右侧颜色条不准确 — 应该是 0-6 英里/小时。
讨论
与往常一样，在阅读 ChatGPT 结果时需要谨慎。通常，详细信息可能包含错误，并且会因会话而异。例如，在此处描述的会话中，颜色条被错误标记。尽管如此，如果您保持谨慎并交叉比较多个会话的结果（并在此过程中改进提示等），您可以获得真正的见解。
我发现图 3 的图很微妙，而且信息量惊人。
图 3（地图可视化）中的第一个图有效地传达了我的比赛如何结束。它可视化了我在缅因州特纳的安德罗斯科金河地州立公园的路线。绘制的路线是根据沿路线覆盖两个半环（往返）的数据构建的。第三圈时，我转了大约一半，回到了“中土援助站”（查看地图了解其地理位置——图1），那里的录音被关闭了。图 5 捕捉到了这种动态。参见图 4。
图 4。作者突出显示了中土救援站（圆圈）处的周转和终点。
图 3 中底部的一对图（纬度对齐和经度对齐时间线）有效地传达了比赛最后三分之一的配速如何下降 – 由蓝色编码段数量的增加表明。情节的内部结构信息丰富。我可以将蓝色线段与地图（图 1）或 Strava 中的位置（图 6）相关联。
例如，图 5 突出显示了我在开始/结束时停了一个多小时（胃部不适）的地方。请参阅图 1 中的地图，了解“开始/结束”的地理位置。其他以蓝色为主的部分对应于我记得我停下来的位置和时间。例如，我可以将这些片段与 Strava 中的位置进行比较 – 请参阅图 6 或返回地图 – 图 1，或图 3 中的地图可视化。
图 5. 作者的屏幕截图。带有突出显示的绘图显示了作者在比赛期间在起点/终点处停留了一个多小时的位置。
纬度和经度图提供同一时间线的不同视图。所描绘的速度信息在两者之间相关——红色和蓝色沿着时间线对齐。但“侧重点”却有所不同。例如，经度对齐图更详细地描绘了红色和蓝色部分（更快和更慢的节奏）。这是有道理的；总体而言，该路线在经度上覆盖的距离比在纬度上覆盖的距离更长（想象一下投影到这些轴上的路线）。然而，并非所有地点都是如此。这样，在这两种视角之间，人们就能更全面地了解我的曲折旅程的结构。
图 6. 作者的屏幕截图。 Strava 显示路线。
正如前面所提到的，ChatGPT 计算的步速信息在细节上可能不准确，但是，我相信在摘要中它是有用的。例如，绘图（图 3 和图 5）中的红色可能比应有的多，但可以准确地说，我在比赛前半段的移动速度比后半段快得多。
总的来说，在 ChatGPT 中处理比赛数据是一项刺激的练习，可以揭示洞察力。这是“假设”你的比赛日体验的好方法。但是，您应该谨慎解释 ChatGPT 告诉您的内容。
参考
此处使用的作者与 ChatGPT 的交流文字可在以下链接中找到（但请注意，ChatGPT 目前不共享代码解释器生成的图形数据）：
- https://chat.openai.com/share/4dbe0bbf-32a5-4c42-b575-6cc1af9b3b56
- https://chat.openai.com/share/5c46f087-cb07-4dae-b5c0-3ad300b26875
- ChatGPT-4o — https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/
- Strava — https://www.strava.com/
- Riverlands 100 和接力 — https://www.riverlands100.com/
附录 1 — 提示中编码提示的使用
在提示中添加编码提示类似于在Middlesex Fells Trail Analyzer Custom ChatGPT的“培训手册”中包含编码提示和代码示例。
它们指导 ChatGPT 的 Python 代码选择。在这种情况下，如果没有其他提示，ChatGPT 更有可能生成依赖于 gpxpy 模块的代码，从而导致在尝试在代码解释器中运行脚本时出现错误。
图 7. 作者的屏幕截图。 ChatGPT 的代码解释器因缺少 gpxpy 模块而出错。
虽然 ChatGPT 通常能够使用替代方法（基于直接解析 XML）修复其代码，但这会减慢响应速度。在极少数情况下，如果延迟很严重，则可能会结束会话。
