신호가 업데이트될 때마다 이전 교차점을 검증한다.
4-08 조건부 확률을 업데이트해서 잘못된 추정을 빠르게 바로 잡는다.
어떤 암 질병이 있는데 걸릴 확률이 0.1%라고 하자. 그리고 이 암을 진단하는 장비가 있어서 암에 걸린 사람에게는 99% 확률로 양성 반응을 보이고, 암이 걸리지 않은 사람은 1% 확률로 양성 반응을 잘못 보일 수 있다고 한다. 만일 어떤 사람이 이 장치를 통해 양성이라는 결과가 나왔을 때 얼핏 듣기에는 결과가 양성이니까 엄청 위험한 것 같지만, 실제 확률은 9%에 불구하다. 애초에 발병률이 0.1%밖에 되지 않기 때문이다.
발병이 아닐 확률이 높기 때문에 진단율이 99%라도 실제 걸렸을 확률은 생각보다는 낮다.이렇게 조건부 확률을 기반으로 상황을 보면, 측정의 오차에 흔들릴 가능성이 줄어든다. 이와 같이 조건들을 업데이트하면서 각 모수값이 가질 수 있는 가능성의 분포를 계산하는 작업을 베이지안 추정법이라고 부른다. 들쑥날쑥한 GPS 신호를 기반으로 실제 지나고 있는 지도상의 교차로를 매칭할 때에도 적용되는데 신호가 업데이트될 때마다 지나갔다고 판단했던 노드들의 가능성도 지속적으로 업데이트하는 것이다.
어떤 일이 일어나고 나면 조건부 확률은 이전과는 달라지게 된다는 베이즈 추정법100 미터 미만의 간격으로 구성된 좁은 교차로를 자동차가 이동하고 있다고 할 때, GPS 신호는 A/B/C 교차로 앞 뒤로 불규칙적으로 나타날 수 있다. 만약 단순하게 각 신호에서 가장 가까운 교차로를 따라서 노선을 그리면, A에서 C로 갔다 B로 다시 오는 것과 같은 오류도 흔히 일어날 수 있다.
이런 오류를 방지하기 위해서 실제 머신 러닝을 이용한 맵 매칭에서는 일단 GPS 신호를 기준으로 근처에 있는 교차점들을 모두 후보군으로 가정한다. 그다음 이전에 지나온 경로의 교차점으로부터 이동한 거리를 참고해서 시점 별로 가장 확률이 높은 지점을 예측해 낸다. 확률 계산은 위치 신호가 업데이트될 때마다 반복되고, 지금 현재의 위치뿐 아니라 바로 전 지나온 교차점들도 같이 진행해서 지금 가고 있다고 표시 중인 경로보다 더 높은 확률을 보이는 교차점의 조합이 나오면 경로를 재 조정한다.
