条件随机场

至此，已获取

1. 每个GPS观测点的候选投影点集合(一个GPS观测点可能产生多个候选点)
2. 以及每两个相邻GPS观测点的候选路径集合（相邻两个GPS观测点之间的候选路径可能有多条）

但是在对一个GPS观测点进行匹配计算时，假如只考虑前后两个相邻GPS观测点，匹配计算的准确性可能不高。接下来，把车辆行驶过程中释放的GPS观测点用条件随机场模型进行处理，以提高匹配计算的准确性。

条件随机场是一个无向图模型或马尔可夫随机场，采用条件随机场模型来处理浮动车GPS观测点序列，通过观测
点、候选投影点以及传递概率矩阵，进行地图匹配。

如图３所示，对于观测点序列ｇ（１：３）和一条由候选投影点及候选路径组成的浮动车轨迹，定义条件随机场，其中实线代表变量之间的关系：观测点 g(t) 和候选投影点x(t) 之间的观测概率 $w(g(t)|x_i(t))$w(g(t)∣xi​(t))，候选投影点x(t)和候选投影点 x(t+1) 之间的传递概率$η(p(t))$η(p(t))

状态特征

状态特征是在忽略其他采样点影响的前提下，仅从空间位置关系的角度，衡量当前采样点匹配某条候选路段的可能性。
GPS的采样误差服从高斯分布$N(0,s^2)$N(0,s2)，这点也符合直觉，即离采样点越近的路段与之相匹配的可能性越大

状态特征仅利用了每个采样点孤立的空间信息，而忽略了上下文。

所以，只依赖状态特征进行匹配是远远不够的。