# Dopasowanie śladu GPS do sieci dróg

EN: **Map matching** · id `mapmatching` · aliases: GPS map matching, HMM map matching, trajectory map matching, snap to road, dopasowanie do mapy

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w obserwacji Ziemi i geoinformatyce](https://aiatlasgraph.com/t/geoai.md) › [Analiza ruchu ludzi i pojazdów (trajektorie)](https://aiatlasgraph.com/t/mobilityai.md) › Dopasowanie śladu GPS do sieci dróg

## Description

- PL: Przypisanie zaszumionych i rzadkich pomiarów pozycji do najbardziej prawdopodobnej ścieżki w grafie sieci drogowej.
- EN: Assigning noisy, sparse position fixes to the most probable path in a road-network graph.

## In one sentence

- PL: Ustalanie, którymi dokładnie ulicami jechał pojazd, gdy zapisane punkty GPS skaczą i lądują obok jezdni.
- EN: Working out exactly which streets a vehicle used when its recorded GPS points jump around and land beside the road.

## Problem it solves

- PL: Surowy ślad GPS przecina budynki i parki, więc bez poprawki nie da się policzyć przejechanej trasy, opłat ani prędkości na odcinkach.
- EN: A raw GPS trail cuts through buildings and parks, so without correction you cannot compute the route driven, tolls or segment speeds.

## What it does

- PL: Wybiera trasę, która jest jednocześnie blisko punktów i sensowna do przejechania, tak jak ktoś, kto po śladach opon odtwarza drogę auta po mapie.
- EN: Picks a route that is both close to the points and drivable, like someone retracing a car's path from tyre marks on a map.

## Everyday example

- PL: Aplikacja do biegania pokazuje trasę równo po ścieżkach w parku, choć telefon zgubił sygnał między drzewami.
- EN: A running app shows the route neatly along park paths, although the phone lost signal among the trees.

## This concerns you if you…

- PL: analizujesz trasy flot pojazdów lub kurierów
- PL: budujesz aplikację rejestrującą trasy
- EN: analyse routes of vehicle or courier fleets
- EN: build an app that records routes

## Keywords

Newson-Krumm HMM · Viterbi · FMM · Valhalla Meili · OSRM match · barefoot · DiffMM · OpenStreetMap

## How it works

- PL: Klasyczne podejście to ukryty model Markowa: stany to kandydackie odcinki dróg wokół każdego punktu, prawdopodobieństwo emisji zależy od odległości od drogi, a przejścia od zgodności odległości po sieci z odległością w linii prostej. Algorytm Viterbiego wybiera najlepszą ścieżkę. Nowsze metody uczą to dopasowanie sieciami sekwencyjnymi.
- EN: The classic approach is a hidden Markov model: states are candidate road segments near each fix, emission probability depends on distance to the road, and transitions on how well network distance matches straight-line distance. The Viterbi algorithm picks the best path. Newer methods learn the matching with sequence networks.

## Limits

- PL: Przy rzadkim próbkowaniu, np. co minutę, możliwych tras między punktami jest wiele i trafność spada. Błędy mapy, np. brakujące drogi, przenoszą się na wynik. Przy dużych flotach liczenie ścieżek po sieci jest kosztowne.
- EN: With sparse sampling, e.g. once a minute, many routes fit between points and accuracy falls. Map errors such as missing roads carry into results. For large fleets, computing network paths is costly.

## Key terms

- PL: **HMM**: model wnioskujący ukryty stan, tu odcinek drogi, z obserwacji
- PL: **Viterbi**: algorytm wybierający najbardziej prawdopodobny ciąg ukrytych stanów
- PL: **sampling rate**: jak często urządzenie zapisuje pozycję
- EN: **HMM**: model inferring a hidden state, here a road segment, from observations
- EN: **Viterbi**: algorithm choosing the most probable sequence of hidden states
- EN: **sampling rate**: how often a device records its position

## Know first

- [Ukryte modele Markowa i filtrowanie (Hidden Markov models and filtering)](https://aiatlasgraph.com/t/hmm.md)

## Sources

- [Hidden Markov Map Matching Through Noise and Sparseness](<https://www.microsoft.com/research/publication/hidden-markov-map-matching-noise-sparseness/>) `hmm-mapmatching-2009` · by Paul Newson; John Krumm
- [Trajectory Data Management and Mining: A Survey from Deep Learning to the LLM Era](<https://arxiv.org/abs/2403.14151>) `trajectory-survey-llm-2024` · by Wei Chen; Yuanshao Zhu; Yanchuan Chang; Kang Luo; Haomin Wen; Lei Li; Yanwei Yu; Qingsong Wen; Chao Chen; Kai Zheng; Yunjun Gao; Yu Zheng; Xiaofang Zhou; Yuxuan Liang

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/mapmatching · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30