§5.1 结论
在本文中，我们给出了一个完整地应用于车辆导航系统的车辆轨迹实时校正改进算法，图5.1 是该算法的数据输入输出图。
图5.1 车辆轨迹校正算法输入输出图
本文介绍了目前常见的几种基于矢量地图的车辆轨迹校正算法，并在此基础上给出了一个完整的基于矢量地图的车辆轨迹实时校正改进算法，该算法采用了现有的车辆轨迹实时校正的思想——把车辆轨迹的实时校正归结为车辆行驶道路的选择。给出了车辆行驶道路判断初始化方法；在选定行驶道路的情况下，采用带道路约束条件的卡尔曼滤波算法对车辆轨迹进行校正；在转弯处采用以车辆速度方向为依据的转弯判断方法，能够迅速的判断车辆是否转弯，避免了转弯判断时刻的滞后；利用车辆转弯时车辆和路口的位置差，解决了车辆轨迹校正过程中的车辆沿道路方向的误差校正问题，一定程度上避免了误差的累积。
我们对本算法进行了大量的实验，在实验中可以看到在车辆轨迹和矢量地图中的交叉路口的误差超过一定的范围，也会出现车辆突然“跳”到另外一条路上的情况，这是车辆轨迹实时校正必然会面临的问题，只能通过提高矢量地图精度的方法，来提高车辆轨迹实时校正的精度。
§5.2 组合导航中的车辆轨迹校正
在本文中采用了GPS 接收机的车辆定位方式。在城市中由于高楼较多，使GPS 接收机不能时时正常工作。所以在车辆导航系统往往使用组合导航的方式，车辆定位数据矢量地图道路数据车辆轨迹校正算法校正后的车辆位置输出输入例如2.2.2 小节中介绍的GPS/DR 和在2.2.3 小节中介绍了蜂窝网无线定位和
GPS 相结合。
特别是随着近几年蜂窝移动通信的快速发展，蜂窝移动网络基本上实现了无缝覆盖，这样使得在GPS 卫星不可见的大楼、隧道等地方，都可以采用蜂窝网无线定位。但是基于网络的手机定位系统的定位精度受以下几种因素的影响：信号特征值测量的精度、信号的传播中受到多径、非视距传播等的影响、测量基站分布的几何结构等。这使得蜂窝网无线定位误差在0~500 米内变化，定位精度比较不稳定[37]。这种情况下，如何将GPS 和蜂窝网无线定位结合起来使用成为目前研究的一个热点。目前GPS/蜂窝网组合定位的车载系统已经有产品上市，如摩托罗拉公司于2003 年与Avis Rent A Car System, Inc 推出的VIAMOTO
车载导航产品。
在组合导航系统中同样也面临着车辆轨迹的校正问题，通过多传感器数据融合输出车辆的位置和速度等信息，也可以通过本文中的算法对车辆轨迹加以校正，当然由于组合导航的数据来源更加丰富，我们需要对该算法作些局部的修改来更好的校正车辆轨迹。
