轨迹数据挖掘是智能交通领域中的主要研究内容之一,而地图匹配则是轨迹数据挖掘的关键步骤,地图匹配的正确率是影响轨迹数据挖掘结果的重要因素。GPS轨迹数据是轨迹数据的主要来源,但在GPS数据采集终端电池容量和移动互联网网络带宽等诸多因素的约束下,大多GPS轨迹数据均采用低频采样的方式获取,而这种低频GPS轨迹数据将在地图匹配过程中引入更高的噪声和不确定性。针对上述问题,提出一种基于历史匹配数据的地图匹配算法,通过引入匹配度概率模型有效改善地图匹配正确率。进一步,利用相邻轨迹点间的位置关系,设计一种基于轨迹点上下文信息的隐马尔科夫模型(Hidden Markov Model,HMM)地图匹配算法,在复杂密集的城市路网环境下,与同类方法比较可获得更高的地图匹配正确率。本文主要工作包括:1.对GPS轨迹数据进行预处理,剔除异常数据和重复数据,构建路网拓扑关系,并计算投影坐标、投影距离、路段行驶角度、轨迹点的行驶角度和轨迹夹角。2.提出一种基于历史匹配数据的地图匹配算法。利用已有的历史匹配数据,对匹配路段按路段节点分割成若干子路段,对各个子路段统计历史匹配轨迹点的数目、投影距离和行驶夹角;使用匹配度概率模型进行参数训练;利用训练参数对GPS轨迹数据进行路网匹配。实验结果表明,所提出算法可获得较好的地图匹配正确率。3.设计一种基于轨迹点上下文信息的HMM地图匹配算法。通过设定候选圆域和候选路段数目阈值提高候选路段集合的生成效率;计算候选路段集合中各个候选路段的权重时引入了方向概率,通过前后两个邻近轨迹点行进距离与路径距离的比值计算状态转移概率,采用启发式的在矩形搜索区域限制条件下的最短路径算法来优化状态转移概率的计算。实验结果表明,在复杂密集的城市路网环境下,针对低频GPS轨迹数据的地图匹配,所提算法相对于同类HMM算法可获得更优的正确率。