其实你的每一个路线选择，都是百度地图算法的杰作

引言：AI的浪潮势不可挡，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。百度地图将通过揭秘黑 科技 一系列专题，讲讲地图日常功能背后的技术。

本期内容将为你展示地图导航中，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。

所谓路线规划就是“两点之间直线最短”的简单明了吗？——天真。

要知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。百度地图的算法工程师们，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。

小王是一个在北京西二旗工作的资深“码农”，虽是地道的北京人但因为多年摇不上号只好暂时上了外地牌照。由于五环在工作日早晚高峰期禁止外地牌照车辆行驶，小王上下班通常会绕开五环或者早早出发躲避限行。周一早上，公司组织集体去西五环附近的北京园博园参加活动。早上8点40多，大家都准备从公司出发了，因为此时五环还是限行状态，不少人凭着习惯绕路上了六环。小王打开百度地图查路线，导航却提醒他：再等5分钟后出发，就可以避开限行时间直接走五环。既能节省时间和油费，还不会违章。最终小王虽然多等了5分钟，却比其他人早到20分钟，还少走了一半路程。

百度地图路线规划示意图

“多等5分钟少走半程路”的背后是一整套路线规划的复杂流程，算法为用户规划路线时，通常要经过路线规划、特征提取、路线筛选和路线排序四个步骤。如今用户的要求越来越高，仅仅是“当前时刻”的路线规划已经很难满足实际需求，但目前大部分地图导航还无法结合实际情况推荐出发时间和路线，导致用户常常白费了大量时间。百度地图这种通过预估未来交通状况并提供躲避拥堵、限行路线的方式，成了受欢迎的新趋势。换句话说，有了百度地图，人们出门前临时查找路线，却发现一路飙红“无路可走”的年代很快就要翻篇儿了。

那么，百度地图是如何改造路线规划的四个步骤，满足用户智能化出行需求的呢？

第一步 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。A*算法和CRP算法（基于剖分的路线规划算法）由于预处理时间较短、数据较小，天然具有快速编译及生效的优点，是面对此类问题的主流选择。

第二步 基于海量数据合理预测

有了完整的路线数据后，可以获得更加精确的预计到达时间，这也是算法进行后续决策的基础。由于预计到达时间与路况息息相关，二者都有着丰富的历史数据作为参考，在进行未来时间预估时，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。

第三步 借助通行规范筛选路线

路线筛选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。百度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，例如是否立即出发，还是等一段时间避开限行再出发。

第四步 “为用户着想”的路线排序

在向用户推荐3条最优路线时，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，例如上文中提到的“外地牌照如何走五环”和各种突发情况。

面对“即刻出发但要绕行的六环”和“等几分钟再出发的五环”该如何选择？百度地图一方面通过“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。另一方面，通过衡量不同路线的代价综合筛选。因为每个人对时间代价、距离代价的感受不同，意味着每条路线背后的算法模型，都在逐渐被“主人”养成个性化推荐，通过用户以往的驾驶行为和操作偏好，推荐更适合路线。

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”。举个例子，早上六点半一辆外地牌照的 汽车 行驶在北京的五环上时，一场交通事故导致了大面积堵车。这时路线规划将考虑到这一点，对于那些不能帮用户在规定时间内驶离五环的路线慎重考虑，排序中可能会放到更靠后的位置。并在导航过程中，不断检测前方通行状况判断用户是否有违规风险，并通过语音、图像提醒指引更合理的路线。

在这场算法跟道路信息之间的斗智斗勇中，百度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。