李 翔, 李瑞祥

(1.信息工程大学 地理空间信息学院，河南 郑州 450001；2．31682部队，甘肃 兰州 730000)

随着便携式GPS采集设备的广泛使用，大量反映移动载体及其用户的实时轨迹数据被积累。这些轨迹数据能够有效地反映移动对象的行为特征和规律习惯等深层信息[1-3]。然而在数据采集过程中，GPS设备会受到多路径效应影响及一些明显遮蔽物的干扰，特别是在当今立体化的大都市，卫星信号往往会被高大树林、立交桥或者高层建筑物等遮蔽物干扰，造成一定时间段内轨迹数据的缺失[4]。轨迹数据的缺失无论是对后续的轨迹行为分析挖掘还是轨迹特征提取或轨迹匹配都造成较大影响，同时制约轨迹数据的使用性和有效性，因此轨迹缺失补全方法研究成为国内外专家学者的研究焦点[5-8]。

按照通行区域有无路网地图，将轨迹缺失的补全方式分为两类情况。第一类是路网已知条件下的轨迹补全，该情况下通常根据轨迹的具体特征结合多种地图匹配算法进行轨迹点的补偿和修正，具有良好的匹配修正效果[9]。第二类是当前通行区域路网地图未知时，轨迹补全的问题相对复杂，有些问题通过时间序列中的值缺失方法解决[10]，有些问题通过矩阵填充的方法解决[11]，还有些问题根据实际情况运用数据挖掘的方法进行分析[12]。不同于传统的统计数据，轨迹数据具有经纬坐标、速度、方向等多维空间信息，一方面由于轨迹数据的缺失并不是随机的，另一方面由于信号干扰情况的不确定性导致数据缺失的时间相对较长，因此以轨迹聚类或者简单插值的补全方法并不能直接应用于轨迹数据的修补当中去[13-14]。……