近年来,将安装有GPS (Global Positioning System)的车辆作为道路交通信息收集手段的浮动车技术,作为一种新型的道路交通状况监测方式,其研究及应用在国内外受到了广泛的关注。地图匹配(Map Matching)作为浮动车技术的重要组成部分,是实现从浮动车的GPS数据到生成道路交通信息的关键步骤,直接影响最终产生的交通信息的精度,而目前浮动车系统中大多使用出租汽车调度管理系统所采集到低频浮动车数据,因此基于低频浮动车数据构建匹配算法以保证匹配精度具有重要的理论价值。此外,地图匹配的精度受到浮动车系统信息采集周期、路网特征及交通状态等的影响,信息采集周期是地图匹配精度的主要影响因素,且直接影响通信成本。因此,在满足一定的地图匹配精度下确定最优的信息采集周期,对降低通信成本和提高浮动车系统运行效率具有重要意义。论文首先介绍了地图匹配算法的研究现状以及地图匹配的主要影响因素,针对低频浮动车数据的特点,在考虑GPS误差等影响因素的前提下筛选候选链路,利用最短路算法获得浮动车行驶的候选径路集,并通过模糊逻辑推理确定最终的行驶径路,建立了基于低频浮动车数据的地图匹配算法,并结合北京市路网对算法进行了验证；其次,在构建的地图匹配算法基础上,分析不同采集周期、不同道路等级及不同畅通度下的地图匹配精度现状,同时建立基于城市路网特征描述变量和采集周期等特征向量的地图匹配精度模型,模型由于包含城市路网特征描述向量,具有较高的移植性；最后,基于已构建的地图匹配精度影响模型,针对浮动车系统的数据采集周期优化的问题,提出了基于最小精度要求、最小采集周期以及精度改善下限值等约束条件的浮动车系统数据采集周期优化模型,并利用该优化模型进行了案例分析,即在所选研究区域范围内,当地图匹配精度要求大于85%,精度改善度要求高于0.2%/s,且可达到的最小采集周期1s时的最佳信息采集周期是68s,该应用案例验证了模型有效避免了地图匹配精度细微改善情况下浮动车系统信息采集周期设置过小的问题,对于浮动车系统的配置优化具有重要的参考价值。