试想一下，一辆汽车行驶在道路上，1、2、3这三个点是汽车的GPS定位结果，我们可以看到三个点的定位、形成的轨迹和实际道路有非常明显的偏差。

这就是常见的，定位轨迹与地图道路的匹配问题。 相信大家都有通过饿了么点外卖，或者京东购置大件物品的经历，当我们想要查看外卖骑手和配送员的距离位置，平台往往只是在地图上由配送点到收货地址划一条直线，用户无法看到骑手完整的行驶轨迹，显示的定位与道路也常常有明显的偏移。

主要的原因可能是因为在外卖和送货上门的场景下，不太需要做精准的轨迹与道路匹配。而斑马数智服务的客户主要涵盖汽车、保险领域，由于自身业务场景的需求，他们对用户驾驶轨迹的要求是极其严苛的。这也使得我们从一开始就积累了一套专业的路径匹配与轨迹纠偏算法。

路径匹配不准的原因

在实际应用中，导致定位与地图道路存在偏差，其主要的原因还在于GPS数据采集的质量问题。GPS采样频率低、定位误差大、GPS信号丢失，都会增加路径匹配的不准确性。由于这些问题非常普遍，因此我们需要在这种情况下仍然能实现较高的路径匹配准确率。那么，如何通过算法来实现呢？

路径匹配的算法实现

异常点监测

通过异常值检测算法，检验行车GPS轨迹数据中的错误数据和不合常理的数据，剔除异常值再进行计算分析。

观测概率

观测车辆GPS轨迹点与周围多条道路的距离、以及道路的连续性等因素，计算出车辆行驶的正确道路。

我们计算红色的GPS点P1、P2、P3、P4与周围道路C1、C2、C3、C4的距离，根据距离确定GPS点实际位于哪条道路的概率，距离近，概率就高。同时还将考察道路的连续性，例如两个GPS点P2、P3最为接近的是C2(1)、C3(1)两段道路，但这两段并不是一条连续的道路，这个时候就不能单纯采用最近距离来判断概率。

速度权重

当GPS点出现在高架路段，通过定位就比较难判断具体的道路。通过车辆速度权重，可以计算出车辆行驶在高架或地面道路的准确位置。

最后在实际的应用中，我们积累完善了丰富详尽的地图道路数据库，建立了数据索引，使得计算效率极大提高，并且采用了效率极高的最短路径算法，计算速度拥有更大提升。

车辆GPS轨迹的地图匹配是交通大数据挖掘中的一项重要的基础性工作，可靠的轨迹匹配结果对于道路交通运行状态监测、实时交通信息发布、车辆定位与智能调度、出行路径选择行为分析等具有重要意义。由于城市道路网络中大量存在高架路、主辅路和立体交叉等复杂的道路场景，对准确的路径匹配提出了更高的要求，相信通过我们对数据算法的持续训练完善，可以不断在各个应用领域发挥价值。