由于车载自组网承载的许多应用需要定位系统的支持,而现有的定位系统受天气、城市设施等因素影响,导致定位偏差普遍存在,位置信息丢失时有发生,不精确的位置信息严重影响了车载自组网中辅助驾驶、路径规划与导航等应用服务的性能。地图匹配技术可以利用数字地图,将采集到带有误差的车辆GPS位置信息调整到道路网络中,地图匹配技术为解决车载自组网中定位不精确问题提供了一种新思路。本文研究在车载自组网中,利用地图匹配技术减少因外界环境影响所造成的车辆位置信息偏差,提高定位系统精度,以保障车载自组网应用服务对车辆位置信息的需求。主要工作包括:针对车载自组网的特点,阐述了地图匹配技术的意义。通过研究地图匹配现状,分析了现有地图匹配技术的原理与评估方法。从地图匹配使用的数据集角度出发,分析了基于高样本率数据集的地图匹配算法无法适用于低样本率数据集的原因。提出了一种基于低样本率数据集消除误计算的地图匹配算法(MIV-Matching)。通过考察已有基于低样本率数据集算法,发现其匹配运算中出现误计算的空间分析过程,分析其误计算的原因并给出避免误计算方法,以提高算法匹配结果的精确性。通过使用真实的GPS轨迹数据对MIV-Matching算法进行评估,结果表明MIV-Matching算法相比于原有算法误差缩小了 50%以上。提出了一种考虑方向影响的低样本率地图匹配算法(Dir-Matching)。通过考查已有低样本率算法处理现有数据集的过程,发现其匹配运算中未能充分使用的数据集信息。在此基础上,Dir-Matching考虑现有基于低样本率数据集算法的几何与拓扑分析过程,并结合车辆移动方向与周边道路方向之间的联系。实验表明Dir-Matching算法能有效减少采集数据的偏差,提高匹配精度。使用Java编程语言与Google Earth实现算法部分与可视化部分,并设计实验用于判断算法的精确性,为地图匹配算法的实现与评价提供了一种有效的方法。