fmm

FMM 是一个集成隐马尔可夫模型和预计算的 开源 地图匹配框架。它解决了将噪声较大的 GPS 数据与道路网络进行匹配的问题。通过最大化性能和功能，FMM 可实现既高效又可扩展到大量数据的地图匹配算法。FMM 提供了 Python 和 C++ API，可在命令行、Jupyter 笔记本或 Web 应用中使用。

目录

特性

• 高性能：使用 Rtree、优化路由、并行计算（OpenMP）的 C++ 实现。
• Python API：jupyter notebook 和 Web 应用程序。
• 可扩展性：数百万个 GPS 点和数百万条道路边缘。
• 多种数据格式：OpenStreetMap 或 ESRI 形状文件中的道路网络。GPS 数据以点 CSV、轨迹 CSV 和轨迹形状文件格式存储（详细信息）。
• 详细匹配信息：遍历路径、几何图形、单独匹配的边缘、GPS 错误等。更多信息请参阅 这里。
• 多种算法：[FMM](http://www.tandfonline.com/doi/full/10.1080/13658816.2017.1400548）（适用于小型和中型网络）和 [STMatch](https://dl.acm.org/doi/abs/10.1145/1653771.1653820）（适用于大型道路网络）。
• 平台支持：Unix（ubuntu）、Mac 和 Windows（cygwin 环境）。
• 六边形匹配：：tada: 与 Uber 的 h3 六边形分层地理空间索引系统进行匹配。请查看 示例。

我们鼓励