基于GPS的地图匹配算法研究

合集下载

基于投影的GPS地图匹配算法研究

ｂ
名ｂ
，—————，＾、￣————＿、
＾
卜
Ｐ，
Ｌ·
图１基于投影的地图匹配算法原理示意图在处理道路交叉点附近车辆转弯时，根据道路的连通性和车辆的转角，在所有接续道路中，选择角度变化最为接近的道路．作为匹配结果。如图２所示．当车辆在交叉点ｓ处转弯时，车辆行进角度的变化值为ｅｖ，原行进道路Ｌ０的三条接续道路Ｌｌ、Ｌ２、Ｌ３，与Ｌ０之问的夹角分别为０ｌ、０２、ｅ３。算法将ｅｖ与０Ｉ、ｅ２、０３进行比较，并综合考虑ＧＰＳ点与三条道路问的距离。最后选定道路Ｌ２作为匹配道路。这个方法的实质是在道路的节点处将投影距离的权值Ｗ，的减小，而主要考虑行进角度［６］．
navigation system[外文期刊] 2001(02)
8.常菲.李明禄.李治洪基于道路分级的地图匹配综合定位技术[期刊论文]-微型电脑应用 2004(02) 9.陈勇刚.王更生.陈斌车载地图匹配技术中GPS定位数据的研究[期刊论文]-工业控制计算机 2006(01)
本文链接：/Periodical_guig200824019.aspx
圈２投影算法在道路交叉点时的处理四、具体的匹配算法过程投影地图匹配的具体算法如图３所示．其步骤为：
圆
电子科学
ＳＩＬＩＣｏＮ
ＬＬＥＹ—ｌ§
１．接收ＧＰＳ定位数据。当ＧＰＳ接收器接收到ＧＰｓ定位信号的时候，将这些信息暂时存储到缓冲区中，如时间、经纬度、高度、速度、方向和几何衰减因子等。２．判断定位数据是否无效。若无效，则根据历史定位数据进行推测匹配，然后转第８步。这里判断ＧＰＳ定位数据是否无效主要是判断ＧＰＳ接收器传过来的ＤＯＰ［７］（ＤｉｌｕｔｉｏｎｏｆＰｒｅｃｉｓｉｏｎ精度衰减因子）是否大于一个数值。～般来说，如果ＤＯＰ＞５．表明ＧＰＳ接收的数据不正常，转而依据车辆行驶的历史轨迹推测车辆当前可能的位置。要说明的是，这种推测匹配方法是建立在当前车辆正常行驶的前提下，因此，它只能在短时间内起作用。３．判断车辆当前是否处于停止或滑行状态。若是，对其作相应处理，然后转第８步。如果在车辆停止或低速滑行接近于停止时，理论上车辆定位点应该保持不动或基本不动。然而，由于ＧＰ￥定位误差的随机漂移．使得系统定位模块给出的车辆位置信息在以车辆当前实际所处位置为圆心的一个圆形区域内随机抖动［８］。判断发生这种异常的方法是计算当前定位点与其前几个定位点（设计中取为３）的距离，若它们持续小于ＧＰＳ正常定位时的误差上限，则说明车辆当前摹本处于停止或低速滑行状态，此时，可将与当前定位点对应的匹配点作为车辆当前的真实位置而不对后续定位点进行匹配．直到前面的三个距离值开始大于ＧＰＳ正常定位时的误差卜限为止［９］。４．如果在一定阙值内搜索到的道路数＜１，表明车辆不在道路上．退出匹配过程，以当前ＧＰＳ数据作为车辆的当前位置。５．如果在一定阙值内搜索到的道路数＝ｌ，表明车辆在道路上。直接投影，把此道路作为车辆行驶的当前道路。６．如果在一定阙值内搜索到的道路数＞Ｉ，并且道路的节点号码相同。表明车辆在节点附近，利用类似图２的方法处理。７．如果在一定阙值内搜索到的道路数＞１，并且道路的节点号码不同，表明车辆在几条相近的道路中的某条上行驶，利用类似圈ｉ的方法处理。８．结束本次匹配．

基于GPS车辆轨迹数据的地图匹配算法及应用研究

基于GPS车辆轨迹数据的地图匹配算法及应用研究基于GPS车辆轨迹数据的地图匹配算法及应用研究摘要：随着GPS技术的发展，车辆轨迹数据的获取变得越来越容易。

而地图匹配算法则是通过将车辆轨迹数据与地图进行匹配，得到更准确的车辆位置信息。

本文对目前常用的地图匹配算法进行了系统的总结和比较，并提出了一种基于粗分类和细分类的混合匹配算法。

同时，针对城市道路中的复杂情况，提出了一种考虑车道划分的匹配算法。

最后，在实验中，将所提出的算法和其他算法进行对比，结果表明，所提出的算法能够在不同的道路环境下得到更高的匹配精度，并且在实际应用中具有较大的实用价值。

关键词：GPS车辆轨迹数据；地图匹配算法；粗分类；细分类；车道划分1.介绍GPS技术的普及和智能化交通系统的发展，为车辆轨迹数据的获取提供了越来越多的机会。

地图匹配算法，能够以GPS数据为基础，将车辆在道路上的位置精确地投影到地图上，并进一步提供交通运输领域的应用。

通过地图匹配，提高了GPS定位数据在车辆行驶分析中的可靠性和精确度。

2.研究现状目前，国内外学者在地图匹配算法上进行了广泛的研究和探索。

根据匹配所采用的算法和方法，可以将地图匹配算法分为4类：特征匹配方法、卡尔曼滤波方法、统计学方法和神经网络方法。

各类方法各有优缺点，研究者们在算法设计时需要进行合理的选择。

3.算法设计在目前地图匹配算法中，我们提出了一种基于粗分类和细分类的混合匹配算法。

该算法首先进行道路分类，然后根据具体道路环境进行匹配，从而得到更准确的车辆位置信息。

同时，为了解决城市道路中的复杂情况，我们还提出了一种考虑车道划分的匹配算法。

该算法能够通过GPS数据得到车辆的具体位置和所在车道的信息，解决了普通算法在城市道路中无法有效处理的问题。

4.实验本文所提出的地图匹配算法，在实验中得到了广泛的应用。

我们将所提出的算法和其他算法进行对比，并进行了实际道路测试。

结果表明，基于粗分类和细分类的混合匹配算法和考虑车道划分的匹配算法，能够在不同的道路环境下得到更高的匹配精度，并且在实际应用中具有较大的实用价值。

基于投影的GPS地图匹配算法研究

基于投影的ＧＰＳ地图匹配算法研究作者：秦文斌王培东来源：《硅谷》2008年第24期[摘要]首先给出地图匹配算法的基本原理，对基于投影的地图匹配算法的两种情况，即车辆正常行驶的过程和车辆转弯过程，给出匹配的基本算法。

在此基础上提出地图匹配算法的详细匹配过程。

实际的验证结果表明基于投影的地图匹配算法对GPS接收器接收到的原始定位信息的校正是有效的。

[关键词]地图匹配投影距离方向夹角中图分类号：TP2文献标识码：A 文章编号：1671－7597（2008）1220023－02一、引言随着科学技术的飞速发展，GPS技术已广泛地应用于地面移动目标的跟踪定位。

车辆导航跟踪监控系统就是其中众多应用之一。

由于车辆GPS的定位数据与电子地图数据都不可避免地存在各种误差，往往会带来车辆行驶轨迹偏离实际道路的问题。

为了解决这个问题，目前主要有两种处理方法，一种是采取提高GPS定位精度及电子地图精度的方法，但这种方法成本高，也不可能完全消除定位点与地图之间的这种显示误差；另一种是采用地图匹配方法，即用软件的方法来协调不准确的定位数据和电子地图所造成的显示误差，也就是把定位点依照某种规则强制与实际道路配准，从而保证车辆总在行驶的道路上。

目前主要研究的地图匹配算法有基于代价函数的地图匹配、基于模糊逻辑的地图匹配、基于D-S证据推理的地图匹配、基于神经网络的地图匹配以及基于预测的地图匹配方法等[1]。

这些算法原理较为复杂，实现难度较大，大多数没有考虑如何消除GPS定位误差对地图匹配的影响。

该文设计了一个基于投影的地图匹配算法，将GPS定位点投影到附近的道路上，然后每个定位点的权重值大小来确定车辆当前行驶的道路，该算法充分利用了定位点的当前信息和历史信息，能够有效地降低定位误差对地图匹配效果的影响。

二、地图匹配算法的思想地图匹配的基本思想[2]是通过车辆的航迹与电子地图上矢量化的路段相近匹配，寻找当前行驶的道路，并将车辆当前的定位点投影到道路上，它的应用基于两个前提：第一，用于匹配的高精度数字地图；第二，车辆行驶在道路上，这样就保证了不会因为定位误差使车辆定位点偏离车辆当前行驶的道路，而且通过投影使车辆定位数据仅保留定位误差在车辆前进方向上的径向分量，从而提高车辆的定位精度。

基于GPS／地图匹配的车辆跟踪算法研究

维普资讯
第２５卷第３期
２００８年３月
计算机应用与软件
ＣｏｍｐｕｅｐｉａｉｎｎｄＳｆｗａｅｔｒＡｐｌｃｔｓａｏｔｒｏ
Ｖ０．５Ｎｏ３１２．Ｍａ．００ｒ２８
（ｏｅｅｏｎｒｔｎＥｇｎｅｉｇａｉｌｏｍｌＵｉｒｔ，ｅｉｇ１０３，ｈｎ）Ｃｌｇｆｍａｉｎｉｒ，ＣｐｔｒａｎｖｓｙＢｉ００７ＣｉｌｆＩｏｏｅｎａＮｅｉｊｎａ
。ＢｉｎＺｏＴｃｎｌｉｖｌｍｅｔＣｍａｙＬｍｉｄＢ￣ｎ００９，ｈｎ）（ｅｉＺＮ￣ｅｈｏｏｅＤｅｅｐｎｏｐｎｉｔ，ｅｉ１０２Ｃｉｊｇｇｓｏｅｉｇａ
关键词智能交通Ｋｌｎ滤波ａｍａ
ＴＨＥＶＥＨＩＣＬＥＴＲＡＣＫＩＮＧＡＬＧｏＲＩＴＨＭＢＡＳＥＤｏＮＧＰＳ／ＭＡＰ．ＡＴＣＨＩＭＮＧ
ＧａｕｘＬｕＹｎｂＱｕＤｈｉｕｎＧｉａｉｉｏｇｉｎｉｅｕ
辆的运动过程及其相应的运动模型，出了采用 “ 提当前 ” 计模统
子地图道路网查询计算出的道路域中道路与北京５４坐标系轴
的夹角。
对于一条笔直的道路，假设已知
车辆在其上行驶。由于测量噪声的影
响，当前车辆的定位位置可能落到道路
网的道路域外，车辆定位位置没有真即
型作为车辆运动模型，利用扩展的Ｋｄａ，＇ｎ滤波方法将真实状态ｍ从各种干扰噪声中实时最优的估计出来；同时，由于在车辆实际行进过程中，车辆通常被严格地限制在所行驶的道路上，这样可充分利用电子地图中的道路地理信息，采用本文提出的地图辅助择近和速度择角算法来修正Ｋｌａ滤波。ａｍｎ

智能交通系统中GPS地图匹配算法设计与实现的开题报告

智能交通系统中GPS地图匹配算法设计与实现的开题报告一、研究背景智能交通系统中的GPS地图匹配是指将车辆实时获取的GPS位置信息与数字地图上的道路信息进行匹配，以确定车辆当前的位置和行驶方向。

它是智能交通系统中基本的定位技术，对于车辆导航、交通监测、交通控制等应用具有非常重要的作用。

目前，已经有很多GPS地图匹配算法被提出，如基于传统模型的匹配算法、基于统计模型的匹配算法等。

但是，由于道路信息的多样性和GPS精度的限制，这些算法在实际应用中仍存在不可避免的误差和缺陷。

因此，如何设计和实现更加精确和鲁棒的GPS地图匹配算法是一个热门的研究方向。

二、研究内容本文将关注于GPS地图匹配算法的设计和实现，主要研究内容如下：1. 深入研究GPS地图匹配算法的原理和发展现状，分析现有算法的优缺点，确定本文研究的重点和难点。

2. 提出一种基于机器学习的GPS地图匹配算法，利用大量的GPS轨迹数据训练模型，以提高算法的精度和鲁棒性。

同时，考虑到地图数据的多样性和更新困难，提出一种增量更新的方法，将新的轨迹数据加入到模型中，提高算法的实时性和适应性。

3. 实现算法的原型系统，进行大量的实验和测试，评估算法的准确度、实时性和鲁棒性，并与已有算法进行比较，验证算法的有效性。

三、研究意义本文将对GPS地图匹配算法进行深入研究，旨在提出一种精度更高、鲁棒性更好、实时性更高的GPS地图匹配算法，以提高智能交通系统中的定位精度和导航准确度。

同时，本研究的成果也将对其他与GPS定位相关的领域，如地图制作、数字地球、智能车辆等具有一定的参考价值。

四、研究方法本文将采用以下方法进行研究：1. 文献综述：对GPS地图匹配算法的国内外发展现状进行深入的调查和分析，总结和归纳已有算法的优缺点，并确定本文研究的重点和方向。

2. 算法设计：设计一种基于机器学习的GPS地图匹配算法，并提出增量更新的方法以提高实时性和适应性。

3. 系统实现：实现算法的原型系统，进行大量的实验和测试，评估算法的准确度、实时性和鲁棒性，并与已有算法进行比较，验证算法的有效性。

地图匹配算法研究及应用

地图匹配算法研究及应用地图匹配算法是指将GPS轨迹数据与地图上的道路网络相匹配的算法。

随着GPS定位技术的普及，越来越多的人开始使用GPS设备来记录自己的行动轨迹。

然而，由于GPS测量误差和信号遮挡等原因，GPS轨迹数据并不完全准确，因此需要通过地图匹配算法来改善其精度。

一、传统地图匹配算法传统地图匹配算法主要有三种：最近邻算法、HMM算法和粒子滤波算法。

1.最近邻算法最近邻算法是一种简单且有效的地图匹配算法。

该算法首先将GPS轨迹点与道路网络上的所有节点进行距离计算，然后将GPS轨迹点与最近的节点相匹配。

该算法简单易实现，但其精度较低，对于道路较为复杂的区域容易产生匹配错误。

2.HMM算法HMM算法是一种基于贝叶斯理论的地图匹配算法。

该算法将GPS轨迹点视为观测序列，将道路网络视为状态序列，并使用HMM模型来匹配GPS轨迹点。

相对于最近邻算法，HMM算法考虑了GPS轨迹点之间的关系，在处理复杂的道路网络时具有较高的精度。

但是，该算法的计算复杂度较高，需要大量的计算资源。

3.粒子滤波算法粒子滤波算法是一种基于贝叶斯滤波的地图匹配算法。

该算法使用粒子滤波器来估计GPS轨迹点所在的道路，并通过重采样方法来改善估计的精度。

相对于HMM算法，粒子滤波算法更加灵活，可以处理不同种类的观测数据，并具有较高的精度。

但是，该算法的计算复杂度较高，在实时应用中需要充分考虑计算效率。

二、基于深度学习的地图匹配算法近年来，随着深度学习技术的不断发展，基于深度学习的地图匹配算法逐渐成为研究热点。

深度学习基于神经网络模型，通过学习海量数据来提高模型的精度。

基于深度学习的地图匹配算法主要有两类：基于卷积神经网络（CNN）的算法和基于循环神经网络（RNN）的算法。

1.基于CNN的算法基于CNN的地图匹配算法主要采用图像处理技术，将GPS轨迹数据转换成图像形式，然后使用CNN网络来匹配GPS轨迹点。

该算法可以处理复杂的道路网络，具有较高的精度，并且能够自动学习特征，避免了传统算法中需要手动设计特征的问题。

基于GPS技术的浮动车改进地图匹配算法研究

5科技资讯科技资讯S I N &T NOLOGY INFORM TION 2008NO.20SCI ENCE &TECHNOLOGY I NFORMATI ON 信息技术所谓的浮动车通常是指具有定位和无线通信装置的车辆,浮动车所采集的数据一般包括时间戳、位置坐标、瞬时速度、行驶方向等其他内容。

这些交通信息将被应用于交通信息服务、交通管理、交通规划等方面。

而这其中的核心技术就是GP S 与GIS 数据匹配处理器的设计。

G IS 数据提供了城市道路的基础数据(道路名称,I D,路口信息,长度,等级,坐标)。

G P S 定位数据是一个个点,且数据里包含有经纬度坐标。

匹配主要是将GP S 的每个离散的点能够快速准确的匹配到车辆真正行驶的路上。

常见的匹配方法有:点到点、点到线、线到线的匹配方法[1]。

匹配算法有多种,但往往都是考虑比较片面。

本文根据实际需要,总结了更为实用的匹配算法,特别是对G P S 离散位移较大的点的匹配,在一定的取样频率支持下,匹配精度可以达到更加实用的效果。

1对传统匹配算法的改进经典的地图匹配算法一般基于以下两个假设:(1)车辆一直在道路上行驶;(2)车辆行驶具有连续性。

针对智能交通系统的特点,考虑到人为因素,我们加入了第3个假设:(3)在两个匹配点之间,车辆正常行驶,即车辆可选择最短距离路径或最简单路径行驶。

最简单路径是指车辆在两点间所经过道路节点最少,行驶路径的结构最简单。

假设具有一定的合理性:若40m/s 为速度上限,假设认为车辆不会在短时间内(20sec)、短距离内迂回行驶,也就是说取数据的两个点之间路程间隔上限为800m,智能交通系统的重要性能之一就是要求高实时性的处理数据,系统参数T 的选择既要考虑车辆轨迹应有一定长度,同时也综合考虑红绿灯信号周期对行程速度计算的影响,所以根据不同情况和实际要求假设(3)可做相应调整。

实际应用中,我们应将T 的数据一次性读入,统一处理,具体实施分为以下3个方面。

车载GPS地图匹配算法研究背景意义及现状

车载GPS地图匹配算法研究背景意义及现状1研究背景及意义 (1)2 国内外研究现状分析 (2)3常见地图匹配算法分析 (3)1研究背景及意义当今社会，机动车数量迅猛增长，从而导致交通流量过快增长与有限的道路设施之间的矛盾激增，交通堵塞严重。

如何的减少拥堵，有效地进行交通疏导，合理的利用有限的交通设施是当前亟待解决的难题，发展智能交通（ITS）是解决这些问题的有效方法。

随着GPS(Global Positioning System)卫星定位技术和通信技术的日趋成熟，基于GPS的自动定位在智能交通系统中显示出其巨大的技术、经济和社会效益，基于GPS的自动定位关键技术是地图匹配技术。

地图匹配(Map matching,简称MM)是一种基于软件技术的定位修正方法。

地图匹配基于两个前提：首先，车辆总是行驶在道路上；其次，电子地图道路数据精度应高于浮动车车载导航系统的位置估计精度。

当上述条件满足时，将定位信息与道路信息进行比较，通过一定的匹配过程，确定出车辆最可能的行驶路段及车辆在此路段中最可能的位置。

地图匹配算法的实现与电子地图有着密切的关系，电子地图必须具有正确的路网拓扑结构和足够高的精度才能完成地图匹配。

地图匹配技术在ITS中的应用可以总结为以下三个方面：①用于地图显示。

地图匹配在ITS中最基本的应用是实现被跟踪车辆在电子地图上的显示。

由于各种定位技术存在不同程度的定位误差，造成了车辆的定位点通常没有落在道路上。

而ITS的大部分信息都要通过电子地图来显示，因此，必须通过地图匹配算法将车辆匹配到其正在行驶的道路上。

②用于提高定位精度。

由于高楼和高架桥阻挡接收机的信号等因素的影响，GPS有时无法提供足够的定位精度。

航位推算可以实现车辆的自主导航，但需要车辆初始位置的输入，而且惯性期间的漂移误差和标定误差将使累积误差随时间而增大。

此时可以利用地图匹配算法来改善定位精度，高精度的电子地图可用于修正定位估计的误差。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｍａｐｍａｔｃｈｉｎｇｌｇａｏｉｒｔｈｍｂａｓｅｄｏｎｔｈｅＧＰＳｌｆｏａｔｉｎｇｖｅｈｉｃｌｅｔｒａｊｅｃｔｏｒｙｄａｔａ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｄｉｒｖｅｃｏｎｓｔｒａｉｎｔｓｏｆｔｈｅｃｉｔｙ．Ｆｏｒｂｅｔｔｅｒｍａｔｃｈｉｎｇｅｆｆｅｃｔ，ｔｈｅｌｇａｏｉｒｔｈｍｃｏｎｓｉｄｅｒｓｖａｒｉｏｕｓｆａｃｔｏｒｓ，ｓｕｃｈａｓｔｈｅｃｕｒｖｅｓｉｍｉｌａｉｒｔｙｂｅｔｗｅｅｎｔｒａｊｅｃｔｏ —
ａ叶技２０１７年第３０卷第６期
ＥｌｅｃｔｒｏｎｉｃＳｃｉ．＆Ｔｅｃｈ．／Ｊｕｎ．１５．２０１７
协ห้องสมุดไป่ตู้议
・算法及仿真
ｄｏｉ：１０．１６１８０／ｊ．ｃｎｋｉ．ｉｓｓｎｌ００７— ７８２０．２０１７．０６．０１５
基于ＧＰＳ的地图匹配算法研究
黄奕峰
（兴天通讯技术有限公司，天津３０１７００）
摘
要
针对传统导航系统的地图匹配算法缺乏整体性考虑的缺点，且ＧＰＳ浮动车轨迹数据具有曲线整体趋势特
性，文中结合城市中对行车的约束限制，提出了一种基于ＧＰＳ浮动车轨迹数据的全局地图匹配算法，该算法综合考虑各种因素。从而达到较好地实现匹配效果的目的，如轨迹数据和网络路径进行曲线拟合时的相似性、实际行车路径与交通约束的连通性。对所提出的算法进行实验验证，从而促进了ＧＰＳ浮动车轨迹数据的进一步分析应用。关键词ＧＰＳ轨迹数据；浮动车；行车约束；地图匹配ＴＮ９６７．１；Ｐ２２８．４文献标识码Ａ文章编号１００７— ７８２０（２０１７）０６— ０５４— ０４中图分类号
ＡｂｓｔｒａｃｔＴｈｅｍａｐｍａｔｃｈｉｎｇａｌｇｏｉｔｒｈｍｂａｓｅｄｏｎｔｒａｄｉｔｉｏｎａｌｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍｌａｃｋｓｏｖｅｒｌｌａｃｏｎｓｉｄｅｒａｔｉｏｎ，ａｎｄ
ｒｙｄａｔａａｎｄｎｅｔｗｏｒｋｐａｔｈ，ａｎｄｔｈｅｃｏｎｎｅｃｔｉｖｉｔｙｂｅｔｗｅｅｎｔｈｅａｃｔｕａｌｔｒａｆｉｃｆｐａｔｈａｎｄｔｒａｆｉｃｆｒｅｓｔｉｃｒｔｉｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄａｌ－ｇｏｒｉｔｈｍｉｓｖｅｉｆｒｉｅｄｂｙｅｘｐｅｉｍｅｒｎｔｓ．
ＲｅｓｅａｒｃｈｏｎＭａｐＭａｔｃｈｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＧＰＳ
ＨＵＡＧＹｉｆｅｎｇ
（ＸｉｎｇｔｉａｎＣｏｍｍｕｎｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｏ．Ｌｔｄ．，Ｔｉａｎｊｉｎ３０１７００，Ｃｈｉｎａ）
ＫｅｙｗｏｒｄｓＧＰＳｔｒａｊｅｃｔｏｒｙｄａｔａ；ｆｌｏａｔｉｎｇｃｒ；ｄａｉｒｖｅｃｏｎｓｔｒａｉｎｔｓ；ｍａｐｍａｔｃｈｉｎｇ
ＧＰＳ浮动车数据即为包含有速度数据和方向信息的一系列轨迹点，但由于ＧＰＳ位置精度有限，当在进行数字地图分析处理时会产生轨迹点与道路有偏差的情况，则需要进行地图匹配以获得无偏差轨迹描述。虽然传统的地图匹配算法研究较多Ｊ，但大多缺乏整体性考虑而导致复杂环境下的误匹配，后又出现一些改进的匹配算法，如使用差分ＧＰＳ辅助设备、滤波等提高匹配准确率－６］。ＧＰＳ浮动车轨迹数据具有曲线整体趋势特性，利用全局思想保证轨迹的准确性。目前轨迹数据的地图匹配方法大多基于全局匹配算法或复合匹配算法，全局匹配算法是基于曲线相似度，一
ｔｈｅＧＰＳｌｆｏａｔｉｎｇｖｅｈｉｃｌｅｔｒａｊｅｃｔｏｒｙｄａｔａｈａｓｔｈｅｃｈａｒａｃｔｅｉｒｓｔｉｃｓｏｆｔｈｅｏｖｅｒａｌｌｃｕｒｖｅｔｒｅｎｄ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｇｌｏｂａｌ