轨迹路网匹配算法综述

　　路网匹配是基于位置服务中的关键预处理步骤，它将GPS轨迹点匹配到实际路网上。以此为基础对数据进行分析和挖掘，能够辅助解决城市计算中相关问题，例如建立智能交通系统，协助用户规划出行。本文对国内外学者在该研究领域取得的成果进行了分类总结，发现这些匹配算法可以较好地解决高采样率的路网匹配问题。但是随着城市交通的快速发展，获取和处理车辆位置信息的成本不断提高，低频采样点越来越多，现有算法匹配精确度大大下降。于是近几年，出现基于隐马尔科夫模型（Hidden Markov Model，HMM）的路网匹配算法。隐马尔可夫模型可以较为平滑地将噪声数据和路径约束进行整合，从有许多可能状态的路径中选择一条最大似然路径。重点总结了基于隐马尔科夫模型的路网匹配算法，主要是从特点与实验结果的角度对其进行对比总结，有的实验结果的正确率在一定条件下最高可以达到90%，说明了基于隐马尔可夫模型的路网匹配算法在低采样率下的有效性。最后对未来研究可能采取的方法进行了展望。