Как фильтровать GPS‑треки от ложных точек: спуфинг, заморозка координат, подмена времени

В сфере искусственного интеллекта произошло заметное событие. taras131 20 минут назад Как фильтровать GPS‑треки от ложных точек: спуфинг, заморозка координат, подмена времени Средний 14 мин 677 Геоинформационные сервисы * Алгоритмы * NestJS * Ретроспектива Из песочницы Немногим более года назад я приступил к разработке бэка для сервиса GPS‑мониторинга автотранспорта. Задача казалась интересной — мне всегда больше нравилась связка с реальным железом и техникой, чем обычный SaaS в вакууме. Бек должен был парсить TCP пакеты по протоколам Galileosky, Vega, Wialon.

На начальном этапе казалось, что самой сложной частью работы станут парсеры для расшифровки пакетов от трекера — предполагалась поддержка нескольких протоколов, каждый из которых имеет свою специфику. Преодолев проблемы с длиной тегов и слипшихся в одном пакете точек, я уже решил, что схватил удачу за бороду. Началась эксплуатация первых тестовых машин, и казалось — вот он, успех: машины работают, телеметрия собирается, треки на карте рисуются.

Технические детали

Но после увеличения количества тестовых машин и расширения географии поездок выяснилось, что часть треков превратилась в откровенный мусор. Думаю, тем, кто занимается этой проблематикой, знакома картина из концентрических кругов со звездой антихриста в центре. Я приступил к поиску решения.

Нужно заметить, что мне пришлось эволюционировать вслед за типами воздействий, которые в последнее время отнюдь не стоят на месте. Простое и очевидное: скорость и высотаПервый и самый очевидный ход — выкидываем точки со скоростью, которая недостижима для автотранспорта. Явный признак ложной точки.

Все трекеры, даже простейшие китайские модели, присылают вместе с координатами высоту на основании данных спутников. Но вопрос — какой порог выбрать, чтобы у машины, выехавшей на возвышенность, не срезался трек. Изучив карту высот нашей Родины, я пришёл к выводу, что оптимальный порог — 2 тысячи метров.

Отраслевые последствия

Но это решение оказалось недостаточным: часть точек оно успешно убирает, но далеко не все. Решение — база данных соответствия высот и координат. Такую базу можно найти в сети, и если выбрать разумную точность, много места она не займёт.

Дальше элементарно: вычисляем дельту и подбираем порог, чтобы не потерять реальные точки при движении машин по эстакадам. Продолжением идеи с высотами стала фильтрация по перепаду высот между точками с учётом расстояния между ними. 14 метров на 100 метров пути — такое ограничение я вывел.

Да, могут срезаться выезды в горы на подготовленных машинах, но этими случаями можно пренебречь. Уже на этом этапе стало понятно, что сервис обрастёт огромным количеством методов и станет не читаем.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.