Ακριβής και κλιμακούμενη ανακατασκευή διαδρομών GPS με χαμηλό ρυθμό δειγματοληψίας

Abstract

Η διατριβή παρουσιάζει έναν ακριβή και επεκτάσιμο αγωγό επεξεργασίας για την ανακατασκευή τροχιών οχημάτων από δεδομένα GPS χαμηλού ρυθμού δειγματοληψίας. Εισάγουμε τρεις συμπληρωματικούς αλγορίθμους —Trajectory Refinement, Curve Interpolation και Trajectory Combination— που λειτουργούν ως χαμηλού υπολογιστικού κόστους μετα‐επεξεργασία μετά από HMM‐based Map‐Matching. Οι μέθοδοι διορθώνουν τις λανθασμένες μεταβάσεις μεταξύ οδικών τμημάτων, αντικαθιστούν μη ρεαλιστικές ευθύγραμμες συνδέσεις/κενά ανάμεσα σε διαδοχικά σημεία GPS με καμπύλες περιορισμένες από το οδικό δίκτυο και, όπου είναι εφικτό, αξιοποιούν ιστορικές διαδρομές της ίδιας γραμμής για τη συμπλήρωση ελλειπόντων τμημάτων της τροχιάς. Σε επίπεδο συστήματος, υλοποιείται παραλληλία με βάση το Apache Kafka (με ανάπτυξη μέσω Docker) για κλιμακούμενη εισαγωγή, επεξεργασία και αποθήκευση τροχιών με διαμερισμένους producers/consumers. Αξιολογήσαμε 20 τροχιές, ενάντια σε χειροκίνητα επαληθευμένες ground truth τροχιές οι οποίες παράχθηκαν μέσω pgMapMatching, τα αποτελέσματα δείχνουν σημαντικές βελτιώσεις έναντι ενός HMM Map‐Matcher: αύξηση F1 από 0,37 σε 0,70, precision ≈0,71 και recall ≈0,69, μείωση του route mismatch fraction (περίπου 35%) και του alignment error (περίπου 48%), καθώς και πιο ρεαλιστικό μήκος διαδρομής (length index ≈1,07). Πειράματα κλιμάκωσης με έως 1,000 τροχιές και 300K μηνύματα στο Kafka καταδεικνύουν σχεδόν γραμμικές επιταχύνσεις έως 3–4 consumers (κορύφωση 4,4× με πέντε) και φθίνουσες αποδόσεις πέρα από αυτό.