高精度道路地图是自动驾驶领域中不可或缺的数据支撑,为自动驾驶系统提供准确可靠的车道级路网数据。随着我国社会经济的飞速发展,城市建设步伐加快,大量的道路存在新建、改建的情况,为了保证车道级路网数据在自动驾驶系统中应用的可靠性,需要对既有车道级路网数据进行及时有效的更新。目前车道级路网信息更新的方式是利用传统测量采集车对需要更新的区域进行数据采集,人工处理采集数据后更新至既有路网数据库中,这种更新方式采集成本高且更新效率低。随着V2X技术、CORS技术的快速发展,如何利用高覆盖、低成本、高精度的车载轨迹数据更新既有车道级路网数据,弥补改善现有道路更新方法的不足,具有很高的理论研究与应用价值。本文以无锡市高精度车载轨迹为数据源,对轨迹匹配、车道级路网变化检测与更新开展研究,论文主要内容包括:（1）提出基于隐马尔科夫模型的地图匹配算法,利用隐马尔科夫模型进行地图匹配,其中观测状态主要考虑轨迹点采集时误差因素、轨迹航向角与道路方向之间的角度相似性,隐藏状态主要考虑轨迹行驶距离相似性,最后通过维特比算法求解高精度车载轨迹与车道级路网的匹配结果。（2）构建高精度轨迹匹配结果与车道级路网变化类型之间的映射,实现基于高精度轨迹的车道级路网变化检测。计算高精度轨迹点匹配可信度,利用OSTU阈值选择方法确定匹配可信度阈值,利用阈值划分匹配结果成功或失败,通过匹配结果的成功与失败来探测车道级路网变化类型。（3）提出车道级路网增量更新方法。采用DBSCAN聚类算法、最小二乘拟合、路网融合等方法,实现道路增量拆分、提取道路几何线性结构、增量车道与既有路网融合等操作,完成新增车道更新。根据既有车道级路网数据结构对废弃车道、新增删除拓扑关系变化进行数据存储层面的增删操作完成路网信息更新。本文选取无锡市滨湖区为实验区域,利用千寻位置服务与移动采集车,获取高精度车载轨迹来进行车道级路网变化探测与更新实验。实验结果表明,本文方法能准确、有效地对不同类型的车道级路网变化进行检测与更新。