轨迹预处理（地图匹配Map Matching）

地图匹配Map Matching可以按照两个标准分类两类

一种是是否使用了额外的信息，另外一种是轨迹中采样的范围。

第一种方法可以分为四类：

几何、拓扑、概率、先进技术

几何：将GPS点匹配到最近的道路。

拓扑：使用frechet distance。计算一段轨迹和一条道路的frechet distance，如果小于阈值，则匹配。

概率：为了解决轨迹噪声和低采样率问题。概率算法对GPS噪声作了明确的规定，并通过道路网考虑多种可能的路径以找到最佳的路径。

先进技术：最近出现了更先进的地图匹配算法，既包括道路网的拓扑结构，又包括轨迹数据中的噪声。

这些算法找到一系列的路段，同时接近嘈杂的轨道数据，并形成一个通过公路网的合理路线。

第二种算法算法可以分为两类

局部/递增、全局方法

本地/增量算法遵循一种贪婪策略，从已匹配的部分顺序扩展解决方案。这些方法基于距离和方向相似性来寻找局部最优点。本地/增量方法运行非常有效，通常用于在线应用程序。然而，当轨迹的采样率较低时，匹配精度会降低，

而全局算法的目的是将整个轨迹与道路网相匹配，例如，考虑一个点的前辈和后继者。全局算法比局部方法更精确，但效率更低，通常用于离线任务（例如，挖掘频繁轨迹模式），其中已经生成整个轨迹。

有的高级算法同时考虑了局部和全局信息，来处理低采样率的轨迹。

1）找到轨迹点附近阈值范围之内候选路段，到路段的概率是符合高斯分布

2）考虑了转移概率

3）最大化全局匹配概率

本质为马尔科夫模型