轨迹不确定性研究—（减少轨迹点之间的不确定性+轨迹隐私保护）

减少轨迹不确定性分为两类：查询建模

如上图所示，当我们需要查询经过R区域的轨迹时，灰色轨迹（低采样率）是否应该包含在内。

使用独立的概率密度函数在每个时间点或随机过程（如马尔可夫链），以更好地模拟对象的不确定位置，并回答不同的查询。

第二类为：

从不确定性轨迹中进行路径推测。

核心思想：通过多条不确定性轨迹，确定确定性轨迹。如几条轨迹的交汇点为确定点。

具体来说，有两种具体方法：

第一种方法：

一种是为道路网络环境中生成的轨迹而设计的。 除了地图匹配算法之外，这类方法的设置还有两个方面。 首先，减少轨迹不确定性的方法利用了许多其他轨迹的数据，而地图匹配算法仅使用单一轨迹的几何信息和道路网络的拓扑信息。 其次，不确定性方法处理的轨迹采样率可能非常低，例如超过10分钟。 这似乎几乎不可能的地图匹配算法。

第二种方法：

 将不相交的网格变成连通区域后，如图14（b）所示，我们可以建立一个路由图，其中一个节点是网格。图中两个相邻网格之间的方向和行程时间是根据经过两个网格的轨迹推断的。最后，如图14（c）所示，给定三个点，我们可以根据路由算法在图上找到最可能的路由。为了找到详细的路径，可以在通过所识别的路线的轨迹上执行回归，可以找到两条路径

除此之外，Su等人[2013]提出了一种基于锚的校准系统，将轨迹与一组固