目前各国纷纷建立自己的智能交通系统(Intelligent Transport System)，合理利用现有的道路交通设施，充分发挥道路交通资源，从而减少交通拥挤和交通堵塞现象。ITS系统的基础是实时可靠的交通数据，基于GPS的地图匹配技术正是达到这一应用目的的关键技术之一。本文在对目前常见的地图匹配算法分析的基础上，详细总结了各自的优点和缺点，并概括指出了各自的局限性和适用范围。根据对深圳市路网现状和中心系统采样的GPS的数据特征分析，将现有的地图匹配算法按应用分为基于车载端匹配算法和基于中心端匹配算法两大类。在分析传统基于模糊逻辑的匹配算法缺陷的基础上，提出一种针对长间隔、海量数据的中心端综合地图匹配算法。不仅考虑到传统匹算法中GPS采样点的位置、方向与待匹配道路的匹配程度，同时引入待匹配道路的连通性因素。此外改进后的综合地图匹配算法将距离、方向和道路的连通性三个要素的权重系数做出自适应调整，并且充分考虑到车辆低速行驶时GPS采样点的方向值不可靠的因素。为了使在道路密集处、交叉口、立交桥、主辅路和平行路段处等复杂路段处避免现有算法的弊端而造成误匹配，故引入节点匹配和延时匹配的概念，并采用基于斐波那契堆的最短路径算法以改善延时匹配的计算效率。以深圳市出租车的实际运营数据为例，通过匹配前和匹配后、传统的匹配算法和改进后的综合匹配算法进行对比和分析，证明了针对中心端长间隔，海量数据的综合匹配算法的准确性和合理性。