什么是卡尔曼滤波在处理车辆轨迹数据时，轨迹点实际上是对车辆实际“状态”的一种“观测”信息。由于误差的存在，观测数据可能会与车辆的实际状态存在一定的偏差。如何更精确地获取车辆的实际状态呢？考虑前面小节中所提及的判断车辆轨迹是否出现漂移的方法，主要将某个轨迹点与前面的轨迹的位置比较，查看是否存在明显不合理的瞬移。这种思路其实就是根据车辆之前的轨迹，预判车辆接下来可能的位置，如果记录的下一个轨迹点远超出

geohash编码geohash是一种公共域地理编码系统，它的作用是将经纬度地理位置编码为字母和数字组成的字符串，字符串也可解码为经纬度。每个字符串代表一个网格编号，字符串的长度越长则精度越高。根据wiki，geohash字符串长度对应精度表格如下：geohash length(precision)lat bitslng bitslat errorlng errorkm

本例尝试使用TransBigData+leuvenmapmatching实现出租车GPS数据的路网匹配

使用TransBigData包进行出租车GPS数据处理使用示例中的样例数据集在github仓库中，链接为：https://github.com/ni1o1/transbigdata/tree/main/example下面我们介绍如何使用TransBigData包，调用其中的函数实现对出租车GPS数据的快速处理。首先我们引入TransBigData包，并读取数据:import transbigdat