首先，需要確認的是運動時用的軌跡記錄App應用到了哪些感測器，一般手機定位中使用到的感測器包括：GPS、移動基站資料，WiFi，加速度計，陀螺儀，氣壓計，電子羅盤等，各個感測器功能不同且精度也有較大差異，如手機內建GPS精度一般為3~30米，移動基站定位一般在500m左右等，最終提供給使用者的就是各個時間點的經緯度座標和高程，因此受定位方式以及定位環境的影響較大，往往點位和實際位置存在較大的漂移和偏差。
其次，對於各個點位的後續處理則直接關係到了使用者看到的運動軌跡圖的效果，一般對於後續點位的過濾平滑處理方法主要包括：濾波演算法（濾波平滑、alpha-beta濾波、粒子濾波）、地圖匹配。濾波演算法是利用使用者的連續位置軌跡，透過計算使用者的上一時刻的運動速度、瞬時轉彎角度及半徑、運動姿態等資訊，結合其他感測器，如里程計等，對使用者當前時刻位置進行預測和約束，並和實際提供的當前位置進行加權處理，在處理過程中，對位置偏移較大點位或者軌跡較為異常的點位進行去除，以得到相對較為連續平滑的軌跡；地圖匹配則是利用使用者的位置軌跡，透過和地圖中的道路資訊進行相似度匹配，利用匹配度最高或者距離最近的道路資訊來糾正使用者位置軌跡，達到平滑最佳化效果。
綜合上述方法，即可得到較為平滑的app上的運動軌跡了。
--------------------------------
首先，需要確認的是運動時用的軌跡記錄App應用到了哪些感測器，一般手機定位中使用到的感測器包括：GPS、移動基站資料，WiFi，加速度計，陀螺儀，氣壓計，電子羅盤等，各個感測器功能不同且精度也有較大差異，如手機內建GPS精度一般為3~30米，移動基站定位一般在500m左右等，最終提供給使用者的就是各個時間點的經緯度座標和高程，因此受定位方式以及定位環境的影響較大，往往點位和實際位置存在較大的漂移和偏差。
其次，對於各個點位的後續處理則直接關係到了使用者看到的運動軌跡圖的效果，一般對於後續點位的過濾平滑處理方法主要包括：濾波演算法（濾波平滑、alpha-beta濾波、粒子濾波）、地圖匹配。濾波演算法是利用使用者的連續位置軌跡，透過計算使用者的上一時刻的運動速度、瞬時轉彎角度及半徑、運動姿態等資訊，結合其他感測器，如里程計等，對使用者當前時刻位置進行預測和約束，並和實際提供的當前位置進行加權處理，在處理過程中，對位置偏移較大點位或者軌跡較為異常的點位進行去除，以得到相對較為連續平滑的軌跡；地圖匹配則是利用使用者的位置軌跡，透過和地圖中的道路資訊進行相似度匹配，利用匹配度最高或者距離最近的道路資訊來糾正使用者位置軌跡，達到平滑最佳化效果。
綜合上述方法，即可得到較為平滑的app上的運動軌跡了。
--------------------------------