各种定位方式或多或少都存在着一定的误差，卫星信号不好的时候（例如，楼宇密集处、高架桥下、隧道等），可能就会使用wi-fi或基站定位，特别是当周边wi-fi热点比较少的时候会使用基站定位，定位误差会有所加大，产生轨迹漂移的现象。
为了纠正轨迹漂移，提升轨迹和里程的准确性，鹰眼在轨迹查询服务中提供了高性能的轨迹纠偏功能，其特性如下：
1. 高性能：一次请求支持对2万个轨迹点进行批量纠偏处理，响应时间不超过3秒
2. 可配置：开放多种纠偏因子供开发者自行调节
3. 适用性：针对驾车、骑行和步行不同出行模式执行对应的轨迹纠偏策略，并针对停留点漂移进行了单独识别与处理，故对于移动和停留期间的轨迹均有优异的纠偏效果
鹰眼的纠偏步骤如下：
关于去噪的使用教程请见：
关于抽稀的使用教程请见：
关于绑路的使用教程请见：
关于中断区间补偿的使用教程请见：
以 web 服务 api 为例，介绍轨迹纠偏的使用方法，android 和 ios sdk 实现原理一致，但参数名称稍有差异。
为实现轨迹纠偏，开发者可在查询轨迹时设置两个参数：是否纠偏（is_rocessed）和 纠偏选项（process_option）来实现。
当is_processed=0时，表示关闭纠偏，此时 process_option不生效，返回原始轨迹
denoise_grade=1,need_mapmatch=0,transport_mode=auto
取值规则为：
1.去噪，示例：
denoise_grade:0 （不去噪） denoise_grade:1 （系统默认去噪） denoise_grade:2（系统默认去噪，同时去除定位精度低于500的轨迹点，相当于保留gps定位点、大部分wi-fi定位点和精度较高的基站定位点） denoise_grade:3（系统默认去噪，同时去除定位精度低于100的轨迹点，相当于保留gps定位点和大部分wi-fi定位点） denoise_grade:4（系统默认去噪，同时去除定位精度低于50的轨迹点，相当于保留gps定位点和精度较高的wi-fi定位点） denoise_grade:5（系统默认去噪，同时去除定位精度低于20的轨迹点，相当于仅保留gps定位点）
2.绑路，示例：
need_mapmatch=0 （不绑路）
need_mapmatch=1 （绑路）
3.选择交通方式。鹰眼将根据不同交通工具选择不同的纠偏策略，目前支持：自动（即鹰眼自动识别的交通方式）、驾车、骑行和步行，示例：
transport_mode=auto（根据轨迹鹰眼自动识别交通方式）
transport_mode=driving（驾车）
transport_mode=riding（骑行）
transport_mode=walking（步行）
绑路时会依据道路形状进行补点，例如：原始轨迹在道路拐弯处缺点，绑路将进行补充，补点的定位时间目前取的是前一个原始点的定位时间。
1. 通过supplement_mode参数设置补偿的方式，目前支持以下补偿方式：
no_supplement：不补充，中断两点间距离不记入里程。
straight：使用直线补充
driving：使用最短驾车路线规划补充
riding：使用最短骑行路线规划补充
walking：使用最短步行路线规划补充
2. 通过supplement_content参数设置是仅补偿里程，还是同时补偿轨迹点和里程，支持以下方式：
only_distance：对于中断区间，只补偿中断的里程，不补偿轨迹点
distance_and_points：对于中断区间，既补偿里程，又补偿轨迹点