01
课程导论与系统架构
城市道路轨迹评估的背景与意义、系统整体架构设计、核心技术栈概览（Python、GIS、卡尔曼滤波）。
导论架构概览
02
环境搭建与数据准备
Python虚拟环境配置、依赖库安装（numpy, pandas, matplotlib, geopandas）、开源数据集介绍（nuScenes, KITTI）。
环境数据依赖
03
坐标系统与坐标系转换
WGS84、UTM、ENU坐标系原理、使用pyproj进行坐标转换实战。
坐标pyproj
04
轨迹数据读取与预处理
读取CSV/JSON格式轨迹数据、数据清洗（去重、异常值处理）、时间戳对齐。
清洗预处理
05
轨迹可视化基础
使用matplotlib绘制2D轨迹图、添加道路背景图（OpenStreetMap）。
可视化matplotlib
06
轨迹平滑与滤波
移动平均滤波、高斯滤波原理与实现、卡尔曼滤波入门。
滤波平滑
07
卡尔曼滤波实战
使用filterpy库实现轨迹预测与平滑、参数调优经验。
卡尔曼filterpy
08
轨迹插值算法
线性插值、样条插值、基于时间戳的插值方法。
插值样条
09
地图匹配入门
点到线匹配、基于隐马尔可夫模型的地图匹配原理。
地图匹配HMM
10
地图匹配实战
使用leuvenmapmatching库进行道路匹配、匹配结果评估。
leuven评估
11
轨迹相似度度量
DTW（动态时间规整）算法原理、LCSS（最长公共子序列）算法。
DTWLCSS
12
轨迹相似度计算实战
使用fastdtw库计算轨迹距离、聚类分析初步。
fastdtw聚类
13
轨迹压缩算法
Douglas-Peucker算法原理与实现、基于速度的压缩方法。
压缩DP算法
14
轨迹分段与语义标注
基于停留点的轨迹分段、POI匹配与语义标签添加。
分段语义
15
轨迹质量评估指标
完整性、准确性、平滑度、实时性指标定义与计算。
质量指标
16
评估指标计算实战
编写评估函数、生成评估报告（PDF/HTML）。
评估报告
17
多源轨迹融合
GPS与IMU数据融合原理、简单加权融合与卡尔曼融合对比。
融合IMU
18
轨迹预测基础
基于物理模型的预测（匀速、匀加速）、基于LSTM的预测入门。
预测LSTM
19
LSTM轨迹预测实战
使用PyTorch构建LSTM模型、训练与评估。
PyTorchLSTM
20
轨迹异常检测
基于统计方法的异常检测（3-sigma、IQR）、基于孤立森林的检测。
异常孤立森林
21
异常检测实战
实时轨迹异常告警系统设计、可视化异常点。
告警可视化
22
轨迹聚类分析
DBSCAN聚类算法原理、轨迹聚类与热点区域提取。
DBSCAN热点
23
聚类实战与可视化
使用scikit-learn进行轨迹聚类、热力图生成。
sklearn热力图
24
轨迹数据存储
使用SQLite存储轨迹数据、使用PostGIS进行空间查询。
SQLitePostGIS
25
轨迹数据管理实战
设计数据库表结构、批量导入导出优化。
数据库优化
26
Web可视化系统搭建
使用Flask搭建轨迹展示后端、Leaflet前端地图展示。
FlaskLeaflet
27
实时轨迹流处理
使用Kafka模拟实时数据流、Spark Streaming处理入门。
KafkaSpark
28
系统性能优化
向量化计算（numpy）、多线程/多进程加速、缓存策略。
性能向量化
29
综合实战：城市出租车轨迹评估系统
从数据读取到报告生成的全流程实现。
综合出租车
30
课程总结与进阶方向
常见坑点回顾、推荐学习资源、未来研究方向（强化学习、数字孪生）。
总结进阶