content_geo_processor

GeoProcessor – Design (Phase 4)

Stand: 5. Dezember 2025
Version: 1.0.0
Kategorie: Content

---

Dieses Dokument beschreibt die Verarbeitung von Geo-Daten (GeoJSON/GPX) im Content/Filesystem-Layer.

Ziele

• Extraktion und Normalisierung von Geometrien (Point/LineString/Polygon) nach EPSG:4326
• Berechnung der Bounding Box und optionale Vereinfachung
• Chunking in räumliche Tiles (z. B. quadtree-ähnlich oder fixes Grid)
• Embedding aus lat/lon (grid-based) für grobe semantische Nähe

Contract

• extract(blob/json, content_type: application/geo+json | application/gpx+xml) → ExtractionResult
  • fields:
    • geometry_type: Point | LineString | Polygon | Multi*
    • coordinates (normalisiert, lon/lat)
    • bbox: [minLon, minLat, maxLon, maxLat]
    • properties: Map<string,any>
• chunk(extraction, cfg: { tile_size_deg: 0.1, max_tiles?: 64 }) → [Chunk]
  • Schneidet Geometrie gegen ein reguläres Lon/Lat-Grid (Kachelung)
  • payload je Chunk: { tile_bbox, geom_fraction, length_or_area }
• generateEmbedding(chunk_payload) → float[128]
  • 128D Vektor aus (tile center lon/lat) + scale; normalisiert

Datenablage (Verweis)

• siehe docs/storage/geo_relational_schema.md (features/points/lines/polygons)
• Content-Layer speichert zusätzlich content:<id> Meta (bbox, type, props)

Normalisierung

• CRS nach EPSG:4326 (lon/lat)
• BBox aus Geometrie berechnen
• MultiGeometrien in Einzelgeometrien aufteilen (optional)

Chunking

• Reguläres Grid über BBox; für jede Kachel, die Geometrie schneidet → Chunk
• geom_fraction: Anteil der Geometrie in der Kachel (Heuristik)
• length_or_area: Metrik (Linienlänge/Polygonfläche) innerhalb der Kachel

Embedding (grid-based)

• Positionsembedding über sinus/cosinus Kodierung der lon/lat des Kachelzentrums
• Skalierung über Zoom/Frequenzen; Ausgabe 128D, L2-normalisiert

Tests (20 Unit Tests)

1. extract: Point korrekt normalisiert + bbox 2-3) extract: LineString/Polygon bbox korrekt
2. extract: MultiPolygon → mehrere Einheiten (optional) 5-8) chunk: Kachelzählung abhängig von bbox/tile_size 9-12) chunk: geom_fraction plausibel (0..1) 13-14) chunk: length/area konsistent 15-17) embedding: 128D, L2≈1.0, deterministisch 18-20) integration: insert + index + query stub

Open Points

• GPX Höhenprofil/Elevation, Zeitstempel
• Genauere Flächen-/Längenberechnung (Geodäsie)
• Integration mit räumlichen Indizes (RocksDB sekundär vs. externer Store)