【智能语音】导航背后的算法是什么
二十年前开车还是靠一张地图走天下，现在如果没有导航几乎是寸步难行了，早期导航还存在一些缺陷，现在的导航还是非常靠谱的，绝大多数情况下不会出错。
导航的核心任务是在地图上找到一条从起点到终点的路径，称为路径规划。最简单的路径规则是找到一条从起点到终点的“最短路径”。Dijkstra算法是一个经典的最短路径搜索算法。如图1所示，这一算法的基本思路是从起点开始，每次取当前所有路径中的最短路径进行扩展，并对扩展得到的节点更新其最短路径方案。这一扩展直到找到终点为止。
例如，如果当前的最短路径的终节点是A，那么扩展A到B；如果B以前没有被扩展过，那么由A扩展出的路径就是目前到达B的最短路径；否则就要比较一下由这条由A扩到B的新路径和原来记录的到B最短路径哪个更短，并选择更短的那条记录下来。这事实上是一个动态规划算法。
图1：Dijkstra算法[1]
Dijkstra算法由波兰计算机学家EdsgerW.Dijkstra于1956提出。这一算法是“精确”的，意思是如果起点和目标之间确实是连通的，那么肯定能找到一条路径，且这条路径一定是最短的。但是，Dijkstra算法的效率不高，如果图很大而起点和终点之间距离较远，Dijkstra算法会很慢，因为它要对很多节点进行扩展。例如我们想规划一条从北京到上海的最短路径，如果用Dijkstra算法来做，它几乎会把北京到周围城市的所有路径都找一遍，如图2所示。
图2：Dijkstra算法效率较低[2]
Dijkstra之所以效率不高，因为它是一种“盲目搜索”，在搜索时没有用到目的地信息，而是盲目地选择最短路径进行扩展。要用到目的地信息，可以从起始点和终点同时运行Dijkastra，直到他们在中间会师。还有一种办法是在搜索时考虑终点位置，选择那些往目的地靠近的节点进行扩展。
A*即是这样一种算法，它在选择扩展哪条路径时首先“估计”一下当前节点离终点的距离h，并将已经扩展的路径长度m和这个距离估计h加起来，选择h+m最小的路径进行扩展。算法中的h称为启发信息，这一信息指导算法始终往终点方向进行搜索。A*算法要求估计值h小于当前节点到终点的实际路径长度。研究表明，在这一条件下，算法找到的一定是最短路径。
图3：A*算法效率较高[3]
Dijkstra和A*只是基础算法，在实际导航系统中还需要做很多工作。比如如何对地图分层以实现快速规划；如何对热点目标的规划进行暂存，以供大量用户并发访问；如何加入用户需求，例如速度更快，红灯更少等；如何依路况及时更新路径；如何进行群体调度以平衡交通负载，开辟应急车道等等。总之，现在的导航系统已经不仅是人们出行的智能向导，还是一个可信赖的城市交通调度员。
语音之家助力AI语音开发者的社区