GPS漂移处理

GPS 轨迹点的漂移，最常见于当车辆进入隧道等 GPS 信号弱的区间时，本该位于区间内的 GPS 定位点却停留在入口处，而等到车辆驶出区间后，GPS 点又瞬移到出口处。这种情况下，我们利用 GPS 数据计算车速时会出现区间内速度为 0，出口处又严重超速的现象，且车辆定位不准确同样影响会空间分析的结果，因此，需要进行修正。

愿生如夏花之绚烂，死如秋叶之静美。

由

不知道自己为什么想起来写这样一篇文章，可能只是某次翻阅相册后的触景生情，更可能是发现我已经开始健忘，记忆逐渐模糊，在手里的水从指缝中漏完之前，应该找个地方把它盛起来。很多人怀念疫情前的生活，那个时候有不用带口罩的自由，享受着外卖送到楼下的便利，但我并不是想对比那时与现在，只是单纯地记述这段回忆。因为于我来说，2019 年，从现在看来，真是一个精彩至极的年份，一段此生难忘的记忆。

在博客里集成豆瓣主页是我从一开始就想做的功能，在这里感谢 hexo-douban 的作者 Mythsman 为我们开发了这样一个简单又实用的插件，他的女朋友居然还是我的校友 hhh。从他的博文里，能看出他不仅是一个很有技术力的大佬，也是一个热爱生活、内心细腻且有担当的人。

最近在尝试做时间序列数据的缺失值填补，由于数据的缺失率很高（80% 以上）且这一部分预计是研究的重点和亮点，想到了用深度学习方法来做填补。在网上搜索资料发现，现有的模型很多都使用了 GAN 框架，比如 GAIN (ICML 2018)，E2GAN (NIPS 2018, IJCAI 2019)，这些都是发表在计算机顶会上的成果。后者参考资料比较多，我打算用这个框架进行尝试，这也是我第一次正儿八经地做模型复现。幸运的是，我找到了论文一作的GitHub 项目，不至于从零开始。但这个项目基于 Python 2.7 和 Tensorflow 1.7，有些陈旧了。我参考源码和论文，按个人理解用 Python 3和Pytorch 复现了这一模型结构。

壹

两周前，我上传了最后一门课的大作业，然后爽玩了两个星期游戏，后知后觉地意识到我的研一结束了。这一年里，我的心态发生过好几次变化，从一开始入学的积极兴奋，到适应课程和科研节奏后的闲适，再到被各种项目打扰的烦躁，干劲一点点地流逝，竺老第一问的答案也慢慢变成了混。暑假开始了，校园里的人越来越少，无所适从的感觉越来越强。我无数次幻想过结了课之后的生活，但当这一天真的到来的时候，发现也没有想象中的美好。

为了帮助理解，我在那篇 Nature 文献分享的博文里加入了几个数学公式。经过优化算法课的锤炼，我打这些 LaTex 公式已经轻车熟路，比我做 PPT 用的 MathType 可舒服多了。但当我写好博文用hexo s进行本地预览的时候发现，原本在我的 Markdown 编辑器上能够预览的公式，都无法在网页上正常渲染出来。

在网上查找了一些资料，发现原因是 Hexo 的自带的渲染引擎 marked.js 并不支持显示 LaTeX 公式，解决的方法就是更换渲染引擎，比如使用 MathJax 和 KaTex。这两种引擎在 Next 主题中都已经支持，其中 MathJax 的速度比 KaTex 更慢但支持更好，这里以前者为例介绍使用方法。

之前给博客添加了在页脚显示访客人数和文章阅读量的功能，于是打算就此开一个系列，详细地记录我的博客的搭建过程，拟了这第一篇建站日记。因为一直没有时间把它补充完整，这篇草稿在文件夹里躺了好几周，越来越觉得碍眼（强迫症），终于逼着自己把它写完发出来。把之前做一半的事情重新拾掇起来并不是一件舒服的事，希望以后能一开始就坚持下来，加油！

访客和阅读统计

大部分静态博客的访客统计使用的都是不蒜子（busuanzi），一个轻量级的计数服务，可以将计数直接显示在博客的页脚。不蒜子的引入有两种方法，最好不要同时使用，避免出现冲突。

好像有一阵子没更了，这两周导师临时派了很多事，加上快要结课和组会，端午三天的假期我肝了两天，也没有吃上粽子，总算是把所有的任务都做差不多了。这篇文献本来是准备在昨天的组会上分享的，没想到这周突然不开了，就在这里记录下来，也加深自己的印象~

文章概述

这篇文章是之前阿里的老师授课时提到的，正好组会要做论文分享，我就找来看了一下。文章标题直译过来是“人类移动性的普适访问规律”，发表在《Nature》正刊上，相当令人羡慕。人的移动性或者说人口流动在很多领域都是热门的研究方向。目前，在宏观层面描述移动性规律比较流行的模型是重力模型（gravity model）和辐射模型（radiation model），但这两个模型都只能获取 OD 之间的总流量，没有考虑到访问频率；同时，微观个体移动模型（比如EPR模型和容器模型）模拟的结果无法与宏观模型的结果很好的耦合。文章的主要贡献是发现了一个简单但有效的宏观移动性规律，成功地把访问频率纳入其中，并以 EPR 模型为基础，改进了微观移动模型，与提出的宏观模型衔接了起来。

最近科研中需要爬取几条已知名字的道路的地理数据，从而建立某一区域内的路口和路段间的拓扑关系。 一开始想到使用 osmnx 库，但是尝试之后发现不能满足我的需求。主要存在几个问题：OSM 的路网很不干净，存在我不想要的支路段、匝道还有多余节点，如果一个个删除很麻烦；节点合并根据距离，不管怎么调整阈值效果都不理想；坐标系是 WGS-84，但我不想频繁转换数据的坐标系。于是尝试从高德地图中获取。

随着诸如人工智能等技术的发展，是否人类将会变成技术的支配物？

最近几天在给自然辩证法的课堂报告查些资料，这个题目乍一看好像已经讨论烂了，但过程比我预想的要曲折许多。我原以为这种公共课的糊弄学我已经如火纯青，看在老师上课还挺有意思的份上，最高规格不外乎先到知乎上找几个大V抄一下观点，再去豆瓣找几个影评和书评做论据，最后在百度上复制几个营销号交差。没想到我可能太高估中文互联网社区的质量了，我被迫到知网载了好几篇哲学文献看，这对于我这样的只读过《苏菲的世界》的工科生来说，未免有些对牛弹琴，于是读了一会儿就开始头昏脑胀。这其中最让人头秃的当属海德格尔，因为这位哲学家为了表达他的思想生造了好些词，下文用加粗字体列出。