Do mojej ostatniej pracy naukowej opracowałem algorytm kompresji trajektorii GPS. Potrafię oszacować jakość kompresji czasoprzestrzennej, obliczając zsynchronizowaną odległość euklidesową (SED) między skompresowaną i oryginalną trajektorią, i oceniam wydajność mojego algorytmu na podstawie dobrze znanego algorytmu kompresji.
Algorytm czasoprzestrzenny, taki jak mój, zmniejsza trajektorię, próbując zachować jak najwięcej informacji czasowych. Algorytmy przestrzenne (np. Algorytm Douglasa-Peuckera) realizują kompresję odnoszącą się tylko do cech przestrzennych.
Co się teraz stanie? Biorąc pod uwagę aspekt czasoprzestrzenny, mój algorytm jest lepszy niż DP. Mogę to zapewnić na podstawie pomiarów SED. Jeśli wykreślę trzy trajektorie (skompresowana oryginalna, moja i DP), trajektoria skompresowana DP ma lepsze dopasowanie do oryginalnej trajektorii. Pomiary wykonywane tylko na oko nie spełniają mojej potrzeby: potrzebuję rzeczywiście metryki błędu, która numerycznie pokazuje, w jaki sposób algorytm DP jest lepszy od mojego pod względem przestrzennym.
Mogę więc napisać: „Odnosząc się do czynnika czasoprzestrzennego, mój algorytm jest lepszy niż DP, ponieważ ma współczynnik SED mniejszy niż współczynnik SED DP. Niestety, prosty czynnik przestrzenny nagradza algorytm DP, ponieważ jego (nazwa nowej metryki) jest lepszy niż mój ”.
Myślałem o prostopadłej odległości euklidesowej, ale tak naprawdę nie wiem, czy to może być przydatne. Dynamiczne wypaczanie czasu? Jakich danych mogę do tego użyć?