Objectives:
Zbiory danych o ruchu pojazdów, pozyskiwane głównie z systemów GNSS, charakteryzują się niedokładnością, co negatywnie wpływa na niezawodność analiz. W odpowiedzi na to wyzwanie, niniejsza praca stanowi przegląd technik dopasowania do mapy (ang. map-matching) oraz algorytmów predykcji trajektorii. Celem map-matchingu jest precyzyjna rekonstrukcja rzeczywistej trasy pojazdu, co stanowi bazę dla dalszych działań. Na podstawie tak odtworzonej trajektorii, algorytmy predykcji mogą prognozować dalszy ruch, co pozwala na monitorowanie transportów i wykrywanie anomalii, a także wspiera inteligentne zarządzanie ruchem poprzez prognozowanie przyszłego natężenia.

Methods:
W artykule zastosowano metodę systematycznego przeglądu literatury oraz analizy porównawczej. Przedstawiono szeroki przegląd metod realizacji zadań map-matchingu oraz technik służących do predykcji trajektorii ruchu pojazdu.

Results:
W ramach wyników omówiono szczegółową ewolucję tych technik. Zaprezentowano przekrój rozwiązań, począwszy od podstawowych modeli geometrycznych i probabilistycznych, aż po zaawansowane współczesne rozwiązania wykorzystujące głębokie sztuczne sieci neuronowe.

Conclusions:
W podsumowaniu wskazano na koncepcję unifikacji obu procesów w jednej architekturze. Zidentyfikowano to podejście jako potencjalną możliwość znaczącego zwiększenia dokładności i niezawodności systemów przetwarzania danych geolokalizacyjnych w przyszłych zastosowaniach.