We stellen twee nieuwe methoden voor gezamenlijke alignering van een grote aantal trajecten. De eerste methode is gebaseerd op iteratieve paarsgewijze alignering gebruik makend van Dynamic Time warping (DTW). De andere methode is een zogenaamde \textit{greedy} methode die erin slaagt om een deel van de complexiteit van DTW te vermijden door optimaal gebruik te maken van de statistieken van de data. In onze toepassing voor werkcyclus optimalisatie, clusteren we de trajecten in verschillende soorten uitgevoerde werkcycli die gebruik maakt van similariteitsmaten. Door de trajecten gezamenlijk te aligneren, kunnen we ze uitmiddelen tot een typerende route die hoort bij elke uitgevoerde werkcyclus, en houden daarbij typerende snelheid en doorlooptijd bij langs elke route. Bij onze toepassing om een wegennetwerk te bepalen, we stellen twee methoden voor om kruispunten te detecteren: de eerste is gebaseerd op het detecteren de lokaties waar weggebruikers hun beweegrichting verandert; de tweede is gebaseerd op het detecteren waar drie of meer wegsegmenten samenkomen. GPS tracks worden dan opgesplitst in stukken wegsegment door deze direct verbonden kruispunten, wat worden gealigneerd gebruik makend van de voorgestelde gezamenlijke aligneringsmethode. Deze gewarpte tracks worden dan uitgemiddeld om zo tot de geometrische voorstelling van ons wegsegment te komen.