2016 SIGSPATIAL Knowledge-Based Trajectory Completion from Sparse GPS Samples
Li Y, Li Y, Gunopulos D, et al. Knowledge-based trajectory completion from sparse GPS samples[C]//Proceedings of the 24th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. ACM, 2016: 33.
作者是斯坦福大学与雅典大学的。
论文下载地址：http://pan.baidu.com/s/1dFMJPyL
主要内容：
这篇文章主要介绍了不借助路网进行轨迹填充。算法主要分成三步：刻画路网框架（b图）、构建路网图（c图）、完成轨迹填充（d图）
刻画路网框架：
应用L1-medial框架抽取算法，利用GPS点描绘出路网的基本框架，但不包括交点处，称为框架分支。作者认为交点处使用L1-medial算法不可靠，需要更进一步分析。
L1-medial算法来自于这篇论文：Huang H, Wu S, Cohen-Or D, et al. L1-medial skeleton of point cloud[J]. ACM Trans. Graph., 2013, 32(4): 65:1-65:8. 主要是通过找到一些曲线来刻画整个点集的分布。
与L1-medial不同的是，由于轨迹数目可能非常多，不可能利用所有的轨迹数目来计算，因此需要采用随机采样的方法，这样可能造成一个问题：采样不均匀，因为稀疏轨迹点分布式不均匀的。针对这个问题，作者题出了一种采样策略，首先利用插值的方法将轨迹点转化成灰度图。
构建路网图：
路网框架不能描述不同路网分支之间的流向，因此需要进一步完善。通过不同框架分支的车流量分析，构建出路网图，称为连接网络。
轨迹填充
轨迹填充是利用构建的路网图以及历史轨迹，对每一条轨迹进行还原。插入的轨迹点是从其他轨迹中“借”来的。
总结：
这篇文章没有怎么看懂，有很多细节的地方不大明白。但是可以借鉴的是，他采用图形学的办法进行路网构建，这对于没有路网数据的情况下轨迹的Map-Matching非常有用。例如，自行车的Map-Matching就可以用到类似的方法。
0 条评论