数据和算法 深藏导航背后的AI技术

当前，AI浪潮势不可挡，在无数大众最熟悉的生活场景中，其实蕴含着许多未被发现的秘密。这些“深藏功与名”的AI技术，在最基础的功能背后，却演绎着数据和算法最动人的一面。

这一点，在刚需的日常应用地图导航有很好的体现，算法与千变万化的道路信息之间的“斗智斗勇”，如何对地图中常规的路线规划进行改造，让“未来出行”成为可能。

日常生活中，我们认为所谓的路线规划就是“两点之间直线最短”，但现实情况可能会让你直接掉到河里去。 当前的地图产品在为用户规划路线时，那可是一场人类与复杂算法、道路信息之间的斗智斗勇。地图导航的算法不仅要面对瞬息万变的路况信息，还要应对各种各样“意料之外情理之中”的干扰。所以如何综合利用好各类信息，快速提供准确有效的出行方案，就成了“路线规划”要解决的切实问题。

当然，用户最关心的还是如何解决问题。

为应对这一用户的刚性需求，全面拥抱AI的百度地图则是通过预估未来交通状况并提供躲避拥堵、限行路线的方式，以简单的四步满足用户智能化出行需求的，成了受欢迎的新趋势。

首先是针对时间规划路线，为了实现根据时间推演进行路线规划，常用做法是将连续的时间点分散成多个时刻，在每一个时刻都生成一套权值，并在路线搜索过程中恰当切换不同权值，从而实现针对时间进行路线规划。在算法选择上，一般要考虑预处理时间、在线计算性能、路线效果等要素；接下来就是要基于海量数据合理预测，这也是算法进行后续决策的基础，算法可以根据历史数据和当前道路状态合理预测，从而保障路线规划的准确和智能；第三就是要借助通行规范筛选路线，主要结合预计到达时间和用户车牌号，通过限行、交规、封路等通行规范，筛选出符合车辆需求的合理路线。导航地图在路线筛选环节已经做到了秒级生效，而利用精准的预计到达时间，则能为用户提供更多选择；最后就是要以“为用户着想”的路线排序，这就需要引入对未来路线状态的判断，但随之也带来了新的难题，如何应对限行等各种突发情况。导航地图一方面通过“常规路线”，即大部分用户选择的路线或用户自身曾走过的路线，过滤掉没有意义的绕行，此外还要通过衡量不同路线的代价综合筛选，通过用户以往的驾驶行为和操作偏好，推荐更适合路线。而当路上遇到突发情况导致预计到达时间不准，可能引起用户违章时，算法往往会做“最坏的假设”。

在这场算法跟道路信息之间的斗智斗勇中，导航地图不仅能处理好纷繁复杂的各类信息，还能让它们“为我所用”，以这些信息为指标提供最优的出行选择。当“未来时刻”成为用户越来越重视的核心要素之一，更智能化的导航规划也将成为未来趋势。