为了获取路网信息和改善城市交通状况,智能交通系统成为了国内外学者研究的热门方向。浮动车技术解决了车辆信息获取的问题,但车辆在实际行驶的过程中,由于定位误差的存在,使得定位信息不准确,为了准确反映车辆在路网中真实的行驶状态,地图匹配技术起到了至关重要的作用。目前地图匹配技术的发展分为用于车辆实施导航的地图匹配算法和用于后台数据中心的地图匹配算法。前者主要采用高频的浮动车数据(一般采样周期小于30s);后者基于后台的数据处理量和数据采集成本等多方面的的考虑,浮动车数据的采集逐渐趋于低频化(采样间隔大于1min)。本文的研究方向主要是应用在后台数据中心的基于低频数据的地图匹配算法。本文通过研究分析现有的地图匹配算法,大多数基于低频数据的地图匹配算法都没有同时兼顾算法的匹配准确率和时效性。在数据预处理过程中没有考虑到数据之间的差异,在路段筛选的过程中距离、方向、速度、连通性等因素利用不充分,在路径匹配的过程中大多数算法从全局进行考虑,忽略了考虑局部相邻定位点对匹配结果的影响。本文基于低频数据的特点和现有算法的优缺点,综合考虑了距离、方向、速度、连通性等因素,提出了一种新的基于低频浮动车数据的增量型地图匹配算法。本文算法的主要工作包括:(1)对浮动车数据和电子地图数据进行预处理,在处理冗余数据的过程中,考虑到数据之间的差异提出了数据融合的处理方式;(2)候选匹配路段和候选匹配点的筛选,其中考虑到速度对定位误差的影响,建立了定位点的动态误差区域,最后得到每个定位点的候选匹配路段和候选匹配点;(3)地图匹配过程,其中考虑到算法的时效性和相邻定位点对匹配结果的影响,采用以三个点作为滑动窗口逐点匹配的思路,对车辆定位点采用增量型的匹配方式,依次确定每一个定位点的匹配位置和相邻点之间的路径,最后得到整个数据集的最佳匹配路径;(4)为了提高算法的运行效率,算法采用分段匹配的方式,对数据集按分段点进行分割,对每段单独采用增量型的匹配方式,最终得到全局的匹配路径。本文从算法的匹配准确率和运行时间两个方面进行了相关的实验分析。实验所用的车辆数据通过实际编写的手机App实地采集获得,本文将提出的算法与基于时空分析的地图匹配算法、基于路网约束的地图匹配算法和基于改进AOE网络的地图匹配算法进行了比较。实验结果表明,本文提出的基于低频数据的增量型地图匹配算法在匹配结果的准确率和算法的运行时间两个方面都达到了比较满意的水平,实验结果证明了本文提出的算法的正确性和有效性。