GPS轨迹数据是一种通过GPS记录仪或GPS接收器等传感器装置采集的带有时间戳标记的活动位置点,具有采集简单,成本低廉等特点。由于卫星导航系统存在的定位误差,这些轨迹点与真实的车辆位置点之间存在一定的距离,不能直接应用于智能交通系统建设当中,需要把这些GPS轨迹点校正到正确的位置上。目前主要通过硬件和数学计算的方法来完成,但硬件校正的方法成本较高且难以在校正准确率上得到明显的提升,因此大多数研究聚焦于通过一些数学方法来校正轨迹点上,而由此产生的GPS轨迹点校正方法称为地图匹配算法。一般的地图匹配方法是考虑GPS轨迹点的空间定位精度,判断轨迹点到邻近路段之间的距离,在所有邻近路段中选取距离最近的路段作为匹配路段,尽管该方法能够实现轨迹的快速匹配,但是考虑因素单一,轨迹匹配后的结果总是不太令人满意的。在此方法的基础上,许多高级地图匹配算法相继被提出,但这些地图匹配方法大多不能有效地平衡地图匹配效率和匹配精确度,并且在处理低采样率GPS轨迹时匹配精确度较差。针对以上地图匹配中的问题,本文从以下几点展开研究:（1）对GPS轨迹原始数据和城市道路网原始数据做预处理,剔除轨迹冗余点、噪声点,并按照时间先后顺序对轨迹点进行排序;分析路网的时空特征,构建路网节点、路段之间的拓扑关系。（2）为了提升算法的性能,采用了Douglas-Peucker算法对原始轨迹点做抽稀处理,抽稀后的轨迹能够保留原始轨迹的重要时空特征。针对原始路网格网划分方法存在轨迹点无法获取到候选路段的情况,提出采用Geohash编码方法将路网网格化处理,每一个网格都有唯一的编码值,在获取候选路段集时通过Geohash编码值即可快速找到候选路段。（3）基于传统的隐马尔科夫模型,提出了一种综合考虑GPS轨迹时空上下文信息的HMM-CRFs混合地图匹配方法。解决了HMM模型中在计算转移概率时存在的“标注偏置”问题,在计算路段状态转移时,加入权重调节系数,通过CRFs模型来估算模型中的参数,此外,在计算路段状态转移过程中考虑驾驶员的出行选择喜好,加入一个特征函数,即两候选点间的最短路径距离,最后通过Viterbi算法计算全局路径的最大概率值,寻找匹配的最优路径,以实现车辆GPS轨迹的转化。采用两个公开数据集对模型进行验证,结果表明,本文提出的方法能够有效地平衡地图匹配准确率和地图匹配效率之间的关系,采样点的正确匹配百分比保持在95%以上,平均每条候选路段的计算时间约在50ms左右。在保证地图匹配效率达到预期结果的同时提升地图匹配的精确度,对于复杂路口和平行道路上的匹配,都能实现良好的匹配。本文研究成果在城市浮动车轨迹数据挖掘和车辆轨迹匹配中具有一定的实际意义。