地图匹配把带误差的轨迹观测对齐到道路网络

定位点受卫星几何、遮挡、多路径、采样间隔和设备算法影响，原始点常偏离实际道路。地图匹配利用道路几何、拓扑和运动连续性，推断观测最可能对应的路段及行驶路径。它不是把每个点吸附到最近线段；在并行道路、立交和稀疏采样下，逐点最近距离很容易产生不可能的跳转。

匹配结果依赖底图版本、交通模式和时间。道路新增、封闭或方向变化后，同一轨迹可能得到不同结果，因此需要保存输入轨迹、网络版本、参数和候选概率。

候选生成先限制可能路段

对每个观测点，可在误差半径内查询附近路段，并计算垂足、沿线位置、距离和方向差。搜索半径应结合定位精度、道路密度与采样条件设置。半径过小会遗漏真实道路，过大则引入大量平行或跨层候选，增加歧义和计算量。

候选生成必须尊重道路层级和通行规则。二维几何相交不一定拓扑连通，高架与地面道路可在投影上重合；步行、骑行和机动车使用的网络也不同。道路网络应包含方向、转向限制、层级、速度或成本，几何修复不能擅自把跨层道路连接。

PostGIS 官方手册提供空间索引、距离、线定位和线截取等实现基础：https://www.postgis.net/documentation/manual/ 。索引用于缩小候选，最终距离和投影仍需在合适坐标参考系中精确计算。经纬度直接当平面坐标处理会让不同纬度的距离含义不一致。

隐马尔可夫方法把真实路段位置作为隐藏状态，把定位点作为观测。发射概率描述某候选产生当前定位误差的可能性，转移概率比较相邻观测间直线位移与道路网络路径长度。Viterbi 算法从整段序列中寻找联合概率较高的状态路径。

Newson 与 Krumm 的研究展示了噪声和稀疏轨迹下的候选、发射与转移建模：https://www.microsoft.com/en-us/research/wp-content/uploads/2016/12/map-matching-ACM-GIS-camera-ready.pdf 。论文参数来自特定实验条件，定位误差尺度、采样频率和道路数据改变后应重新估计。

方向、速度、时间戳和道路等级可以补充概率，但每项都可能有自身误差。车辆短暂停留时航向不稳定，隧道出口速度估计可能跳变，限速也不等于实际速度。加入特征前应验证其可靠范围，并为缺失值保留退化路径。

相邻点间隔很长时，网络中可能存在多条长度相近的可行路径。算法即使输出单条最优路线，也不代表其他路线概率可以忽略。可保留若干候选路径、后验差距或置信等级，把低置信结果交给下游区别处理。

在线地图匹配只能使用当前及历史点，延迟低但容易在分岔处误判；离线匹配可以利用后续点修正早期路径。实时导航、计费和历史分析对延迟与修正的容忍不同。若结果会影响费用或执法，需要记录初始判定、后续修正和人工申诉证据。

轨迹中断、跳点和时间倒序应先分段。把长时间停机前后的点强连成一条路径，会生成穿越不可达区域的路线。异常检测要保留原始数据，不应在匹配前静默删除所有偏离点，因为真实绕行和底图缺失也会表现为异常。

评价可测量点到正确路段比例、路径边集合重合、沿线位置误差和端到端路线误差。只看吸附后点离道路更近没有意义，因为任何最近邻方法都能做到。参考路径可由高频高精度定位、人工标注或车辆总线信息建立，并说明其误差。

测试集应覆盖城市峡谷、并行辅路、立交、隧道、环岛、道路缺失和不同采样频率。按轨迹随机拆点会让同一路段同时出现在训练和测试中，应按行程、区域或时间切分。还要单独报告无法匹配率，强迫每段轨迹输出结果会掩盖底图和观测质量问题。

匹配后的路段流量、速度和出行链会继承匹配误差。低置信轨迹可降权、排除或进入敏感性分析，不能与高置信结果无差别聚合。底图升级后，历史重算要保留版本，避免时间序列因网络变化产生伪趋势。

地图匹配的核心是把观测误差和网络可达性放在同一序列模型中。高质量流程不仅输出路段，还说明候选范围、底图版本、失败原因和置信度，让下游知道哪些路径是观测支持的推断，哪些只是算法在信息不足时的选择。