近几年,城市的发展在给人们日常生活以及出行带来极大便利的同时也出现了很多问题和巨大的挑战,比如我们最常见的交通堵塞、交通事故等一些交通问题。在交通出行中,车载定位设备越来越普及,对数据的研究已经成为当今车联网领域的热门话题。但是在GPS采集数据的过程中,由于天气等外界影响,设备获取到的数据往往都是与实际道路有偏差,与道路位置不符,甚至会与道路产生较大的偏移。而路网匹配能较好地解决定位点偏差的问题,让直接能观测到的GPS定位点数据准确地映射到路网位置上。路网匹配算法可以将接收到的GPS定位点数据与城市道路网络相结合,对GPS定位点进行修正,使得偏差的GPS定位点能精确地匹配到路网结构中。隐马尔可夫模型是一种概率模型,在语音识别领域被成功应用,后来陆续在模式识别、生物信息等领域也被广泛应用,将隐马尔可夫模型应用在交通领域的相关研究还不完善,还需我们继续深入研究。隐马尔可夫模型应用在路网匹配领域相比于传统的路网匹配算法,匹配的精确度更高,对于采样间隔较大的GPS定位点数据匹配效果也很理想。本文针对GPS定位点采样频率较低、采样时间不均匀、定位误差较大的特点,提出一种基于隐马尔可夫模型的改进的路网匹配方法,根据给定的原始GPS点序列找出对应的道路序列。将隐马尔可夫模型应用在路网匹配上对低频率采样的原始GPS数据进行匹配,实验表明该方法在低频率的GPS点时具有良好的性能。