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