随着科技水平的不断提高,与车辆相关的应用逐渐出现在人们的生活中。车载自组网作为承接这些应用的载体越来越受到人们的关注。对于车载自组网,其包含的许多应用都需要以车辆的位置信息为依托,而由于受到天气、外界环境等因素的影响,定位系统获得的位置信息与车辆真实的位置点之间存在着较大的偏差,这种偏差会严重影响与车辆位置相关的应用。地图匹配技术利用数字地图,把通过GPS采集到的车辆的位置点匹配到对应的数字道路上来实现车辆的精确定位,其为解决车载自组网中的定位失真问题提供了一种新的解决思路。本文的研究主要集中在利用地图匹配技术,减少外界环境对车辆位置偏差的影响,提高定位系统的定位精度,保障车辆应用的质量。本文的主要工作如下:根据车载自组网的特点,简述地图匹配技术存在的意义以及当前的研究现状并指出了它的定位原理。重点对现有的地图匹配算法进行了分类,指出了这些算法的固有特点以及存在的不足。此外还从使用数据集的角度分析了适用于高样本率数据集的地图匹配算法应用于低样本率数据集的不足,指出了研究适用于低样本率数据集的地图匹配算法的必要性和意义。提出了一种适用于低样本率数据集的基于路径选择的地图匹配算法。该算法通过分析车辆在真实环境下运动轨迹的规律给出了车辆行驶的路径所必须满足的几何关系,并结合位置估计点相对于数字道路所具有的几何特性和时间特性对所有可能的候选道路进行选择。通过使用真实数据集的仿真实验可知,该算法的定位精度相对于其它方法有着显著的提高。提出了一种适用于低样本率数据集的基于拓扑加权的地图匹配算法。该算法在充分利用链路关联性的基础之上,对位置估计点进行了空间和时间上的分析,把经过时空分析后所获得的权值最大点作为最佳的匹配位置。通过实验表明该算法能够有效减少采集数据的定位偏差,提高定位精度。为了能够对定位结果进行比较,本文采用Java语言编写实验运行所需要的实验平台。