一種基于格網(wǎng)劃分的浮動(dòng)車數(shù)據(jù)自適應(yīng)地圖匹配方法研究

陶 華 超，馬 林 兵，魏 慧 麗,周 群

(中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

?

一種基于格網(wǎng)劃分的浮動(dòng)車數(shù)據(jù)自適應(yīng)地圖匹配方法研究

陶 華 超，馬 林 兵*，魏 慧 麗,周 群

(中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

利用單一的匹配算法對(duì)區(qū)域內(nèi)的浮動(dòng)車數(shù)據(jù)進(jìn)行地圖匹配，會(huì)出現(xiàn)浮動(dòng)車點(diǎn)匹配到鄰近路段上的跳躍現(xiàn)象。該文將區(qū)域劃分格網(wǎng)，遍歷待匹配點(diǎn)所在格網(wǎng)及其8鄰域格網(wǎng)，篩選出候選路段、結(jié)點(diǎn)集合；根據(jù)候選路段、結(jié)點(diǎn)數(shù)量特征，自主選擇合適的算法，計(jì)算幾何距離和匹配度指標(biāo)以評(píng)價(jià)匹配結(jié)果，確保匹配準(zhǔn)確性。通過廣州的部分區(qū)域數(shù)據(jù)進(jìn)行算法驗(yàn)證表明：基于合適步長(zhǎng)的格網(wǎng)劃分能夠提高匹配效率；與單一的最近點(diǎn)匹配算法相比，自適應(yīng)綜合匹配算法能夠較好地避免“點(diǎn)跳躍”，提高匹配準(zhǔn)確度。

浮動(dòng)車數(shù)據(jù)；地圖匹配；自適應(yīng)；格網(wǎng)；匹配度

0 引言

浮動(dòng)車數(shù)據(jù)(Floating Car Data ,FCD)作為一種新型的動(dòng)態(tài)實(shí)時(shí)交通信息，能夠承載車輛行駛過程中的瞬時(shí)速度、瞬時(shí)方位角及位置等信息。通過對(duì)這些信息的實(shí)時(shí)獲取、分析，可實(shí)現(xiàn)對(duì)道路交通狀態(tài)的實(shí)時(shí)評(píng)價(jià)，并預(yù)測(cè)未來一段時(shí)間內(nèi)的交通運(yùn)行狀態(tài)。實(shí)際過程中由于浮動(dòng)車定位精度的限制(一般為GPS單點(diǎn)定位)及數(shù)據(jù)采樣的非連續(xù)性，會(huì)產(chǎn)生數(shù)據(jù)漂移現(xiàn)象，為了獲取準(zhǔn)確有效的道路交通信息，需利用地圖匹配技術(shù)，將FCD定位到相對(duì)正確的道路位置上；因?yàn)橹挥信袛喑鲕囕v在哪條道路上行駛，才能將FCD轉(zhuǎn)化為道路的交通狀態(tài)[1]。因此，地圖匹配技術(shù)的優(yōu)劣直接影響FCD的處理效果。

從1989年至今，至少出現(xiàn)了35種不同的地圖匹配算法[2]，其中較為經(jīng)典的有：幾何分析算法[3]、拓?fù)浞治鏊惴╗4,5]、基于概率理論[6,7]的算法及基于統(tǒng)計(jì)學(xué)理論[8]的改進(jìn)算法等。但是實(shí)際區(qū)域內(nèi)路網(wǎng)分布或密集或稀疏，在具體的浮動(dòng)車數(shù)據(jù)匹配過程中，如果匹配算法過于單一，由于不同區(qū)域特征的差異性，會(huì)導(dǎo)致匹配結(jié)果在鄰近路段上出現(xiàn)跳躍現(xiàn)象，如圖1所示:點(diǎn)3匹配后落到Road2上，與其他點(diǎn)的匹配結(jié)果對(duì)比，存在明顯 “點(diǎn)跳躍”現(xiàn)象。

本文結(jié)合待匹配FCD點(diǎn)的候選路段數(shù)量特征，將待匹配FCD所在的區(qū)域劃分為路網(wǎng)密集區(qū)域、路網(wǎng)交叉路口、路網(wǎng)稀疏區(qū)域3種類型，并改進(jìn)Yang等[9]提出的比值法、結(jié)點(diǎn)法和最短路徑法3種算法，自適應(yīng)地針對(duì)不同類型區(qū)域內(nèi)的待匹配FCD點(diǎn)采用更合理的算法進(jìn)行地圖匹配。與文獻(xiàn)[9]中依賴幾何距離量算實(shí)現(xiàn)匹配不同的是，本文自適應(yīng)地圖匹配方法在具體實(shí)現(xiàn)過程中引入匹配度(方向相似性)，從幾何距離和方向相似性兩方面共同得出匹配結(jié)果，有效地提高了數(shù)據(jù)匹配結(jié)果的準(zhǔn)確性。同時(shí)，本文利用格網(wǎng)劃分法將搜索范圍限定在待匹配FCD點(diǎn)所在格網(wǎng)及其8鄰域格網(wǎng)內(nèi)，改善了候選路段與候選結(jié)點(diǎn)的搜索效率，提高了匹配效率。

圖1 匹配點(diǎn)跳躍

Fig.1 Jump of the matching points

1 自適應(yīng)綜合匹配算法

1.1 算法思想

本文在綜合分析不同區(qū)域匹配特征的基礎(chǔ)上，結(jié)合待匹配FCD點(diǎn)的候選路段數(shù)量特征，設(shè)計(jì)了一種自適應(yīng)綜合匹配算法，有效避免 “點(diǎn)跳躍”現(xiàn)象，達(dá)到區(qū)域內(nèi)全面協(xié)調(diào)匹配的效果。

首先將待匹配FCD所在的區(qū)域劃分為3種類型：1)路網(wǎng)密集區(qū)域:區(qū)域中待匹配FCD點(diǎn)存在多個(gè)候選路段，選擇比值法能夠快速有效地篩選出匹配路段;2)路網(wǎng)交叉路口:區(qū)域中比值法往往匹配不正確，而結(jié)點(diǎn)法能夠通過比較待匹配FCD點(diǎn)與候選結(jié)點(diǎn)之間的距離及結(jié)點(diǎn)匹配度實(shí)現(xiàn)快速定位匹配結(jié)點(diǎn)；3)路網(wǎng)稀疏區(qū)域:對(duì)此類區(qū)域中待匹配點(diǎn)和以上兩個(gè)區(qū)域中未能匹配的FCD點(diǎn)，在確定其前后都存在準(zhǔn)確的匹配點(diǎn)后，運(yùn)用最短路徑法并結(jié)合司機(jī)出行規(guī)律及待匹配點(diǎn)的前后位置能夠準(zhǔn)確定位。

為了提高匹配效率，本文對(duì)區(qū)域進(jìn)行格網(wǎng)劃分，將搜索候選路段及候選結(jié)點(diǎn)的范圍縮小為待匹配FCD點(diǎn)所在格網(wǎng)及其8鄰域網(wǎng)格。根據(jù)研究區(qū)域的范圍特征和定位精度即誤差半徑，將整個(gè)圖幅按照合適的步長(zhǎng)劃分為M×N個(gè)單元格，通過搜索相應(yīng)格網(wǎng)獲得候選路段與結(jié)點(diǎn)的集合。生成的格網(wǎng)其覆蓋范圍要大小適中，確保每個(gè)格網(wǎng)內(nèi)所包含的路段密度適宜。

為了提高匹配準(zhǔn)確性，本文引入匹配度概念以確保FCD點(diǎn)與匹配道路保持最大的方向相似性。匹配度是衡量浮動(dòng)車點(diǎn)匹配程度的一個(gè)指標(biāo)，是待匹配點(diǎn)的瞬時(shí)方位角與待匹配點(diǎn)和匹配路段中鄰近結(jié)點(diǎn)或匹配結(jié)點(diǎn)的方位角差值的絕對(duì)值。匹配度的計(jì)算分兩種情況：1)如果是將FCD點(diǎn)匹配到某一路段的最近距離點(diǎn)，匹配度就等于待匹配點(diǎn)的瞬時(shí)方位角與待匹配點(diǎn)和匹配路段中最近距離點(diǎn)鄰近結(jié)點(diǎn)的方位角差值的絕對(duì)值；2)如果是將FCD點(diǎn)匹配到某一路段的結(jié)點(diǎn)，匹配度則為該匹配點(diǎn)的方位角與所匹配的結(jié)點(diǎn)方位角差值的絕對(duì)值。其中，匹配度值越小，表明匹配度越高，反之，匹配度越低。對(duì)于匹配度計(jì)算過程中路段結(jié)點(diǎn)方位角的確定，可以通過路網(wǎng)處理預(yù)先計(jì)算出來：首先按照道路走向，將路段上的結(jié)點(diǎn)排序，然后根據(jù)下式計(jì)算：

(1)

(2)

(3)

式(1)中，Startpoint、Endpoint為路段中排序前后相鄰的結(jié)點(diǎn)。對(duì)于雙向路段，結(jié)點(diǎn)的方位角也應(yīng)有兩個(gè)，而對(duì)于交叉口處結(jié)點(diǎn)的方位角，一般具有多個(gè)，所以關(guān)于相反方向結(jié)點(diǎn)方位角的表示，可以根據(jù)第一個(gè)方向排序計(jì)算的Direction結(jié)果進(jìn)行式(2)中的處理，獲得相反方向的Rdirection，如式(3)。

1.2 算法實(shí)現(xiàn)

自適應(yīng)綜合匹配算法是針對(duì)不同區(qū)域內(nèi)FCD點(diǎn)綜合運(yùn)用比值法、結(jié)點(diǎn)法、最短路徑法完成匹配。其中，比值法是將待匹配FCD點(diǎn)到候選路段集合中次近路段的距離和其到最近路段距離的比值作為一個(gè)判斷指標(biāo)，實(shí)際匹配過程中，如果計(jì)算得到的指標(biāo)值大于指定閾值，同時(shí)該情況下計(jì)算得到的匹配度較高，待匹配FCD點(diǎn)就匹配到距其最近路段的最近點(diǎn)上，否則對(duì)該匹配點(diǎn)進(jìn)行標(biāo)記；結(jié)點(diǎn)法是通過計(jì)算待匹配FCD點(diǎn)與候選結(jié)點(diǎn)之間的距離及匹配度，綜合比較后將其匹配到匹配度高且距離較近F的結(jié)點(diǎn)；最短路徑法是建立在假定浮動(dòng)車行駛過程中行駛者總是選擇行程起止點(diǎn)之間最短的道路作為優(yōu)先行駛路線的基礎(chǔ)上，依據(jù)路網(wǎng)拓?fù)潢P(guān)系和歷史數(shù)據(jù)，從候選路段中選擇組成最短路徑的路段，將待匹配點(diǎn)匹配到匹配度較高的最短路段的最近距離點(diǎn)。

本文方法實(shí)現(xiàn)主要包括路網(wǎng)數(shù)據(jù)處理、格網(wǎng)劃分、自適應(yīng)算法選擇，具體實(shí)現(xiàn)流程如圖2所示。首先對(duì)匹配路網(wǎng)進(jìn)行拓?fù)錁?gòu)建及錯(cuò)誤檢查，確保路網(wǎng)的連通性和方向性[10]；路網(wǎng)結(jié)點(diǎn)的方位角計(jì)算可在該階段根據(jù)處理后路段的走向，利用方位角計(jì)算公式進(jìn)行。然后對(duì)區(qū)域進(jìn)行格網(wǎng)劃分，根據(jù)區(qū)域范圍特征按照一定步長(zhǎng)生成格網(wǎng)，并將初始FCD點(diǎn)、路段結(jié)點(diǎn)、路段與網(wǎng)格進(jìn)行關(guān)聯(lián)，通過遍歷待匹配FCD點(diǎn)所在格網(wǎng)及其8鄰域格網(wǎng)篩選出候選路段及候選結(jié)點(diǎn)集合。最后根據(jù)候選路段和結(jié)點(diǎn)的特征，分3種情況實(shí)現(xiàn)算法選擇：對(duì)于候選路段大于等于兩條的FCD點(diǎn)(路網(wǎng)密集區(qū)域)進(jìn)行比值法匹配，利用匹配度進(jìn)行匹配效果控制,將FCD點(diǎn)匹配到最近路段的最近點(diǎn)；對(duì)于候選路段僅有一條或未能滿足比值法匹配的FCD點(diǎn)(通常分布于交叉口附近)，利用結(jié)點(diǎn)法匹配，當(dāng)匹配度滿足要求時(shí)將其匹配到路段結(jié)點(diǎn)位置；對(duì)于剩余未有效匹配的FCD點(diǎn)(一般為路網(wǎng)稀疏區(qū)域)，比值法和結(jié)點(diǎn)法的應(yīng)用保證了前后FCD點(diǎn)的準(zhǔn)確匹配，此時(shí)利用最短路徑法可準(zhǔn)確將其匹配到最短路徑的最近距離點(diǎn)。

圖2 本文方法技術(shù)流程

Fig.2 Flow chart of algorithm of auto-adaptive map matching for floating car data

2 算法驗(yàn)證

2.1 數(shù)據(jù)準(zhǔn)備

本文采用廣州市越秀區(qū)與荔灣區(qū)內(nèi)5輛出租車于2009年4月30日一天內(nèi)采集的FCD點(diǎn)，其中FCD所記錄的屬性字段格式如表1所示。通過對(duì)FCD點(diǎn)進(jìn)行預(yù)處理(剔除采集設(shè)備無效時(shí)獲取的FCD點(diǎn))后，篩選出2 147個(gè)FCD點(diǎn)用于對(duì)自適應(yīng)綜合匹配算法進(jìn)行驗(yàn)證，檢驗(yàn)過程中所使用的匹配道路網(wǎng)為越秀區(qū)與荔灣區(qū)電子地圖，圖3即為研究范圍內(nèi)的道路網(wǎng)及初始FCD點(diǎn)的分布。

表1 FCD屬性字段格式

Table 1 Formats of FCD attribute field

字段數(shù)據(jù)格式實(shí)例描述LICENSEVARCHAR2(20)粵AO77U5車牌號(hào)GPS＿TIMEDATE2009-05-0117：52：26信號(hào)時(shí)間LONGITUDECHAR(10)113．26657經(jīng)度LATITUDECHAR(9)23．19069緯度SPEEDCHAR(3)56速度DIRCHAR(3)170角度(方位角)EFFCHAR(1)1有效標(biāo)識(shí)(1代表有效，0代表無效)STATCHAR(1)54空車，5重車

2.2 結(jié)果評(píng)價(jià)

算法實(shí)現(xiàn)采用C#語言編程，在3.07 GHz CPU、4 G內(nèi)存的臺(tái)式機(jī)上運(yùn)行，2 147個(gè)FCD點(diǎn)匹配耗時(shí)約140 s，其中單點(diǎn)的平均匹配時(shí)間為65 ms。對(duì)比目前運(yùn)行的大多數(shù)浮動(dòng)車地圖匹配算法，單點(diǎn)匹配時(shí)間在幾毫秒至幾十毫秒之間[1]，所以自適應(yīng)綜合匹配算法能夠滿足正常要求。進(jìn)一步研究發(fā)現(xiàn)，格網(wǎng)步長(zhǎng)的選擇對(duì)匹配效率有較大影響；針對(duì)文中算法驗(yàn)證的區(qū)域(區(qū)域外接矩形為70 000 m×50 000 m，浮動(dòng)車GPS設(shè)備定位誤差與電子地圖的精度誤差都不超過20 m)，分別采用100 m、200 m、300 m、400 m、500 m、600 m、700 m的步長(zhǎng)進(jìn)行格網(wǎng)劃分，計(jì)算得出對(duì)2 000多個(gè)FCD點(diǎn)進(jìn)行匹配的時(shí)間變化如圖4：匹配時(shí)間與格網(wǎng)步長(zhǎng)呈現(xiàn)出“微笑曲線”。其中200～500 m的格網(wǎng)步長(zhǎng)區(qū)間內(nèi)地圖匹配效率較高，低于或高于該區(qū)間的匹配效率有所降低，本文在驗(yàn)證算法有效性時(shí)以300 m作為步長(zhǎng)，以提高匹配效率。

Fig.3 Layout of the road network and initial FCD

圖4 格網(wǎng)步長(zhǎng)對(duì)匹配效率的影響

Fig.4 Impact on matching efficiency of grid step

圖5 自適應(yīng)算法與最近點(diǎn)算法匹配結(jié)果對(duì)比

Fig.5 Contrast of auto-adaptive algorithm and closest point algorithm

對(duì)于FCD匹配結(jié)果的準(zhǔn)確性，對(duì)比最近點(diǎn)算法(將點(diǎn)匹配到其最近距離路段的最近點(diǎn)處的一種算法)，其中車牌號(hào)“粵A04Q35”的3個(gè)FCD點(diǎn)匹配結(jié)果如圖5所示：初始FCD點(diǎn)102、103、104經(jīng)過自適應(yīng)綜合匹配算法(以下簡(jiǎn)稱自適應(yīng)算法)匹配相應(yīng)地落在長(zhǎng)堤大馬路的A、B、C點(diǎn)處，對(duì)照屬性表2，點(diǎn)104是利用自適應(yīng)算法中的結(jié)點(diǎn)法實(shí)現(xiàn)匹配，點(diǎn)103和102是利用比值法實(shí)現(xiàn)匹配；而最近點(diǎn)算法的匹配結(jié)果顯示浮動(dòng)車點(diǎn)102落在長(zhǎng)堤大馬路的點(diǎn)D處，另外兩點(diǎn)103和104則落在另外一條道路的E、F點(diǎn)處，具體屬性信息如表3所示。通過查看初始數(shù)據(jù)的屬性(表4)，3個(gè)FCD點(diǎn)時(shí)間間隔約為20 s，并且點(diǎn)102、103、104按照該時(shí)間間隔為有序FCD點(diǎn)，顯然，自適應(yīng)算法的匹配結(jié)果符合實(shí)際情況，而最近點(diǎn)算法匹配結(jié)果出現(xiàn)“點(diǎn)跳躍”。因此得出：在道路密集與路網(wǎng)交叉口區(qū)域，自適應(yīng)算法的匹配結(jié)果較為準(zhǔn)確，能夠有效避免 “點(diǎn)跳躍”現(xiàn)象。

表2 自適應(yīng)算法匹配后FCD屬性數(shù)據(jù)

Table 2 Attribute data of FCD after matching with the auto-adaptive algorithm

IDLICENSEGPS＿TIMELONGITUDELATITUDESPEEDDIRSTATROADNAMEFLAG102粵A04Q3509：49：40113．25714223．11473482464長(zhǎng)堤大馬路1103粵A04Q3509：50：01113．25670323．11461803124長(zhǎng)堤大馬路1104粵A04Q3509：50：21113．25667823．114611133244一般市政道路2

注：“ROADNAME”屬性表示FCD的匹配路段名稱，“FLAG”屬性表示匹配方法，其中1表示比值法，2表示結(jié)點(diǎn)法，3表示最短路徑法。

表3 最近點(diǎn)算法匹配后FCD屬性數(shù)據(jù)

Table 3 Attribute data of FCD after matching with the closest point algorithm

IDLICENSEGPS＿TIMELONGITUDELATITUDESPEEDDIRSTATROADNAMEFLAG102粵A04Q3509：49：40113．25714223．11473482464長(zhǎng)堤大馬路4103粵A04Q3509：50：01113．25670323．11455603124一般市政道路4104粵A04Q3509：50：21113．25668423．114598133244一般市政道路4

注：“FLAG”屬性表示匹配方法，其中4表示最近點(diǎn)法。

表4 初始(匹配前)FCD屬性數(shù)據(jù)

Table 4 Attribute data of initial (before matching) FCD

IDLICENSEGPS＿TIMELONGITUDELATITUDESPEEDDIRSTAT102粵A04Q3509：49：40113．25715023．11471082464103粵A04Q3509：50：01113．25672623．11455603124104粵A04Q3509：50：21113．25669023．114600133244

3 結(jié)語

本文在綜合分析不同區(qū)域匹配特征的基礎(chǔ)上，結(jié)合待匹配FCD點(diǎn)的候選路段數(shù)量特征，設(shè)計(jì)了一種基于格網(wǎng)劃分的FCD自適應(yīng)地圖匹配方法。經(jīng)過算法驗(yàn)證，利用格網(wǎng)劃分進(jìn)行候選路段和結(jié)點(diǎn)的初步篩選，在控制檢索范圍有效性上具有顯著的優(yōu)越性，同時(shí)合適步長(zhǎng)的格網(wǎng)劃分能夠有效提高匹配效率；對(duì)比單一匹配算法(最近點(diǎn)算法)的匹配結(jié)果，本文提出的自適應(yīng)綜合匹配算法能夠有效避免“點(diǎn)跳躍”，保證匹配結(jié)果的準(zhǔn)確性。

由于文中采用的最短路徑法是在一定的假設(shè)條件下執(zhí)行的，最短路徑的構(gòu)建過程是以歐氏距離為指標(biāo)，而實(shí)際出行過程中存在眾多的不確定性，如司機(jī)可能會(huì)根據(jù)實(shí)際路況選擇行程時(shí)間或行駛距離較為適宜的路線，那么，根據(jù)理論獲得的最短路徑可能并不符合司機(jī)的最短路徑要求，就會(huì)產(chǎn)生匹配錯(cuò)誤。因此，最短路徑法需要盡可能模擬真實(shí)路況，綜合差異因素尋找“出租車司機(jī)的最短路徑”，這樣最短路徑法的匹配結(jié)果才能準(zhǔn)確，本文算法的準(zhǔn)確性和自適應(yīng)性才更有保證，而這將是后續(xù)研究的重點(diǎn)。

[1] 王美玲,程林.浮動(dòng)車地圖匹配算法研究[J].測(cè)繪學(xué)報(bào),2012,41(1):133-138.

[2] QUDDUS M C,OCHIENG W Y,NOLAND R B.Current map-matching algorithms for transport applications:State-of-the art and future research directions[J].Transportation Research Part C:Emerging Technologies,2007,15(5):312-328.

[3] 陸文昌,張迎,陳龍,等.基于計(jì)算幾何的地圖匹配算法研究[J].機(jī)械設(shè)計(jì)與制造,2012,10(1):43-45.

[4] 陳波,王茂林,王宏,等.一種基于網(wǎng)絡(luò)拓?fù)潢P(guān)系的地圖匹配算法[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2006,23(5):331-334.

[5] 屈宏斌.基于網(wǎng)絡(luò)拓?fù)潢P(guān)系的綜合地圖匹配算法[D].蘭州:蘭州大學(xué),2006.

[6] 蘇惠敏,周鵬.基于 D-S 證據(jù)理論的 GPS/MM 組合系統(tǒng)車輛定位算法[J].北京航空航天大學(xué)學(xué)報(bào),2001,27(2):157-162.

[7] 楊易,谷正氣,胡林,等.基于概率決策的車輛導(dǎo)航系統(tǒng)地圖匹配算法[J].汽車工程,2006,28(10):897-901.

[8] WHITE C E,BERNSTEIN D,KORNHOUSER A L.Some map matching algorithms for personal navigation assistants[J].Transportation Research Part C:Emerging Technologies,2000,8(1):91-108.

[9] YANG J,KANG S,CHON K.The map matching algorithm of GPS data with relatively long polling time intervals[J].Journal of the Eastern Asia Society for Transportation Studies,2005,6:2561-2573.

[10] 朱麗云,郭繼孚,溫慧敏,等.一種適用于復(fù)雜城市路網(wǎng)的浮動(dòng)車實(shí)時(shí)地圖匹配技術(shù)[J].交通與計(jì)算機(jī),2008,25(6):81-84.

Study on an Algorithm of Auto-Adaptive Map Matching for Floating Car Data Based on Grid Division

TAO Hua-chao,MA Lin-bing,WEI Hui-li,ZHOU Qun

(SchoolofGeographyandPlanning，SunYat-SenUniversity,Guangzhou510275,China)

A new method is proposed in this paper that is an auto-adaptive approach to deal with FCD to match the map based on grid.It traverses the grids including the prepared-matching point and its eight neighboring grids after the computational domain is divided into suitableM×Ngrids,and then filters out candidate sections or nodes collection.According to the quantitative characteristics of candidate sections or nodes,it is auto enough to choose the appropriate algorithm to calculate.To ensure the matching accuracy,the geometric distance and matching degree are introduced to evaluate the matching result during the implementation process.The experiment indicates that the matching efficiency will be affected by the step length of grid.And combined with matching degree,the auto-adaptive matching algorithm is better to avoid "jumps" and can increase matching accuracy comparing with the closest point matching algorithm.Discussions of the benefits and shortcomings associated with this method are provided,along with suggestion for future research.

Floating Car Data(FCD);map matching;auto-adaptive;grid;matching degree

2014-11-05；

2015-01-28

“十二五”國家科技支撐項(xiàng)目(37000-41070400)

陶華超(1990-)，男，碩士研究生，從事GIS理論與方法、時(shí)空數(shù)據(jù)庫研究。*通訊作者 E-mail:malb@mail.sysu.edu.cn

10.3969/j.issn.1672-0504.2015.03.005

P208；U12

A

1672-0504(2015)03-0022-04