map_matching map_matching是一个Python库，它将一系列位置（例如GPS轨迹）与基础道路网络相关联。 匹配同时考虑了路网拓扑和空间关系。 该库提供了一个简单的使用界面，此外，它还旨在与PostGIS和OSM道路网络很好地配合，以构建实际的应用程序。 特征 提供离线和在线匹配 支持已加载OSM公路网的PostGIS 即使在Python中也可以快速设计 入门 有关更多信息，请参见。 测验 我们使用进行单元测试。 当前，为了方便起见，我们将代码和测试放在一起。 要测试单个模块，例如shortest_path.py ，只需： $ nosetest map_matching/shortest_path.py 要运行所有单元测试： $ nosetest map_matching/ * .py 执照 map_matching已获得BSD许可。 请参阅LICENSE文件以

地图匹配算法的有效性和可靠性对于智能交通系统而言是非常重要的，而目前存在的地图匹配算法在一些复杂环境下（如道路交叉口）仍然不能提供合理的输出。采用D-S证据理论融合当前车辆位置信息和方向信息可以有效地扩大待匹配道路之间的差异，但在复杂路网下信息量的不足会降低其匹配精度。因此，为了提高道路网络中的地图匹配精度，提出了基于Zernike形状矩的地图匹配算法。新算法引入Zernike矩描述轨迹曲线的形状，进一步修正了错误结果。通过仿真和实验表明，新算法在复杂环境下具有较强的有效性和可靠性。

一种基于嵌入式Linux系统的地图匹配技术.pdf

基于GraphHopper的地图匹配 使用将GPX轨迹捕捉到道路上。 在了解有关地图匹配问题的更多信息。 观看实际的演示（黑色是GPS轨迹，绿色是匹配结果）： 执照 Apache许可2.0 讨论区 我们的网络论坛在。 用法 Java 8和Maven> = 3.3是必需的。 建立： mvn package -DskipTests 然后，您需要为要进行地图匹配的区域导入OSM地图，例如提供的样本数据： java -jar matching-web/target/graphhopper-map-matching-web-3.0-SNAPSHOT.jar import map-data/

https://editor.csdn.net/md?articleId=115178078

#资源达人分享计划#

针对目前城市浮动车数据量日益庞大，地图匹配算法实时性差、匹配率不高的缺点，提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上，综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响，大大提高了匹配效率和匹配精度。实验结果表明，算法能够满足工程应用中浮动车地图匹配的实时性和准确性。

作者将基于拓扑关系的算法与基于权重的算法相结合，考虑距离、方向和道 路相似性三种因素的权重，设计出一种新的地图匹配算法。该算法在确定误差区 域后，计算和比较每条候选道路的实际匹配度，最后通过定位修正后正确显示出 车辆当前的所在位置。本系统基于Carbide.C++进行开发，本人所做的工作如下:

地图匹配的好程序。测试通过，新手能够用到的的程序

gps地图匹配算法，对地图匹配的几种算法进行深入分析和比较