Für meine letzte akademische Arbeit habe ich einen Komprimierungsalgorithmus für GPS-Trajektorien entwickelt. Ich kann die Qualität der räumlich-zeitlichen Komprimierung abschätzen, indem ich den synkronisierten euklidischen Abstand (SED) zwischen der komprimierten und der ursprünglichen Trajektorie berechne und die Leistung meines Algorithmus anhand eines bekannten Komprimierungsalgorithmus bewerte.
Ein räumlich-zeitlicher Algorithmus wie meiner reduziert die Flugbahn und versucht, so viele zeitliche Informationen wie möglich zu erhalten. Räumliche Algorithmen (z. B. Douglas-Peucker-Algorithmus) realisieren die Komprimierung nur unter Bezugnahme auf die räumlichen Eigenschaften.
Was passiert jetzt? Aus räumlich-zeitlicher Sicht ist mein Algorithmus besser als DP. Ich kann dies durch SED-Messungen sicherstellen. Wenn ich die drei Trajektorien (Original, Mine und DP komprimiert) zeichne, passt die mit DP komprimierte Trajektorie besser zur ursprünglichen Trajektorie. Die Nur-Augen-Messungen erfüllen meine Anforderungen nicht: Ich benötige tatsächlich eine Fehlermetrik, die numerisch zeigt, wie der DP-Algorithmus räumlich besser ist als meiner.
Ich könnte also schreiben: "In Bezug auf den räumlich-zeitlichen Faktor ist mein Algorithmus besser als DP, da er einen SED-Faktor hat, der kleiner als der SED-Faktor von DP ist. Leider vergibt ein einfacher räumlicher Faktor den DP-Algorithmus, weil er (Name der neuen Metrik) ist besser als meins ".
Ich habe über eine senkrechte euklidische Distanz nachgedacht, aber ich weiß wirklich nicht, ob dies nützlich sein könnte. Dynamisches Time Warping? Welche Metrik könnte ich dafür verwenden?