以上述隶属度函数为基础，就可以对候选路段是当前车辆所在路段的可能性做出综合评判。以该可能性作为论域U，其元素u与论域X，Y和Z的笛卡尔乘积集：

　　它的元素(x，y，z)相对应，即u与三个因素有关。因此，在对u进行模糊评判时，因素集可以取为E={X，Y，Z)，评语集可取为F={大，小)，综合评判按下面的步骤进行：

　　(1) 对u进行单因素评价，然后利用其结果构造表示E与F之间模糊关系的模糊矩阵。设对因素X，Y，Z的单因素评价结果分别为模糊向量R1= [μhh(x)，μhc(x)]，R2=[μdh(y)，μdc(y)]和R3=[μ△dh(z)，μ△dc(z)]，则将以上模糊向量合在一起便得到表示E与F之间模糊关系的模糊矩阵 

　　(2)确定权向量P=[p1，p2，p3]，其中p1，p2，p3分别表示因素x，y，z在乱中的重要程度，p1+p2+p3=1。

　　(3)作模糊变换Q=P°R，所得模糊向量Q就是被评判对象U在评语集合F上的评判结果，其2个分量表示候选路段是车辆所在路段的可能性大小的程度。

　　在以上综合评判算法中，模糊矩阵乘法"°"采用简单的加权平均型算子(⊕，×)以便使结果兼顾各种因素。由于权向量的分量之和为1，运算⊕退化为一般的实数加法，因此算子(⊕，×)也可以改写成(+，×)。在这种情况下，模糊矩阵的乘法与普通矩阵的乘法完全一样。

　　有了对候选路段是当前车辆行驶路段的可能性的评价，就可以对以候选路段位置为参考进行地图匹配修正后的定位结果的可信度做出评价。评判中，应考虑到候选路段与前一时刻匹配路段的连通性，为此再引入以下规则：如果候选路段就是前一时刻匹配路段或者与前一时刻的匹配路段相连通，则利用该候选路段修正定位结果的可信度高。以修正结果为评判对象，取评判指标矩阵为(Q，Q′)，其中Q是候选路段的可能性评价矩阵，Q′是连通性评价矩阵，当候选路段与前一时刻匹配路段有连通关系时，Q′取为前一时刻匹配路段的可能性评价矩阵，否则以0矩阵取代。取评判权向量为P′=[p′1，p′2，p′3，p′4]，其分量分别对应于Q和Q′的各个分量，且p′1+p′2+p′3+p′4=1。将指标矩阵与权向量相乘，得μ=p′°[Q，Q′]T，称μ是修正定位结果的可信度，它为挑选最佳匹配路段提供了明确的依据。

　　4实验结果

　　交叉路口是地图匹配过程中最易出错的地方根据本文提出的改进的地图匹配算法理论，就交叉路口问题做性能分析，下面分两种情况讨论。

　　第一种情况：车辆直行通过交叉路口，如图3所示。

     轨迹点4，5靠近路段1，但轨迹点1、2、3、4、5拟合所得直线远远偏离路段1，靠近路段2，因而轨迹点5会正确匹配到路段2，不会被错误地匹配到路段 1。同理，轨迹点4也正确地匹配到路段2。由于考虑了轨迹的连续性，和基于位置点直接投影算法比起来，本文的算法不容易在交叉点出现匹配错误的情形。

　　第二种情况：车辆拐弯通过交叉路口，如图4所示。

　　轨迹点1、2、3、4、5拟合得到的拟合直线1与路段2的夹角小于30度，点5被匹配到路段2。同理，2、3、4、5、6拟合得到的拟合直线2与路段2的夹角也小于30度，点6被匹配到路段2。从图上可以看出，点5、6、7、8、9拟合得到的拟合直线5与路段1、2的夹角都大于30度，由算法基本原理可知，9不符合匹配条件，不予匹配。按照同样方法对其他点一一进行匹配。尽管在交叉路口附近会有少数的轨迹点不能被匹配，但匹配出来的轨迹能反映车辆的实际行驶轨迹，较好地处理了交叉路口的地图匹配问题。

　　为验证文中提出的地图匹配算法对导航系统定位精度的影响，利用该算法对跑车实测数据进行了实验。匹配结果表明，绝大多数(>96％)定位数据都能相对准确地匹配到道路上，匹配后的定位精度得到提高；匹配算法实现了实时，能够满足实际需要(1次／s)；在GPS受到一定程度的遮挡时系统能够正常识别并且匹配。