百度地圖的演算法
A. 百度地圖准還是高德地圖准，怎麼相差這么多
根據我多年使用手機導航的經驗來看，導航是否精準可以從兩方面來分析：
1.定位的精準度
其實對於app來講它們獲取定位信息都是通過調用系統介面的方式來獲取的，所以在定位的精準度方面完全依賴於手機硬體對定位的精準度，和app實際上是沒多大關系的。
就目前市面上的手機來講，gps定位可以說是非常精準了，基本誤差都在3-5米內，可以達到能夠判斷你在公路的左邊還是右邊了。目前網路地圖還未接入北斗衛星，據說北斗衛星的定位誤差在1米以內，甚至可以判斷你行駛在哪個車道！
2.對於路線規劃的智能程度
對路線規劃的智能程度就主要依賴app的演算法了。一個是對道路信息的更新速度，另一個是對實時路況的收集和分析速度。個人認為網路地圖對實時路況的手機和分析比高德地圖做得更好，但是高德地圖在道路信息收集方面比網路地圖做得更加細膩，一些鄉村小路、無名道路在高德地圖上就能找到，反之在網路地圖上可能就沒有了。
綜上所述，對於定位精準度來講，網路地圖和高德地圖應該是不相上下。而在路線規劃的智能程度上，兩者各有優劣。我的建議就是：走農村（很多小路）就用高德地圖，進城（多堵車路段）就用網路地圖。
B. 現在的百度地圖用的是北斗導航嗎
網路地圖只是一個定位導航軟體工具，軟體本身不決定用哪個定位系統。因此網路地圖安裝在不同的手機或者設備上，就會使用手機當前的定位系統，這是手機或者設備本身已有的定位系統決定的。即手機或者設備上有GPS就用GPS，有北斗系統就用北斗系統。
這些導航軟體是根據手機本身提供的位置信息定位的。而手機本身的定位，是晶元經過解算得成的。至於手機晶元是用了哪家衛星的數據，用了哪個演算法綜合確定位置，普通用戶不能進行具體操作。例如支持GPS、GLONASS、北斗等導航系統的手機，手機接收了以上系統的衛星數據，軟體解算綜合得到了位置數據，再提供需要位置服務的導航軟體。
(2)百度地圖的演算法擴展閱讀：
網路地圖路網採集基於自動駕駛、無人駕駛，獨創圖像自動識別分析技術極大提升採集效率且保證每日更新採集數據 ；利用用戶軌跡大數據，結合AI分析，突破軌跡匹配、分類等基礎技術快速、精準挖掘真實世界中道路的通行變化。
大量用戶軌跡打造智能路線規劃模型，構建交通大腦；秒級路況更新實時推薦更優路線，實現智能避堵；未來出行，基於歷史數據智能調整路線，引導用戶選擇錯峰出行，躲避擁堵；長途天氣提醒，途徑城市天氣一目瞭然，駕車更安心。
C. 百度地圖或者谷歌地圖中的關於公交轉乘的演算法是如何實現的
A*,根據數據特點做了很多工程上的優化
D. 百度地圖的騎行導航是按多少邁計算的
目前的地圖，網路手機地圖9.7.1，為以12公里每小時計算。 而網路地圖電腦版演算法更加復雜，我粗略算了幾個，是15公里每小時左右。
更准確：
AI化數據生產 加速產業升級網路地圖80%數據採集環節實現AI化，是業內AI化水平最高，搭載的AI技術最強最豐富的地圖廠商。
路況及時更新 時間准確預估與各地交警等合作，提供數據，交通信息及時更新；預測實時路況與耗時，准確預估到達時間；預測未來任一時刻的路況與耗時，提前規劃行程；擁堵趨勢精準預測，擁堵消散時間明確。
(4)百度地圖的演算法擴展閱讀：
1、促進智慧交通的發展：
網路交通大腦是網路地圖基於自身交通大數據、雲計算與人工智慧等技術優勢，為城市交通量身打造的一整套行業解決方案。
2、網路地圖慧眼助力智能城市建設：
提供城市研究、商圈分析、人群熱力分布、人群洞察、目標人群識別、地塊價值分析等多維服務，賦能政府、規劃、房產、零售等多個行業。
E. 百度地圖的路徑搜索演算法
這個還是要問程序猿，現在比較流行A*演算法，至於網路是否開發出了新的演算法不得而知，畢竟沒有完全相同的程序。
給你看一篇文獻：
地圖中最短路徑的搜索演算法研究
學生:李小坤 導師：董巒
摘要：目前為止, 國內外大量專家學者對「最短路徑問題」進行了深入的研究。本文通過理論分析, 結合實際應用，從各個方面較系統的比較廣度優先搜索演算法(BFS)、深度優先搜索演算法(DFS)、A* 演算法的優缺點。
關鍵詞:最短路徑演算法；廣度優先演算法；深度優先演算法；A*演算法；
The shortest path of map's search algorithm
Abstract:So far, a large number of domestic and foreign experts and scholars on the" shortest path problem" in-depth study. In this paper, through theoretical analysis and practical application, comprise with the breadth-first search algorithm ( BFS ), depth-first search algorithm ( DFS ) and the A * algorithms from any aspects of systematic.
Key words: shortest path algorithm; breadth-first algorithm; algorithm; A * algorithm;
前言：
最短路徑問題是地理信息系統（GIS）網路分析的重要內容之一，而且在圖論中也有著重要的意義。實際生活中許多問題都與「最短路徑問題」有關, 比如: 網路路由選擇, 集成電路設計、布線問題、電子導航、交通旅遊等。本文應用深度優先演算法，廣度優先演算法和A*演算法，對一具體問題進行討論和分析，比較三種算的的優缺點。
在地圖中最短路徑的搜索演算法研究中，每種演算法的優劣的比較原則主要遵循以下三點:[1]
(1)演算法的完全性：提出一個問題，該問題存在答案，該演算法能夠保證找到相應的答案。演算法的完全性強是演算法性能優秀的指標之一。
(2)演算法的時間復雜性: 提出一個問題，該演算法需要多長時間可以找到相應的答案。演算法速度的快慢是演算法優劣的重要體現。
(3)演算法的空間復雜性:演算法在執行搜索問題答案的同時，需要多少存儲空間。演算法佔用資源越少，演算法的性能越好。
地圖中最短路徑的搜索演算法:
1、廣度優先演算法
廣度優先演算法(Breadth-First-Search)，又稱作寬度優先搜索，或橫向優先搜索，是最簡便的圖的搜索演算法之一，這一演算法也是很多重要的圖的演算法的原型,Dijkstra單源最短路徑演算法和Prim最小生成樹演算法都採用了和寬度優先搜索類似的思想。廣度優先演算法其別名又叫BFS，屬於一種盲目搜尋法，目的是系統地展開並檢查圖中的所有節點，以找尋結果。換句話說，它並不考慮結果的可能位址，徹底地搜索整張圖，直到找到結果為止。BFS並不使用經驗法則演算法。
廣度優先搜索演算法偽代碼如下：[2-3]
BFS(v)//廣度優先搜索G，從頂點v開始執行
//所有已搜索的頂點i都標記為Visited(i)=1.
//Visited的初始分量值全為0
Visited(v)=1;
Q=[];//將Q初始化為只含有一個元素v的隊列
while Q not null do
u=DelHead(Q);
for 鄰接於u的所有頂點w do
if Visited(w)=0 then
AddQ(w,Q); //將w放於隊列Q之尾
Visited(w)=1;
endif
endfor
endwhile
end BFS
這里調用了兩個函數：AddQ(w,Q)是將w放於隊列Q之尾；DelHead(Q)是從隊列Q取第一個頂點，並將其從Q中刪除。重復DelHead(Q)過程，直到隊列Q空為止。
完全性：廣度優先搜索演算法具有完全性。這意指無論圖形的種類如何，只要目標存在，則BFS一定會找到。然而，若目標不存在，且圖為無限大，則BFS將不收斂（不會結束）。
時間復雜度：最差情形下，BFS必須尋找所有到可能節點的所有路徑，因此其時間復雜度為,其中|V|是節點的數目，而 |E| 是圖中邊的數目。
空間復雜度：因為所有節點都必須被儲存，因此BFS的空間復雜度為，其中|V|是節點的數目，而|E|是圖中邊的數目。另一種說法稱BFS的空間復雜度為O(B),其中B是最大分支系數，而M是樹的最長路徑長度。由於對空間的大量需求，因此BFS並不適合解非常大的問題。[4-5]
2、深度優先演算法
深度優先搜索演算法（Depth First Search）英文縮寫為DFS，屬於一種回溯演算法，正如演算法名稱那樣，深度優先搜索所遵循的搜索策略是盡可能「深」地搜索圖。[6]其過程簡要來說是沿著頂點的鄰點一直搜索下去，直到當前被搜索的頂點不再有未被訪問的鄰點為止，此時，從當前輩搜索的頂點原路返回到在它之前被搜索的訪問的頂點，並以此頂點作為當前被搜索頂點。繼續這樣的過程，直至不能執行為止。
深度優先搜索演算法的偽代碼如下：[7]
DFS(v) //訪問由v到達的所有頂點
Visited(v)=1;
for鄰接於v的每個頂點w do
if Visited(w)=0 then
DFS(w);
endif
endfor
end DFS
作為搜索演算法的一種，DFS對於尋找一個解的NP（包括NPC）問題作用很大。但是，搜索演算法畢竟是時間復雜度是O(n!)的階乘級演算法，它的效率比較低，在數據規模變大時，這種演算法就顯得力不從心了。[8]關於深度優先搜索的效率問題，有多種解決方法。最具有通用性的是剪枝，也就是去除沒有用的搜索分支。有可行性剪枝和最優性剪枝兩種。
BFS:對於解決最短或最少問題特別有效，而且尋找深度小，但缺點是內存耗費量大（需要開大量的數組單元用來存儲狀態）。
DFS：對於解決遍歷和求所有問題有效，對於問題搜索深度小的時候處理速度迅速，然而在深度很大的情況下效率不高。
3、A*演算法
1968年的一篇論文，「P. E. Hart, N. J. Nilsson, and B. Raphael. A formal basis for the heuristic determination of minimum cost paths in graphs. IEEE Trans. Syst. Sci. and Cybernetics, SSC-4(2):100-107, 1968」。[9]從此，一種精巧、高效的演算法——A*演算法問世了，並在相關領域得到了廣泛的應用。A* 演算法其實是在寬度優先搜索的基礎上引入了一個估價函數,每次並不是把所有可擴展的結點展開,而是利用估價函數對所有未展開的結點進行估價, 從而找出最應該被展開的結點,將其展開,直到找到目標節點為止。
A*演算法主要搜索過程偽代碼如下：[10]
創建兩個表，OPEN表保存所有已生成而未考察的節點，CLOSED表中記錄已訪問過的節點。
算起點的估價值;
將起點放入OPEN表;
while(OPEN!=NULL) //從OPEN表中取估價值f最小的節點n;
if(n節點==目標節點) break;
endif
for(當前節點n 的每個子節點X)
算X的估價值;
if(X in OPEN)
if(X的估價值小於OPEN表的估價值)
把n設置為X的父親;
更新OPEN表中的估價值; //取最小路徑的估價值;
endif
endif
if(X inCLOSE)
if( X的估價值小於CLOSE表的估價值)
把n設置為X的父親;
更新CLOSE表中的估價值;
把X節點放入OPEN //取最小路徑的估價值
endif
endif
if(X not inboth)
把n設置為X的父親;
求X的估價值;
並將X插入OPEN表中; //還沒有排序
endif
end for
將n節點插入CLOSE表中;
按照估價值將OPEN表中的節點排序; //實際上是比較OPEN表內節點f的大小，從最小路徑的節點向下進行。
end while(OPEN!=NULL)
保存路徑，即 從終點開始，每個節點沿著父節點移動直至起點，這就是你的路徑；
A *演算法分析：
DFS和BFS在展開子結點時均屬於盲目型搜索，也就是說，它不會選擇哪個結點在下一次搜索中更優而去跳轉到該結點進行下一步的搜索。在運氣不好的情形中，均需要試探完整個解集空間, 顯然，只能適用於問題規模不大的搜索問題中。而A*演算法與DFS和BFS這類盲目型搜索最大的不同，就在於當前搜索結點往下選擇下一步結點時，可以通過一個啟發函數來進行選擇，選擇代價最少的結點作為下一步搜索結點而跳轉其上。[11]A *演算法就是利用對問題的了解和對問題求解過程的了解, 尋求某種有利於問題求解的啟發信息, 從而利用這些啟發信息去搜索最優路徑.它不用遍歷整個地圖, 而是每一步搜索都根據啟發函數朝著某個方向搜索.當地圖很大很復雜時, 它的計算復雜度大大優於D ijks tr a演算法, 是一種搜索速度非常快、效率非常高的演算法.但是, 相應的A*演算法也有它的缺點.啟發性信息是人為加入的, 有很大的主觀性, 直接取決於操作者的經驗, 對於不同的情形要用不同的啟發信息和啟發函數, 且他們的選取難度比較大,很大程度上找不到最優路徑。
總結：
本文描述了最短路徑演算法的一些步驟，總結了每個演算法的一些優缺點，以及演算法之間的一些關系。對於BFS還是DFS，它們雖然好用，但由於時間和空間的局限性，以至於它們只能解決規模不大的問題，而最短或最少問題應該選用BFS,遍歷和求所有問題時候則應該選用DFS。至於A*演算法，它是一種啟發式搜索演算法，也是一種最好優先的演算法，它適合於小規模、大規模以及超大規模的問題，但啟發式搜索演算法具有很大的主觀性，它的優劣取決於編程者的經驗，以及選用的啟發式函數，所以用A*演算法編寫一個優秀的程序，難度相應是比較大的。每種演算法都有自己的優缺點，對於不同的問題選擇合理的演算法，才是最好的方法。
參考文獻：
[1]陳聖群,滕忠堅,洪親,陳清華.四種最短路徑演算法實例分析[J].電腦知識與技術(學術交流),2007(16):1030-1032
[2]劉樹林,尹玉妹.圖的最短路徑演算法及其在網路中的應用[J].軟體導刊,2011(07):51-53
[3]劉文海,徐榮聰.幾種最短路徑的演算法及比較[J].福建電腦，2008(02）:9-12
[4]鄧春燕.兩種最短路徑演算法的比較[J].電腦知識與技術，2008（12）：511-513
[5]王蘇男,宋偉,姜文生.最短路徑演算法的比較[J].系統工程與電子技術,1994(05)：43-49
[6]徐鳳生,李天志.所有最短路徑的求解演算法[J].計算機工程與科學,2006(12)：83-84
[7]李臣波,劉潤濤.一種基於Dijkstra的最短路徑演算法[J].哈爾濱理工大學學報,2008(03)：35-37
[8]徐鳳生.求最短路徑的新演算法[J].計算機工程與科學,2006(02).
[9] YanchunShen . An improved Graph-based Depth-First algorithm and Dijkstra algorithm program of police patrol [J] . 2010 International Conference on Electrical Engineering and Automatic Control , 2010(3) : 73-77
[10]部亞松.VC++實現基於Dijkstra演算法的最短路徑[J].科技信息(科學教研),2008(18)：36-37
[11] 楊長保,王開義,馬生忠.一種最短路徑分析優化演算法的實現[J]. 吉林大學學報(信息科學版),2002(02)：70-74
F. 百度手機地圖是採用什麼定位演算法
定位演算法？？還是第一次聽說，定位無非是gps定位，基站定位，ip定位。。。。
然後網路地圖使用的魔卡托投影演算法進行的地圖坐標映射，具體你可以網路下。
G. 百度地圖排名演算法是什麼咋用的！
就是使用網路地圖導航的里程數來計算機排名的
H. 如何利用百度地圖api計算兩點間的實際距離
public String getLatLngDistance(LatLng start, LatLng end){
//自己實現距離演算法：
/**
* 計算兩點之間距離
* @param start
* @param end
* @return String 多少m , 多少km
*/
double lat1 = (Math.PI/180)*start.latitude;
double lat2 = (Math.PI/180)*end.latitude;
double lon1 = (Math.PI/180)*start.longitude;
double lon2 = (Math.PI/180)*end.longitude;
// double Lat1r = (Math.PI/180)*(gp1.getLatitudeE6()/1E6);
// double Lat2r = (Math.PI/180)*(gp2.getLatitudeE6()/1E6);
// double Lon1r = (Math.PI/180)*(gp1.getLongitudeE6()/1E6);
// double Lon2r = (Math.PI/180)*(gp2.getLongitudeE6()/1E6);
//地球半徑
double R = 6371.004;
//兩點間距離 m，如果想要米的話，結果*1000就可以了
double dis = Math.acos(Math.sin(lat1)*Math.sin(lat2)+Math.cos(lat1)*Math.cos(lat2)*Math.cos(lon2-lon1))*R;
NumberFormat nFormat = NumberFormat.getNumberInstance(); //數字格式化對象
if(dis < 1){ //當小於1千米的時候用,用米做單位保留一位小數
nFormat.setMaximumFractionDigits(1); //已可以設置為0，這樣跟網路地圖APP中計算的一樣
dis *= 1000;
return nFormat.format(dis)+"m";
}else{
nFormat.setMaximumFractionDigits(2);
return nFormat.format(dis)+"km";
}
}
I. 百度地圖android版，是如何做到通過基站定位到如此准確的
這是火星坐標系的原因..因為定位用的大多不是本國的衛星..定位出的坐標在中國不會准確..都會 有 在圓形范圍內隨機的 400 - 600米的偏移.我有一個解析火星坐標系的類.. 年前測試的時候 通過這個類 來 反算經緯度 還是非常准確的..只有10米左右的誤差..但是不知道幾年的火星演算法更新沒有...