地圖匹配Map Matching可以按照兩個標準分類兩類

一種是是否使用了額外的資訊，另外一種是軌跡中取樣的範圍。

第一種方法可以分為四類：

幾何、拓撲、概率、先進技術

幾何：將GPS點匹配到最近的道路。

拓撲：使用frechet distance。計算一段軌跡和一條道路的frechet distance，如果小於閾值，則匹配。

概率：為了解決軌跡噪聲和低取樣率問題。概率演算法對GPS噪聲作了明確的規定，並通過道路網考慮多種可能的路徑以找到最佳的路徑。

先進技術：最近出現了更先進的地圖匹配演算法，既包括道路網的拓撲結構，又包括軌跡資料中的噪聲。

這些演算法找到一系列的路段，同時接近嘈雜的軌道資料，並形成一個通過公路網的合理路線。

第二種演算法演算法可以分為兩類

區域性/遞增、全域性方法

本地/增量演算法遵循一種貪婪策略，從已匹配的部分順序擴充套件解決方案。這些方法基於距離和方向相似性來尋找區域性最優點。本地/增量方法執行非常有效，通常用於線上應用程式。然而，當軌跡的取樣率較低時，匹配精度會降低，

而全域性演算法的目的是將整個軌跡與道路網相匹配，例如，考慮一個點的前輩和後繼者。全域性演算法比區域性方法更精確，但效率更低，通常用於離線任務（例如，挖掘頻繁軌跡模式），其中已經生成整個軌跡。

有的高階演算法同時考慮了局部和全域性資訊，來處理低取樣率的軌跡。

1）找到軌跡點附近閾值範圍之內候選路段，到路段的概率是符合高斯分佈

2）考慮了轉移概率

3）最大化全域性匹配概率

本質為馬爾科夫模型