Using iterated local alignment to aggregate GPS trajectories into a traffic flow map

“Desire line maps”因其易于解释和计算而广泛用于交通流量分析。它们可以被认为是简化的交通流量地图，而在聚合小尺度交通流量方面的计算挑战阻碍了高分辨率流量地图的更广泛传播。GPS轨迹是解决这一难题的有前途的数据来源。解决方案始于将GPS轨迹与道路网络对齐（或地图匹配）。然而，即使是最先进的地图匹配API也会产生小的错位，导致次优结果。虽然这些错位对于“Desire line maps”中的大尺度流量聚合可以忽略不计，但对于高分辨率地图中的小尺度流量聚合却构成了重大障碍。为了消除这些剩余的错位，我们引入了创新的局部对齐算法，其中我们推断道路段作为局部参考段，并继续将附近的道路段与它们对齐。通过每次局部对齐迭代，GPS轨迹之间以及与道路网络之间的错位减少，逐渐趋近于最小流量地图。通过分析在德国汉诺威收集的一组实证GPS轨迹，我们确认我们的最小流量地图具有高水平的空间分辨率、准确性和覆盖率。

如何利用GPS轨迹数据来生成高分辨率的交通流地图？

使用局部对齐算法来解决GPS轨迹数据与地图匹配的问题，从而生成高分辨率的交通流地图。

论文使用了创新的局部对齐算法，通过将道路分段进行对齐来减少GPS轨迹数据与地图的误差，生成高精度、高覆盖率的交通流地图。实验使用了在德国汉诺威采集的GPS轨迹数据，并证明了该方法的有效性。

相关研究包括基于GPS轨迹数据的交通流分析、地图匹配算法等。例如："A Review of Map Matching Algorithms"、"Traffic Flow Prediction With Big Data: A Deep Learning Approach"等。