مقدمه

جنوب شرق آسیا (SEA) بازاری پویا است که با سایر مناطق دنیا بسیار متفاوت است. در زمان سفر در جاده، شما ممکن است محدودیت‌های جاده که به سرعت تغییر می‌کنند، جاده‌های جدیدی که شبانه‌روزها ظاهر می‌شوند و ترافیک شدید را تجربه کنید. برای پاسخ به این چالش‌ها، GrabMaps با بهره‌گیری از راه حل‌های داده‌های بزرگ، به بازار SEA تطبیق پیدا کرده است. یکی از راه حل‌ها تلفیق داده‌های فوق محلی در GrabMaps است.

اطلاعات فوق محلی بر اساس جوامع جغرافیایی بسیار کوچک و از دانش محلی‌ای که تیم نقشه‌برداری ما جمع آوری می‌کند، تمرکز دارد. تیم نقشه‌برداری ما در سراسر منطقه SEA پراکنده است که به ما امکان می‌دهد مشخصات دقیقی را تعیین کنیم (مثلاً محدودیت سرعت قانونی) و اثبات کنیم که راه حل‌های ما قابلیت عملی دارند.

شکل ۱ - نقشه نمایشی نشان‌دهنده شناسایی‌ها از تصاویر و داده‌های پروب و داده‌های فوق محلی.

وارد کردن ورودی‌های فوق محلی باعث می‌شود داده‌های نقشه‌برداری ما قوی‌تر شوند و به جزئیاتی که از لوله‌های تشخیص تصویر و پروب جمع‌آوری می‌شود افزوده شوند. شکل ۱ نشان می‌دهد که چگونه داده‌های لوله‌های تشخیص ما با داده‌های فوق محلی تراکم می‌یابد و سپس در سراسر منطقه SEA نقشه‌برداری می‌شوند. اگر کنجکاو هستید و دوست دارید خودتان داده‌ها را بررسی کنید، می‌توانید آن را از اینجا دانلود کنید.

پردازش داده‌های فوق محلی

حالا بیایید فرایند شناسایی داده‌های فوق محلی را بررسی کنیم.

دانلود داده

GrabMaps براساس OpenStreetMap (OSM) است. اولین مرحله در فرایند، دانلود فایل .pbf برای آسیا از سایت geofabrick.de است. این فایل .pbf شامل تمام داده‌هایی است که در OSM در دسترس است، مانند جزئیات از مکان‌ها، درختان و جاده‌ها. به عنوان مثال برای یک پارک، فایل .pbf شامل داده‌هایی از نام پارک، دسترسی به ویلچر و بسیاری دیگر است.

برای این مقاله، ما بر روی داده‌های فوق محلی مربوط به شبکه جاده تمرکز خواهیم کرد. برای هر جاده، می‌توانید اطلاعاتی مانند نوع جاده (مسکونی یا بزرگراه)، جهت ترافیک (یک‌طرفه یا بیشتر) و نام جاده را دریافت کنید.

تبدیل داده

برای استفاده از محاسبات داده‌های بزرگ، مرحله بعدی در فرآیند تبدیل فایل .pbf به پرونده Parquet با استفاده از یک Parquetizer است. این کار باعث تبدیل داده‌های دودویی موجود در فایل .pbf به یک قالب جدول می‌شود. هر جاده در SEA در قالب یک ردیف در یک جدول نشان داده می‌شود که در شکل ۲ نمایش داده شده است.

شناسایی داده‌های فوق محلی

پس از آماده‌سازی داده‌ها، GrabMaps سپس همه داده‌های فوق محلی را شناسایی و وارد خدمات پایین دست خود می‌کند و یک دید تجمیعی را ارائه می‌دهد. داده‌های فوق محلی ما از منابع مختلف به دست می‌آیند، با نگاه به هندسه یا ویژگی‌های دیگر در OSM مانند جهت حرکت و محدودیت سرعت. ما همچنین قوانین سفارشی تعریف شده توسط تیم نقشه‌برداری محلی خود را به طور کاملاً خودکار اعمال می‌کنیم. این باعث بهبود نقشه همراه با داده‌های جمع‌آوری شده از سیستم GPS رانندگی و تحویل ما و از KartaView، محصول Grab برای جمع‌آوری تصاویر، می‌شود.

مزیت داده‌های فوق محلی GrabMaps ما

GrabNav، ابزار مسیریابی با دور به دوری در اپ راننده، یکی از محصولات ماست که از داشتن داده‌های فوق محلی بهره می‌برد. در ادامه خبرهای فوق محلی ای که از طریق رویکرد ما در دسترس است آورده شده است:

    موقعیت جغرافیایی جاده: کشور، ایالت/شهر یا شهری که جاده در آن قرار داردزبان صحبت، سمت رانندگی و محدودیت سرعتمقررات سرعت پیش‌فرض منطقه مشخصاستفاده همگرا از نام با استفاده از استنتاج زبانصفات پیچیده مانند پیوندهای تقاطع

برای توضیحات بیشتر در مورد مزیت این ویژگی فوق محلی، از پیوندهای تقاطع به عنوان مثال استفاده می‌کنیم. در بخش بعدی، توضیح می‌دهیم که چگونه داده‌های پیوندهای تقاطع استفاده می‌شود و چگونه بر روی رانندگان و مسافران ما تأثیر می‌گذارد.

شناسایی داده‌های فوق محلی - پیوندهای تقاطع

پیوند تقاطع زمانی است که دو یا چند جاده به هم می‌رسند. شکل ۴ و ۵ نشان می‌دهند یک پیوند تقاطع در یک نقشه تقلبی GrabMaps و در OSM چگونه به نظر می‌رسد.

برای پیدا کردن پیوندهای تقاطع در شبکه جاده، محاسباتی وجود دارد. ابتدا ما پردازش داده‌های بزرگ را که با استفاده از Spark انجام می‌دهیم، با گرافها ترکیب می‌کنیم. ما از geohash به عنوان واحد پردازش استفاده می‌کنیم و برای هر geohash یک گراف دوطرفه ایجاد می‌شود.

از چنین گرافهای حاصل، می‌توانیم پیوندهای تقاطع را تعیین کنیم اگر:

    قطعه جاده‌ها موازی هستندجاده‌ها هم نام هستندجاده‌ها جاده‌های یک طرفه هستندزاویه ها و شکل جاده در بازه یا نیازهای ما باشند

هر پیوند تقاطعی که شناسایی می‌کنیم، به عنوان پیوندهای تقاطع در نقشه با برچسب intersection_links نشان داده می‌شود. تیم خدماتی پایین دست ما می‌توانند سپس آنها را با جستجوی برچسب شناسایی کنند.

تأثیر

تأثیری که با ایجاد پیوندهای تقاطع به وجود می‌آوریم را می‌توان از طریق مثال زیر توضیح داد.

شکل ۶ و شکل ۷ دو مسیر متفاوت برای یک مبدأ و مقصد مشابه نشان می‌دهند. با این حال، می‌توانید مشاهده کنید که شکل ۷ یک مسیر کوتاه‌تر دارد و این امکان با انجام یک پیوند تقاطع در ابتدای مسیر فراهم می‌شود. قطعه جاده مشخص شده در شکل ۷ یک پیوند تقاطع است که توسط فرایندی که قبلاً توضیح دادیم، برچسب گذاری می‌شود. حالا مسیر بسیار کوتاه‌تر است و باعث می‌شود GrabNav در پیشنهاد مسیر خود بهتر عمل کند.

عوامل بسیاری می‌توانند بر سفر یک راننده تأثیر بگذارند و پیوندهای تقاطع فقط یک مثال است. امکانات بسیاری که GrabMaps برای خدمات Grab ارائه می‌دهد وجود دارد که به ما امکان می‌دهد تا در خدمت رسانی به رانندگان خود «بیشترین خدمت را ارائه دهیم».

نتیجه‌گیری

GrabMaps و GrabNav تجربیات غنی‌تری را برای رانندگان خود ارائه می‌دهند. با تلفیق ویژگی‌های خاص داده‌های فوق محلی، ما همچنین قادر به ارائه قیمت دقیق‌تر برای هر دوی رانندگان و مسافران خود هستیم. در مسیر رشد پایدار خود، این یک حوزه است که با بهره‌گیری از راه‌حل‌های فناورانه قابل ارتقا خواهیم بود.

به ما بپیوندید

مجله زیبایی و درمانی آذروت یک پلت فرم superapp پیشرو در جنوب شرق آسیا است که خدمات روزمره‌ای که برای مصرف‌کنندگان اهمیت دارند را ارائه می‌دهد. این اپلیکیشن تنها یک اپلیکیشن سفارش اتومبیل و تحویل غذا نیست، بلکه خدمات متنوعی را در منطقه ارائه می‌دهد، از جمله خدمات حمل و نقل، غذا، پیک و خرید خدمات بسته ای و خرید محصولات خوراکی، پرداخت‌های تلفن همراه و خدمات مالی در ۴۲۸ شهر در هشت کشور.

با قدرت فناوری و با احساس، ماموریت ما این است که جنوب شرق آسیا را به جلو ببریم و برای همه به ایجاد قدرت اقتصادی بپردازیم. اگر این ماموریت برای شما جذاب است، امروز به تیم ما بپیوندید!




-1157