trajectories专题
论文笔记：Estimating future human trajectories from sparse time series data
sigspatial 2023 humob竞赛paper hiimryo816/humob2023-MOBB (github.com) 1 数据集分析 这里只分享了HuMob数据集1的内容 1.1 假日分析 对HuMob数据集#1地理数据的方差分析显示了非工作日的模式 在某些天的y坐标方差中有显著的峰值，这是非工作日的象征【x坐标有相似的模式】 ——>识别了任务1数据集中最有可能是
Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks
社会GAN:生成对抗网络的社会接受轨迹 1 引言 对于自动驾驶汽车或与人类共享同一个生态系统的社交机器人等自主移动平台来说，预测行人的运动行为至关重要。人类可以有效地进行复杂的社会互动，这些机器也应该能够做到这一点。为此，一项具体而重要的任务如下:给定观察到的行人运动轨迹(过去的坐标，如3.2秒)，预测所有可能的未来轨迹(图1)。 由于拥挤场景中人类运动的固有特性，预测人类行为具有挑战性:
文献阅读报告 - Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks...
paper：Gupta A , Johnson J , Fei-Fei L , et al. Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks[J]. 2018.code：https://github.com/agrimgupta92/sgan 概览 文章提出了一种采用GAN
论文笔记：Map-Matching for low-sampling-rate GPS trajectories（ST-matching）
ACM-GIS 2019 1 Intro 将GPS数据和地图路网数据匹配提出全局地图匹配算法ST-matching（类似于HMM的思路） 考虑了道路网络的空间几何和拓扑结构 如果不考虑拓扑关系，直接进行matching的话，由于GPS信号的不准，可能轨迹会和实际情况差很多考虑的轨迹的速度因素 比如一条高速、一条公路平行，那么如果不考虑速度的话，这样一组GPS信号应该把它放到高速上？还是公路上？