摘要：高精度、低存储的列控数字轨道地图是实现实时高精度列车定位的前提。在生成数字地图的线路轨迹时,如果利用精度较高的差分GPS系统来测量线路轨迹,则所需成本高。而利用低精度的GPS接收机采集数据,然后通过铁路GPS轨迹融合算法将多个低精度的GPS轨迹信息融合生成高精度的GPS轨迹,不但可以降低数字地图的生成成本,还可以提高数字地图中线路轨迹的精度,这具有重要的研究意义。现有的轨迹融合算法大多没有考虑到铁路线路中存在的固定点,其在计算速度、计算精度以及适应度等方面也有待进一步改善。主曲线理论与算法是由斯坦福大学的Hastie教授于上世纪八十年代提出的。近年来,主曲线理论有了较大发展,成功应用于图像识别、手写体骨架化、数据约简以及轨迹控制等等。基于此,本文将结合铁路线路中存在的固定约束点,利用主曲线算法来进行铁路GPS轨迹融合。主要从以下几个方面进行了研究：首先,通过对主曲线理论的进一步研究,结合铁路线路中存在的固定约束点,对主曲线算法进行改进,提出了约束K段主曲线和三种基于局部优化的自适应约束K段主曲线(CPCL)算法,他们分别为基于简单平均的自适应约束K段主曲线(CPCLa)算法；基于一维搜索的自适应约束K段主曲线(CPCLs)算法以及改进的基于一维搜索的自适应约束K段主曲线(CPCLi)算法。并通过MATLAB软件,开发了一个利用这三种算法来进行铁路GPS轨迹融合的软件。然后,分别利用正弦型、折线型以及螺旋型这三种不同形状的模拟数据集对算法进行仿真实验。通过与软K段主曲线算法以及Max Point Method(MPM)算法作对比,对三种算法的适应度、计算误差、计算时间、占用的存储空间、光滑性等性能指标进行了分析。结果表明,本文提出的算法的适应度更强、计算精度更高、计算速度较快、占用的存储空间较少且更为光滑。最后,利用一个实测的公路GPS数据集以及两个实测的铁路GPS数据集对本文提出的三种算法的实际应用进行了验证与分析。结果表明,本文提出的三种算法能够有效地将多个低精度的GPS轨迹信息融合生成高精度的GPS轨迹,实用性能良好,并且在计算速度、计算精度、数据存储空间、光滑性以及复杂轨迹适应度等方面都有良好的表现。其中,CPCLi算法的计算精度最高且综合性能最好；CPCLa算法的计算速度最快；CPCLs算法得到的轨迹占用的存储空间最少。