궤적 유사성 측정을 찾고

마지막 학업을 위해 GPS 궤도에 대한 압축 알고리즘을 개발했습니다. 압축과 원래 궤적 사이의 동기화 된 유클리드 거리 (SED) 를 계산하여 시공간 압축의 품질을 추정하고 잘 알려진 압축 알고리즘에 대해 알고리즘의 성능을 평가할 수 있습니다.

광산과 같은 시공간 알고리즘은 가능한 한 많은 시간 정보를 유지하려는 궤도를 줄입니다. 공간 알고리즘 (예 : Douglas-Peucker 알고리즘)은 공간 특성 만 참조하는 압축을 실현합니다.

지금 무슨 일이 일어나는거야? 시공간 측면을 고려할 때 내 알고리즘은 DP보다 낫습니다. SED 측정으로이를 보장 할 수 있습니다. 세 가지 궤적 (원본, 광산 및 DP 압축)을 플로팅하면 DP로 압축 된 궤적이 원래 궤적에 더 잘 맞습니다. 눈 전용 측정은 내 요구를 충족시키지 못합니다. 실제로 DP 알고리즘이 내 방식보다 어떻게 공간 방식에서 더 나은지를 수치로 보여주는 오류 메트릭이 필요합니다.

"시공간적 요소를 언급 할 때 DP의 SED 계수보다 SED 계수가 낮기 때문에 알고리즘이 DP보다 낫습니다. 아아, 단순한 공간 계수는 DP 알고리즘에 상을줍니다 (새로운 메트릭의 이름). "나보다 낫다".

나는 수직 유클리드 거리에 대해 생각하고 있었지만 이것이 유용 할 수 있는지 정말로 모른다. 다이나믹 타임 워핑? 어떤 통계를 사용할 수 있습니까?

다양한 측정 항목을 사용해야하는지 고려하는 것이 가장 좋을 것 같습니다. 일부 사용자는 평균 공간적 오류가 우려되는 것으로 간주 할 수 있지만 더 큰 문제는 "어떻게 나빠지 는가"입니다. 당신은 아마도 이것을 적어도 어떤 측면에서 (예를 들어, 시간 대 공간으로)보고있을 것입니다.

사용할 수있는 모든 측정 항목이 없지만 Hausdorff distance 입니다. GEOS (및 아마도 JTS)에 구현 이 있습니다 . SpatiaLite 및 PostGIS 에서도 지원합니다 .