Das Labeling räumlicher Trajektorien, wie zum Beispiel Map Matching und Aktivitätserken-nung, kann die Verwendung von ungenauen und semantisch mangelhaften räumlichen Trajektorien ortsabhängiger Anwendungen erleichtern. Diese Arbeit untersucht das Prob-lem aus einer gesamthaften Sicht mithilfe von Map Matching und Taxistatus Schlussfolge-rungen. Umfassende Wahrscheinlichkeitsmodelle werden aus den Trainingsdaten unter Verwendung einer graphischen Modells mit Kettenstruktur sowie Merkmalsselektion entwi-ckelt, die als effektiv und praktikabel für einen realen Datensatz bewertet werden.    «

Das Labeling räumlicher Trajektorien, wie zum Beispiel Map Matching und Aktivitätserken-nung, kann die Verwendung von ungenauen und semantisch mangelhaften räumlichen Trajektorien ortsabhängiger Anwendungen erleichtern. Diese Arbeit untersucht das Prob-lem aus einer gesamthaften Sicht mithilfe von Map Matching und Taxistatus Schlussfolge-rungen. Umfassende Wahrscheinlichkeitsmodelle werden aus den Trainingsdaten unter Verwendung einer graphischen Modells mit Kettenstruktur sowie Merkmalsselektio...    »