SimRoutePlatform：可视化GPS轨迹模拟与NMEA数据生成平台产品系统

本项目广泛应用于自动驾驶与ADAS算法测试、物流车队轨迹回放、GPS/北斗智能硬件开发调试、无人机与机器人导航仿真以及运动健康APP数据模拟等场景。它通过可视化的Web界面，低成本、高效率地生成包含真实物理特征和行业标准协议的轨迹数据，完美替代高成本的实际路测。

本系统是一个将“宏观导航路径”精细化转化为“微观高频轨迹数据”的全栈Web应用。系统通过科学运用多种空间地理与数学算法，将稀疏的路径规划点，生成为包含时间戳、速度、海拔和航向的标准工业级轨迹文件。其核心功能如下：

1. 宏观路径到微观轨迹的智能转化
接收第三方路径规划API（如OSRM）返回的宏观路线步骤，允许用户自定义每段路径的行驶速度、停留时间及轨迹点生成频率（Hz）。
根据设定的速度与频率，自动计算理论采样距离，将少量关键路径点细化插值成成百上千个连续的微观坐标点，模拟真实的动态行驶过程。
2. 多维地理数据动态填充与优化
智能海拔获取：针对高程查询的网络耗时痛点，系统采用“长距离分段采样+短距离海拔复用”的策略。仅在特定条件下调用高程API获取采样点，并利用numpy线性插值算法估算全程海拔，在保证数据三维真实感的同时极大提升了系统性能。
真实航向计算与平滑：基于前后点位计算精确的瞬时方位角（航向）。针对GPS抖动导致的航向跳变问题，系统引入了专为角度优化的移动平均平滑算法，完美解决360°/0°边界跳变问题，输出平滑、符合真实驾驶习惯的航向数据。
3. 工业级标准文件输出
底层采用Haversine公式精准计算地球表面两点大圆距离，作为轨迹点插值的核心依据。
最终将经过插值和平滑处理的轨迹数据（经纬度、海拔、速度、航向），封装生成兼容性极强的 NMEA 0183 标准协议格式（GGA/RMC语句）日志文件，可直接被绝大多数专业GPS软件和硬件设备识别读取。
4. 高效的后台文件生命周期管理
系统内置基于多线程的自动化文件清理机制（cleanup_expired_files），实时追踪已生成文件的生命周期，定期清理过期日志，确保服务端存储空间的高效利用和系统的长期稳定运行。

本项目采用前后端分离的架构，后端专注处理密集计算与协议封装，前端负责可视化交互与参数配置。

1. 技术栈选型
后端框架：Python Flask (轻量高效，适合做数据处理与API服务)
前端框架：Vue 3 + TailwindCSS (构建响应式、现代化的交互UI)
地图与路径服务：Leaflet.js (地图展示) + OSRM API (路径规划)
核心计算库：NumPy (矩阵与插值计算), Math (三角函数计算)
外部数据源：Open-Elevation API (高程数据获取)
2. 系统架构与数据流
前端参数收集：用户在地图上打点规划路线，通过OSRM获取宏观路径，并在UI上为每个路段配置速度、暂停时间、采样频率及是否带海拔。
API请求：前端将组装好的JSON数据发送至后端 /generate_trajectory 接口。
后端计算引擎：
遍历路段，按需请求高程并插值。
基于 Haversine 公式计算相邻点距离，结合速度与频率进行微观坐标插值。
计算瞬时航向并通过向量平均法平滑。
文件输出：调用 NMEA 生成器，将多维数据格式化为 GGA/RMC 语句写入本地 .log 文件。
结果返回与清理：将文件唯一标识符返回前端供下载，同时由后台守护线程监控并清理过期文件。
3. 核心模块与算法落地
① 微观轨迹插值引擎 (核心)
Haversine 距离计算：为了在真实地球椭球体上进行精确插值，实现了 haversine(lat1, lon1, lat2, lon2) 函数计算两点间的大圆距离。
动态采样算法：根据公式 dist_per_sample = (speed_kmh * 1000 / 3600) / frequency 计算每两点间的理论步长。在路段的每两个原始几何点之间，通过比例运算（线性插值）均匀生成 N 个新坐标点，实现从稀疏到密集的平