地图匹配指的是根据车辆终端定位设备采集到的轨迹点序列在路网地图上拟合车辆行驶轨迹的过程。当今道路网络越来越密集,且定位设备存在不可避免的误差,导致地图匹配精度难以保障。而智能交通系统中基于位置的服务对地图匹配结果十分依赖。因此在保证效率的前提下,如何提高地图匹配精度是当今学术界热门课题。在现有成果基础上,本文提出一套完整的地图匹配方案,从GPS数据预处理和地图匹配算法两个方面优化了地图匹配工作的性能,具体内容如下:GPS数据的密集点抽稀和噪声点检测是预处理阶段的两个关键步骤,直接影响着地图匹配性能。本文设计了一个简单实用的GPS密集点抽稀方法以减少冗余数据造成的匹配资源浪费。该方法仅通过单次遍历就可完成GPS轨迹中密集点区域的定位和抽稀。然后,为了消除噪声点对地图匹配精度的影响,本文提出基于GPS轨迹点的位置和速度两方面信息估计GPS轨迹点异常性的几何方法:1)正常的GPS轨迹点应该位于一个椭圆区域内,该椭圆区域是以前后基准GPS轨迹点为焦点,以车辆在基准GPS轨迹点的时间间隔内所能行驶的最大路程为长轴;2)正常的两个GPS轨迹点之间的距离范围可以根据车辆的最大加(减)速度采用物理方法推算得到。为了验证该噪声点检测方法的有效性,本文以两个经典的地图匹配算法为例,对比了它们去噪前后的匹配精度。实验表明,去除按照该方法检测到的噪声点,可有效改善地图匹配精度。在地图匹配过程中,匹配的难度主要取决于环境的复杂度,即路网密度和GPS轨迹点质量。其中,GPS轨迹点质量是在匹配过程中体现的,不易提前预判。因此,本文提出一种匹配策略自适应的算法,在匹配过程中实现了对环境复杂度的全面感知并针对不同复杂度的部分设计了相应的匹配策略,解决了由于环境复杂度分布不均造成的精度和效率难以平衡的问题。该算法包括两个阶段的匹配:针对每个GPS轨迹点的投影匹配和针对复杂度较高部分的连通性匹配。其先进性具体体现在以下几个方面:1)将全局地图匹配的关注点从GPS轨迹点的真实位置转移到路段的可信度,将GPS轨迹点从待匹配对象转换为路段可信度的支持者,降低了单个GPS轨迹点误差对匹配结果的影响,且显著提升了算法运行效率。2)定义并量化GPS轨迹点为路段提供的支持度,以达到感知环境复杂度的目的。采用“以强扶弱”的思想,以复杂度足够低的部分作为参考,降低了复杂度较高部分的匹配难度。同时,以被支持度足够高的路段作为分割点进行分段,以消除各匹配域之间的关联性,实现了算法内部的并行。3)针对复杂度较高的部分,采用树型结构表示路段的拓扑关系,避免了现有算法因相邻轨迹点之间损失的路径信息而存在的问题,并提出失效路段的概念以化简路径树的结构,有效提高了运行效率。最后,本文将本算法与流行的地图匹配算法在相同运行环境下应用于同一数据集的效果进行比较。实验结果表明:对于经过本文方法预处理的数据集,本算法最高可将匹配准确率提高到95%以上,且对于GPS采样周期低于80s的数据集,本算法的匹配精度优于对比算法;本算法串行时的运行效率在多数情况下优势显著,且本文实现的并行运算进一步提高了该算法的运行效率。