吴华意,黄 蕊,游 兰,向隆刚

1. 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430072; 2. 湖北大学计算机与信息工程学院，湖北 武汉 430062

近年来随着物联网感知与高性能计算技术的不断发展，大规模城市感知数据受到了各个领域的广泛关注。作为最重要的一个数据类型，轨迹数据隐含了丰富的城市信息，往往规模巨大且来源广泛。轨迹数据主要包括人类活动轨迹数据、交通轨迹数据、动物活动轨迹数据和自然现象轨迹数据[1]。这些轨迹数据的时空尺度与粒度各有不同，分别适用于不同研究。其中人类活动轨迹数据与交通轨迹数据是与人类日常生活联系最紧密的两类轨迹数据，因此有大量研究围绕他们展开。

人类活动轨迹数据，包括微博签到数据、Flickr照片数据、手机基站定位数据、信用卡消费数据、手机GNSS定位数据等，按照时间顺序跟踪这些位置记录就形成关联人在一段时间内的移动轨迹。这类轨迹数据精度不高，通常在200 m左右[2]，而且大多涉及个人隐私，并没有得到广泛的应用，一般在研究中作为辅助数据用于丰富语义信息。

交通轨迹数据包括两类：一类是通过固定设备采集得到的数据，如城市道路卡口照片、视频监控数据、地铁刷卡数据等；另一类是通过车载GNSS设备采样得到的交通工具移动轨迹，如公交车轨迹数据、出租车轨迹数据、船只轨迹数据等。这其中，固定设备数据只能粗粒度地描述人群或车辆在不同固定位置之间的移动，覆盖范围有限；……