注意：我不确定这是否是这个问题的正确论坛。如果没有，请指教。

背景：我正在使用放置在车辆上的 android 应用程序收集大量数据。我以大约 1 秒的间隔收集数据大约 2 小时，这提供了近 7200 个数据集。这些是参数：

1. 时间戳（毫秒）
2. 纬度
3. 经度
4. 速度
5. 加速

现在我正在寻找简化这些数据的方法，因为处理和渲染这些数据点，尤其是在移动设备上并不是一个好主意。

编辑：作为对Spacedman评论的回答：我想简化数据，因为其中大部分是多余的。无论值是恒定的还是变化的，都会每 1 秒收集一次数据。准确性并不重要，因为它仅用于在网站上显示可视图形，在地图上绘制折线。等等所以我只想保留重现图形/线条所需的最少必要数据点。

在搜索时，我遇到了Ramer-Douglas-Peucker 算法，还找到了一个实现该算法的库。

问题：我对如何简化这些数据有点困惑。我可以 ：

1. 通过将每个数据视为 5D 点，以某种方式简单地了解整个事情，或者
2. 生成三组数组，即[Lat, Long, time]:[Speed, time]和[acceleration, time].

所以我的问题是：

使用这两种方法中的任何一种有什么优点/缺点吗？

我在想——由于每个指标都会有不同的变化模式，将它们结合起来会降低整个简化过程的效率吗？

还是最好将指标分开，以便将每个指标简化为最大效率？

我是一名 Java/Obj-C 开发人员，通常活跃于SO，我不是这些方面的专家，所以我想知道你们的想法。

提前致谢