在战时或其他非常规的无源环境下，无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正，基于此本文研究了基于矢量道路数据的辅助惯性导航(aided inertial navigation system，AINS)定位的基本理论和方法。首先利用GPS-RTK移动测量技术获取相应导航区域高精度的矢量道路数据，并进行数据的模型构建和预处理；接着与移动载体实时接收到的惯性导航轨迹数据进行匹配计算、误差分析，完成位置误差修正；然后将匹配误差作为观测量，建立系统误差模型并采用卡尔曼滤波的方法对惯性导航系统的内部误差参数进行校正；最后完成相关仿真试验系统的设计，以便能有效地修正惯性导航误差，提高定位精度，为无源环境下实现移动载体的精确导航定位提供可靠的理论依据和技术保障。主要工作及创新点如下：

(1) 构建了基于矢量道路数据的AINS定位方法的总体框架，阐述其辅助惯性导航工作的基本原理；明确了惯性导航的输出参数和相关误差方程，阐述了面向AINS的矢量道路数据采集原则和模型构建方法；针对面向AINS的矢量道路匹配算法和误差校正模型进行了分析和介绍。

(2) 基于“分而治之”的基本思想，提出了基于功能分层的TMP(topology & tracing，match，property)矢量道路数据模型，采用3层功能结构动态地存取矢量道路数据，有效地提高了后续匹配计算和误差修正的效率。该模型具有灵活有序的层次划分，丰富完整的道路信息，清晰简洁的拓扑结构。按照3个层次的功能不同，将路段和节点的地理空间信息和属性信息以及整个矢量道路网络的拓扑关系有序地划分开来。层次划分有利于各类数据之间的灵活组织，方便了数据信息的处理和查询，提高了系统的整体效率，为惯性导航轨迹点在路段上的追踪和路径规划选择提供了更为准确的决策判断，减少了误匹配的概率。

(3) 提出了一种顾及轨迹趋势变化的特征提取算法，立足于航向角的变化趋势实时快速地提取轨迹特征。首先建立趋势确定集合和待定集合，并通过计算轨迹点的趋势变化量，以确定轨迹点所在趋势集合的趋势状态；进一步，将2个趋势集合的状态进行比较判断，从而避免外界因素造成的趋势干扰，以获取有效的整体运动趋势；最后根据趋势特征的约束条件进行特征判断，完成趋势特征的提取。试验结果表明，该算法效率优于传统的曲线拟合算法，有效地排除了因特殊情况产生的特征干扰。

(4) 提出了基于拓扑追踪和粗精结合的匹配算法，实现了无源环境下矢量道路数据对惯性导航轨迹实时高精度的位置误差修正，并以匹配误差为观测量构建了新的误差校正模型，解决了惯性导航内部参数误差无法校正的问题。拓扑追踪的矢量道路匹配算法，有效地解决了道路交叉口等路段的误匹配问题，算法采用道路数据的拓扑信息，根据不同系统状态对矢量道路数据和惯性导航轨迹进行匹配，弥补了基于卫星的组合导航在自主性、抗干扰性等方面的不足。其次，提出了采用匹配信息和误差模型的校正方法，构建了辅助导航系统的误差模型和新的观测量，采用卡尔曼滤波方法对误差进行了估计和校正。相比于传统以匹配算法为核心的校正方法，该方法不仅有效利用了惯性导航轨迹位置与对应行驶路段的几何和拓扑关系，更通过惯性导航误差模型校正了系统内部误差。

(5) 以上述研究为基础，研发了基于矢量道路数据的AINS试验系统，验证将矢量道路数据应用于辅助导航定位的科学性和有效性。