移动设备的广泛应用,使得人们出行越来越依赖于基于位置服务的路径规划。随着城市化进程的加快,汽车普及程度提高,交通拥堵问题日渐严重,合理的路径规划可以改善人们的出行体验,降低出行成本。传统的路径规划一般是基于计算的理论上的最优路径,但未考虑人们的经验习惯及环境因素。浮动车轨迹反映城市道路的行驶规律,也是司机的驾驶经验智慧的体现,综合考虑了道路等级、红绿灯数量、拥堵程度及周围环境等各种因素。通过对浮动车数据进行挖掘,实现更优的路径规划是本文的主要任务。本文主要从浮动车轨迹数据本身出发,以数据为驱动,对轨迹特征进行分析,提取出最大程度上包含司机典型经验的完整路线,实现基于经验路线的分层路径规划。本文的主要研究内容:(1)浮动车轨迹数据的经验路线提取。针对轨迹聚类,本文提出一种轨迹间距离度量的方法并根据轨迹间相似度进行聚类提取质心经验轨迹。然后对质心经验轨迹进行地图匹配,生成经验路线。(2)使用改进的HMM算法进行地图匹配。针对地图匹配的准确性和投影情况的多变性,提出改善的观测概率计算方法和转移概率计算方法,来降低轨迹点的错误投影概率。针对地图匹配的计算效率,提出网格化的存储和基于网格范围的计算来提高观测概率的计算效率,并通过计算并缓存地图上任意两点的最短距离,大幅度减少状态转移概率的计算量。(3)基于经验路线的路径规划研究。针对路径规划方法的研究,提出基于经验路线的分层路径规划方法。通过实验对比,基于经验路线的路径规划结果从时间和距离上呈现一定优势。