TKDE 2024 | GraphMM: 利用轨迹和道路相关性的基于图的车辆地图匹配

文章预览

稀疏车辆轨迹的地图匹配是基于位置的服务（例如交通流分析和车辆路径）中的一个基本问题。现有的方法主要依靠序列到序列（Seq2Seq）模型来捕获输入轨迹的轨迹内相关性并顺序预测匹配的路段。由于序列模型的表达能力有限，这些方法无法提取轨迹间、轨迹-道路相关性以及路段之间的相关性。本次为大家带来TKDE期刊的论文：《GraphMM: Graph-Based Vehicular Map Matching by Leveraging Trajectory and Road Correlations》 一．背景 地图匹配是位置服务中一个关键问题，其目的是将车辆或人员轨迹与道路网络相对应。如图1所展示，多个场景下的轨迹常以低采样率的点序列形式记录。图中，用虚线箭头连接的蓝点表示GPS定位点，而由于建筑物或立交桥附近GPS信号的漂移，这些位置点的定位精度较低。这种情况给地图匹配带来了挑战，尤其是在轨迹点稀疏的情况下，即如 ………………………………