道路匹配MapMatching：HMM模型、维特比算法Viterbi、道路匹配基本算法ST、STD、IVVM算法介绍

---

前言

我曾经做过有关道路匹配(MapMatching)的相关研究，学习过几个重要的道路匹配算法，我将先对重要的匹配模型：隐马尔科夫模型（HMM）进行介绍，再介绍维特比算法Viterbi，最后对ST、STD、IVMM三种算法做一个简单的介绍，供大家参考。

---

一、隐马尔科夫模型（HMM）

隐马尔科夫模型（Hidden Markov Model，简称为HMM）是一种常见的统计学模型，是在马尔科夫链的基础上发展而来。由一个隐藏的马尔可夫链随机生成的不可观测的状态序列，再由各个状态生成一个观测而产生观测随机序列的过程，就是隐马尔可夫模型。

部分图片和内容来自：
HMM具体介绍: 隐马尔可夫模型（Hidden Markov Model）

链接中写的很详细，有文字有图片，大家可以去认真学习一下。

二、维特比算法Viterbi

维特比算法的过程简单来说就是：1.先从前向后推出一步步路径的最大可能，最终会得到一个从起点连接每一个终点的n条路径(假设有n个终点)。

部分内容和图片来自：
维特比算法介绍: 机器学习：维特比算法（Viterbi Algorithm）

三大基本算法ST、STD、IVMM

首先，我建议所有学习路网匹配内容的同学都去看一篇论文：
论文链接: 路网匹配算法综述
这篇论文介绍了很多常见的路网匹配算法，经典之作，非常值得认真学习

（1）ST

ST算法后面把空间分析函数和时间分析函数作了乘积，相当于考虑是空间（Spatial）和时间（Temporal）的因素，简称为ST算法。

参考链接: 地图匹配之ST-Matching和IVVMM

（2）STD

STD算法在ST算法的基础上发展而来，增加了方向分析（Direction），考虑了单个轨迹点的方向对整体匹配的影响。

（3）IVMM

内容来自：An Interactive-Voting Based Map Matching Algorithm
ST-Matching 在匹配路网时,会把 GPS 点对应到距离较近的路段上,并不考虑其相邻点的关系,所以会出现锯齿形的线路.IVMM 的提出,就是为了“拉直”不匹配的路段,使其更适合地面真实路径.它在 ST-Matching 的基础上加入了“互动投票”,就是说,每个候选点会对在同一条单点最优的轨迹上的其他候选点进行加强,即投票,最后打分最高的点连起来形成匹配路径.

总结

本文介绍了HMM模型、维特比算法、三种常见路网匹配算法（ST、STD、IVMM）。文中部分内容和图片来自学术论文，建议大家先去看论文，再看看文章中的介绍来增加自己的理解。
希望对大家有用！