Pour mon travail académique final, j'ai développé un algorithme de compression pour les trajectoires GPS. Je peux estimer la qualité de la compression spatio-temporelle en calculant la distance euclidienne syncronisée (SED) entre la trajectoire compressée et la trajectoire d'origine et évaluer les performances de mon algorithme par rapport à un algorithme de compression bien connu.
Un algorithme spatio-temporel, comme le mien, réduit la trajectoire en essayant de conserver autant d'informations temporelles que possible. Les algorithmes spatiaux (par exemple l'algorithme Douglas-Peucker) réalisent la compression en se référant uniquement aux caractéristiques spatiales.
Que se passe-t-il maintenant? Compte tenu d'un aspect spatio-temporel, mon algorithme est meilleur que DP. Je peux l'assurer par des mesures SED. Si je trace les trois trajectoires (originale, mienne et DP compressée), la trajectoire compressée avec DP correspond mieux à la trajectoire d'origine. Les mesures uniquement oculaires ne satisfont pas mon besoin: j'ai besoin, en effet, d'une mesure d'erreur qui démontre numériquement à quel point l'algorithme DP est meilleur que le mien de manière spatiale.
Je pourrais donc écrire: "En se référant au facteur spatio-temporel, mon algorithme est meilleur que DP, car il a un facteur SED inférieur au facteur SED de DP. Hélas, un facteur spatial simple attribue l'algorithme DP parce que son (nom de la nouvelle métrique) est meilleur que le mien ".
J'ai pensé à la distance euclidienne perpendiculaire, mais je ne sais vraiment pas si cela pourrait être utile. Déformation temporelle dynamique? Quelle statistique pourrais-je utiliser pour cela?