百度地图的算法
A. 百度地图准还是高德地图准，怎么相差这么多
根据我多年使用手机导航的经验来看，导航是否精准可以从两方面来分析：
1.定位的精准度
其实对于app来讲它们获取定位信息都是通过调用系统接口的方式来获取的，所以在定位的精准度方面完全依赖于手机硬件对定位的精准度，和app实际上是没多大关系的。
就目前市面上的手机来讲，gps定位可以说是非常精准了，基本误差都在3-5米内，可以达到能够判断你在公路的左边还是右边了。目前网络地图还未接入北斗卫星，据说北斗卫星的定位误差在1米以内，甚至可以判断你行驶在哪个车道！
2.对于路线规划的智能程度
对路线规划的智能程度就主要依赖app的算法了。一个是对道路信息的更新速度，另一个是对实时路况的收集和分析速度。个人认为网络地图对实时路况的手机和分析比高德地图做得更好，但是高德地图在道路信息收集方面比网络地图做得更加细腻，一些乡村小路、无名道路在高德地图上就能找到，反之在网络地图上可能就没有了。
综上所述，对于定位精准度来讲，网络地图和高德地图应该是不相上下。而在路线规划的智能程度上，两者各有优劣。我的建议就是：走农村（很多小路）就用高德地图，进城（多堵车路段）就用网络地图。
B. 现在的百度地图用的是北斗导航吗
网络地图只是一个定位导航软件工具，软件本身不决定用哪个定位系统。因此网络地图安装在不同的手机或者设备上，就会使用手机当前的定位系统，这是手机或者设备本身已有的定位系统决定的。即手机或者设备上有GPS就用GPS，有北斗系统就用北斗系统。
这些导航软件是根据手机本身提供的位置信息定位的。而手机本身的定位，是芯片经过解算得成的。至于手机芯片是用了哪家卫星的数据，用了哪个算法综合确定位置，普通用户不能进行具体操作。例如支持GPS、GLONASS、北斗等导航系统的手机，手机接收了以上系统的卫星数据，软件解算综合得到了位置数据，再提供需要位置服务的导航软件。
(2)百度地图的算法扩展阅读：
网络地图路网采集基于自动驾驶、无人驾驶，独创图像自动识别分析技术极大提升采集效率且保证每日更新采集数据 ；利用用户轨迹大数据，结合AI分析，突破轨迹匹配、分类等基础技术快速、精准挖掘真实世界中道路的通行变化。
大量用户轨迹打造智能路线规划模型，构建交通大脑；秒级路况更新实时推荐更优路线，实现智能避堵；未来出行，基于历史数据智能调整路线，引导用户选择错峰出行，躲避拥堵；长途天气提醒，途径城市天气一目了然，驾车更安心。
C. 百度地图或者谷歌地图中的关于公交转乘的算法是如何实现的
A*,根据数据特点做了很多工程上的优化
D. 百度地图的骑行导航是按多少迈计算的
目前的地图，网络手机地图9.7.1，为以12公里每小时计算。 而网络地图电脑版算法更加复杂，我粗略算了几个，是15公里每小时左右。
更准确：
AI化数据生产 加速产业升级网络地图80%数据采集环节实现AI化，是业内AI化水平最高，搭载的AI技术最强最丰富的地图厂商。
路况及时更新 时间准确预估与各地交警等合作，提供数据，交通信息及时更新；预测实时路况与耗时，准确预估到达时间；预测未来任一时刻的路况与耗时，提前规划行程；拥堵趋势精准预测，拥堵消散时间明确。
(4)百度地图的算法扩展阅读：
1、促进智慧交通的发展：
网络交通大脑是网络地图基于自身交通大数据、云计算与人工智能等技术优势，为城市交通量身打造的一整套行业解决方案。
2、网络地图慧眼助力智能城市建设：
提供城市研究、商圈分析、人群热力分布、人群洞察、目标人群识别、地块价值分析等多维服务，赋能政府、规划、房产、零售等多个行业。
E. 百度地图的路径搜索算法
这个还是要问程序猿，现在比较流行A*算法，至于网络是否开发出了新的算法不得而知，毕竟没有完全相同的程序。
给你看一篇文献：
地图中最短路径的搜索算法研究
学生:李小坤 导师：董峦
摘要：目前为止, 国内外大量专家学者对“最短路径问题”进行了深入的研究。本文通过理论分析, 结合实际应用，从各个方面较系统的比较广度优先搜索算法(BFS)、深度优先搜索算法(DFS)、A* 算法的优缺点。
关键词:最短路径算法；广度优先算法；深度优先算法；A*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：
最短路径问题是地理信息系统（GIS）网络分析的重要内容之一，而且在图论中也有着重要的意义。实际生活中许多问题都与“最短路径问题”有关, 比如: 网络路由选择, 集成电路设计、布线问题、电子导航、交通旅游等。本文应用深度优先算法，广度优先算法和A*算法，对一具体问题进行讨论和分析，比较三种算的的优缺点。
在地图中最短路径的搜索算法研究中，每种算法的优劣的比较原则主要遵循以下三点:[1]
(1)算法的完全性：提出一个问题，该问题存在答案，该算法能够保证找到相应的答案。算法的完全性强是算法性能优秀的指标之一。
(2)算法的时间复杂性: 提出一个问题，该算法需要多长时间可以找到相应的答案。算法速度的快慢是算法优劣的重要体现。
(3)算法的空间复杂性:算法在执行搜索问题答案的同时，需要多少存储空间。算法占用资源越少，算法的性能越好。
地图中最短路径的搜索算法:
1、广度优先算法
广度优先算法(Breadth-First-Search)，又称作宽度优先搜索，或横向优先搜索，是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型,Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。广度优先算法其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位址，彻底地搜索整张图，直到找到结果为止。BFS并不使用经验法则算法。
广度优先搜索算法伪代码如下：[2-3]
BFS(v)//广度优先搜索G，从顶点v开始执行
//所有已搜索的顶点i都标记为Visited(i)=1.
//Visited的初始分量值全为0
Visited(v)=1;
Q=[];//将Q初始化为只含有一个元素v的队列
while Q not null do
u=DelHead(Q);
for 邻接于u的所有顶点w do
if Visited(w)=0 then
AddQ(w,Q); //将w放于队列Q之尾
Visited(w)=1;
endif
endfor
endwhile
end BFS
这里调用了两个函数：AddQ(w,Q)是将w放于队列Q之尾；DelHead(Q)是从队列Q取第一个顶点，并将其从Q中删除。重复DelHead(Q)过程，直到队列Q空为止。
完全性：广度优先搜索算法具有完全性。这意指无论图形的种类如何，只要目标存在，则BFS一定会找到。然而，若目标不存在，且图为无限大，则BFS将不收敛（不会结束）。
时间复杂度：最差情形下，BFS必须寻找所有到可能节点的所有路径，因此其时间复杂度为,其中|V|是节点的数目，而 |E| 是图中边的数目。
空间复杂度：因为所有节点都必须被储存，因此BFS的空间复杂度为，其中|V|是节点的数目，而|E|是图中边的数目。另一种说法称BFS的空间复杂度为O(B),其中B是最大分支系数，而M是树的最长路径长度。由于对空间的大量需求，因此BFS并不适合解非常大的问题。[4-5]
2、深度优先算法
深度优先搜索算法（Depth First Search）英文缩写为DFS，属于一种回溯算法，正如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索图。[6]其过程简要来说是沿着顶点的邻点一直搜索下去，直到当前被搜索的顶点不再有未被访问的邻点为止，此时，从当前辈搜索的顶点原路返回到在它之前被搜索的访问的顶点，并以此顶点作为当前被搜索顶点。继续这样的过程，直至不能执行为止。
深度优先搜索算法的伪代码如下：[7]
DFS(v) //访问由v到达的所有顶点
Visited(v)=1;
for邻接于v的每个顶点w do
if Visited(w)=0 then
DFS(w);
endif
endfor
end DFS
作为搜索算法的一种，DFS对于寻找一个解的NP（包括NPC）问题作用很大。但是，搜索算法毕竟是时间复杂度是O(n!)的阶乘级算法，它的效率比较低，在数据规模变大时，这种算法就显得力不从心了。[8]关于深度优先搜索的效率问题，有多种解决方法。最具有通用性的是剪枝，也就是去除没有用的搜索分支。有可行性剪枝和最优性剪枝两种。
BFS:对于解决最短或最少问题特别有效，而且寻找深度小，但缺点是内存耗费量大（需要开大量的数组单元用来存储状态）。
DFS：对于解决遍历和求所有问题有效，对于问题搜索深度小的时候处理速度迅速，然而在深度很大的情况下效率不高。
3、A*算法
1968年的一篇论文，“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]从此，一种精巧、高效的算法——A*算法问世了，并在相关领域得到了广泛的应用。A* 算法其实是在宽度优先搜索的基础上引入了一个估价函数,每次并不是把所有可扩展的结点展开,而是利用估价函数对所有未展开的结点进行估价, 从而找出最应该被展开的结点,将其展开,直到找到目标节点为止。
A*算法主要搜索过程伪代码如下：[10]
创建两个表，OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点。
算起点的估价值;
将起点放入OPEN表;
while(OPEN!=NULL) //从OPEN表中取估价值f最小的节点n;
if(n节点==目标节点) break;
endif
for(当前节点n 的每个子节点X)
算X的估价值;
if(X in OPEN)
if(X的估价值小于OPEN表的估价值)
把n设置为X的父亲;
更新OPEN表中的估价值; //取最小路径的估价值;
endif
endif
if(X inCLOSE)
if( X的估价值小于CLOSE表的估价值)
把n设置为X的父亲;
更新CLOSE表中的估价值;
把X节点放入OPEN //取最小路径的估价值
endif
endif
if(X not inboth)
把n设置为X的父亲;
求X的估价值;
并将X插入OPEN表中; //还没有排序
endif
end for
将n节点插入CLOSE表中;
按照估价值将OPEN表中的节点排序; //实际上是比较OPEN表内节点f的大小，从最小路径的节点向下进行。
end while(OPEN!=NULL)
保存路径，即 从终点开始，每个节点沿着父节点移动直至起点，这就是你的路径；
A *算法分析：
DFS和BFS在展开子结点时均属于盲目型搜索，也就是说，它不会选择哪个结点在下一次搜索中更优而去跳转到该结点进行下一步的搜索。在运气不好的情形中，均需要试探完整个解集空间, 显然，只能适用于问题规模不大的搜索问题中。而A*算法与DFS和BFS这类盲目型搜索最大的不同，就在于当前搜索结点往下选择下一步结点时，可以通过一个启发函数来进行选择，选择代价最少的结点作为下一步搜索结点而跳转其上。[11]A *算法就是利用对问题的了解和对问题求解过程的了解, 寻求某种有利于问题求解的启发信息, 从而利用这些启发信息去搜索最优路径.它不用遍历整个地图, 而是每一步搜索都根据启发函数朝着某个方向搜索.当地图很大很复杂时, 它的计算复杂度大大优于D ijks tr a算法, 是一种搜索速度非常快、效率非常高的算法.但是, 相应的A*算法也有它的缺点.启发性信息是人为加入的, 有很大的主观性, 直接取决于操作者的经验, 对于不同的情形要用不同的启发信息和启发函数, 且他们的选取难度比较大,很大程度上找不到最优路径。
总结：
本文描述了最短路径算法的一些步骤，总结了每个算法的一些优缺点，以及算法之间的一些关系。对于BFS还是DFS，它们虽然好用，但由于时间和空间的局限性，以至于它们只能解决规模不大的问题，而最短或最少问题应该选用BFS,遍历和求所有问题时候则应该选用DFS。至于A*算法，它是一种启发式搜索算法，也是一种最好优先的算法，它适合于小规模、大规模以及超大规模的问题，但启发式搜索算法具有很大的主观性，它的优劣取决于编程者的经验，以及选用的启发式函数，所以用A*算法编写一个优秀的程序，难度相应是比较大的。每种算法都有自己的优缺点，对于不同的问题选择合理的算法，才是最好的方法。
参考文献：
[1]陈圣群,滕忠坚,洪亲,陈清华.四种最短路径算法实例分析[J].电脑知识与技术(学术交流),2007(16):1030-1032
[2]刘树林,尹玉妹.图的最短路径算法及其在网络中的应用[J].软件导刊,2011(07):51-53
[3]刘文海,徐荣聪.几种最短路径的算法及比较[J].福建电脑，2008(02）:9-12
[4]邓春燕.两种最短路径算法的比较[J].电脑知识与技术，2008（12）：511-513
[5]王苏男,宋伟,姜文生.最短路径算法的比较[J].系统工程与电子技术,1994(05)：43-49
[6]徐凤生,李天志.所有最短路径的求解算法[J].计算机工程与科学,2006(12)：83-84
[7]李臣波,刘润涛.一种基于Dijkstra的最短路径算法[J].哈尔滨理工大学学报,2008(03)：35-37
[8]徐凤生.求最短路径的新算法[J].计算机工程与科学,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]部亚松.VC++实现基于Dijkstra算法的最短路径[J].科技信息(科学教研),2008(18)：36-37
[11] 杨长保,王开义,马生忠.一种最短路径分析优化算法的实现[J]. 吉林大学学报(信息科学版),2002(02)：70-74
F. 百度手机地图是采用什么定位算法
定位算法？？还是第一次听说，定位无非是gps定位，基站定位，ip定位。。。。
然后网络地图使用的魔卡托投影算法进行的地图坐标映射，具体你可以网络下。
G. 百度地图排名算法是什么咋用的！
就是使用网络地图导航的里程数来计算机排名的
H. 如何利用百度地图api计算两点间的实际距离
public String getLatLngDistance(LatLng start, LatLng end){
//自己实现距离算法：
/**
* 计算两点之间距离
* @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);
//地球半径
double R = 6371.004;
//两点间距离 m，如果想要米的话，结果*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(); //数字格式化对象
if(dis < 1){ //当小于1千米的时候用,用米做单位保留一位小数
nFormat.setMaximumFractionDigits(1); //已可以设置为0，这样跟网络地图APP中计算的一样
dis *= 1000;
return nFormat.format(dis)+"m";
}else{
nFormat.setMaximumFractionDigits(2);
return nFormat.format(dis)+"km";
}
}
I. 百度地图android版，是如何做到通过基站定位到如此准确的
这是火星坐标系的原因..因为定位用的大多不是本国的卫星..定位出的坐标在中国不会准确..都会 有 在圆形范围内随机的 400 - 600米的偏移.我有一个解析火星坐标系的类.. 年前测试的时候 通过这个类 来 反算经纬度 还是非常准确的..只有10米左右的误差..但是不知道几年的火星算法更新没有...