- 综合排序
- 最热优先
- 最新优先
依托海量位置数据底座，提升嘀嗒出行全链路司乘匹配与运营效能
为保障司乘核心体验，平台亟需获取更加精准、实时、完备的高质量地图数据（涵盖定位、导航、路网等方面），并希望结合 AI 算法能力进行定制化开发，以打造网约融合一体的新型移动出行方式。 优化 ETA 与路径规划，提升司乘接驾与计费准确率 通过双向共建，嘀嗒出行在核心业务环节实现了量化的服务效能提升： 智能路径规划与计费升级： 基于腾讯底座升级原有路径规划能力，显著提升了 ETA（预估到达时间 ） 和 预估里程费用 的准确度，使多人合乘接驾送驾顺序更加合理。 接驾效率与推荐精准度提升： 结合实时位置数据与嘀嗒算法，实现上车点精准推荐，缩短司乘碰头时间，解决定位不准导致的司乘汇合困难问题。 服务透明化与安全监控： 实现司乘两端位置、驾驶路线、当前路况、剩余里程及时间、订单状态的实时同步，消除等待焦虑，降低行程后客诉率。
7410编辑于 2026-05-30- 来自专栏葡萄城控件技术团队
ActiveReports 大数据分析报告：公交车司乘冲突引发的刑事案件
公交车司乘冲突刑事案件总体情况 公交车司乘冲突引发的刑事案件总量稳中有升 (注：本报告界定的“公交车司乘冲突刑事案件”，是指案件诱因为公交车司机与乘客在乘车过程中发生冲突而引发的刑事案件。 2016年1月1日至2018年10月31日，全国各级人民法院一审审结的公交车司乘冲突刑事案件共计223件。 一线和二三四线城市案件量下降趋势明显，新一线和五六线及以下城市增长趋势明显 案件被告中，近七成为乘客，约二成为公交司机 在公交车司乘冲突刑事案件中，被告人身份及占比分别为：乘客（69.96%），司机 公交车行驶中司乘冲突刑事案件特征 超五成案件发生在车辆行驶过程中， 46.40%的案件有“紧急停车”情形 公交车司乘冲突刑事案件中，88.79%的案件发生在运营过程中，54.51%的案件发生在车辆行驶过程中 在公交车行驶中司乘冲突刑事案件部分，46.40%的案件公交车司机主动采取了“紧急停车”措施应对冲突。
2.3K50发布于 2018-11-23 - 来自专栏ml
大数乘大数
1 /*coder @Gxjun*/ 2 #include<stdio.h> 3 #include<string.h> 4 #include<stdlib.h> 5 #define maxn 10000 6 char rx[16]; /*既然是实数，那么就精确到16位吧*/ 7 int ans[maxn],nx[17],tem[maxn],cc[maxn]; 8 int main( void ) 9 { 10 int n,i,po=0,j,cnt,k; 11 print
84760发布于 2018-03-22 - 来自专栏全栈程序员必看
向量的点乘和叉乘
如 【点乘】 在数学中，数量积（dot product; scalar product，也称为点积）是接受在实数R上的两个向量并返回一个实数值标量的二元运算。它是欧几里得空间的标准内积。 【叉乘】 向量积，数学中又称外积、叉积，物理中称矢积、叉乘，是一种在向量空间中向量的二元运算。与点积不同，它的运算结果是一个向量而不是一个标量。并且两个向量的叉积与这两个向量和垂直。 性质 几何意义及其运用 叉积的长度 |a×b| 可以解释成这两个叉乘向量a,b共起点时，所构成平行四边形的面积。 两个非零向量a和b平行，当且仅当a×b=0 拉格朗日公式 这是一个著名的公式，而且非常有用： a×（b×c）=b(a·c) -c(a·b), 证明过程如下： 二重向量叉乘化简公式及证明 可以简单地记成
6.7K10编辑于 2022-09-20 - 来自专栏Zaqdt_ACM
快速乘
时间复杂度为O(1)的两个数相乘结果超过long long取模的快速运算
85640发布于 2019-01-11 - 来自专栏用户10004205的专栏
Unity 通过向量点乘叉乘判断方位
UnityEngine; public class Foo : MonoBehaviour { public Transform A; public Transform B; //叉乘结果
1.2K30编辑于 2022-08-29 - 来自专栏码海
我司也裁员了！！
是的，你没看错，我司也裁员了，上周刚送走了两位同事，说实话还挺伤感的，但是没办法，我们新业务还未盈利，花销还比较大，支撑公司的老业务现金流今年也是下降了不少，为了活下去，为了保障公司 18 个月的安全现金流 这次裁员后我们业务进行了比较大的调整，所有人员（包括技术）先投入到业务中，先把业务干成，然后再考虑技术的事，于是技术也成了运营人员，也成了产品经理，也都要优先去思考怎样的运营玩法，产品设计能带来高效的业务增长，当然了我司是创业公司
96030编辑于 2022-12-18 - 来自专栏全栈程序员必看
Unity 点乘和叉乘的原理和使用
Unity当中经常会用到向量的运算来计算目标的方位，朝向，角度等相关数据，下面咱们来通过实例学习下Unity当中最常用的点乘和叉乘的使用。 性质2： a*b = b*a 满足乘法交换律 Unity项目应用： 1.根据点乘计算两个向量的夹角。 叉乘的右手定则是用来确定叉乘积的方向的。 右手法则：右手的四指方向指向第一个矢量,屈向叉乘矢量的夹角方向（两个矢量夹角方向取小于180°的方向）,那么此时大拇指方向就是叉乘所得的叉乘矢量的方向. （大拇指应与食指成九十度）（注意：Unity当中使用左手，因为Unity使用的是左手坐标系） 数学上叉乘的右手法则 Unity当中叉乘的左手法则 Unity项目应用： 1.根据叉乘得到a，b向量的相对位置 简单的说: 点乘判断角度，叉乘判断方向。 形象的说: 当一个敌人在你身后的时候，叉乘可以判断你是往左转还是往右转更好的转向敌人，点乘得到你当前的面朝向的方向和你到敌人的方向的所成的角度大小。
2.5K10编辑于 2022-11-03 提升网约车运营效能：腾讯地图位置服务全链路解决方案
具体瓶颈体现在： 定位与接驾效率低： 司乘定位不准导致接驾点匹配困难，增加沟通成本与等待时间。 路线规划与费用预估不精准： ETA（预估到达时间）和里程费用计算偏差大，影响用户信任并易引发费用争议。 业务功能层： 提供司乘同显、推荐上车点、周边运力查询等专用SDK/API，并支持车辆/订单信息同步。 提升接驾精度与效率： 精准的定位能力使下单和接驾位置更加精准，有效减少了司乘双方因位置不准产生的等待与沟通成本。 优化路径规划准确性： 基于高质量路网数据，助力嘀嗒打造专属路径规划能力，使ETA（预估到达时间）和预估里程费用都更准，多人合乘的接驾送驾顺序更合理。 增强司乘安全感与体验： 司乘同显功能确保双方能实时查看对方位置与路线，行程中乘客可实时掌握路况、剩余里程与ETA，保障了司乘体验和安全。
3410编辑于 2026-05-30腾讯位置服务概要
痛点：司乘定位不准（接驾效率低）、路线规划不合理（ETA误差大）、多平台订单融合难（客诉率高）、代驾功能缺失（业务拓展受限）。 三、应用框架和功能介绍 （一）功能框架 1. 场景化产品矩阵： 物流场景：地点搜索、地址解析（智能地址解析精确到单元）、货车路线规划、批量距离矩阵、轨迹云（轨迹优化/存储）； 出行场景：司乘同显SDK、导航SDK、派单建议API、轨迹优化补偿 模块化拼装与去黑盒组件：网约车能力组件（推荐上车点、司乘同显等）可自由组合，缩短新场景上线周期（据轩驰智行案例，二开成本显著降低）。 客户：轩驰智行（网约车聚合SaaS平台） 背景：需灵活组合网约车功能模块（推荐上车点、司乘同显等），降低二开成本。 解决方案：提供去黑盒化组件（司乘同显拆分为多组件），支持自由组合。 解决方案：提供上下车点、司乘接洽、派单线路、导航等全流程解决方案。 成效：司乘同显更准确实时，行程信息透明化，安全保障增强。 （二）智慧物流 1.
29010编辑于 2026-04-11腾讯位置服务 Robotaxi 解决方案：以精准上车点与实时同显技术提升自动驾驶出行安全与效率
提供智能上车点推荐与端到端司乘同显能力 腾讯位置服务为 Robotaxi 企业定制两大核心能力： Robotaxi 智能上车点推荐：基于日均 25亿+公里 出行轨迹、8000万+ POI 点及实时路况数据 手机-车机端到端司乘同显：实现车辆位置（秒级更新）、行驶路线、动态ETA、订单状态等信息的双向同步，并提供小车沿路线平移动画效果。 上车点匹配率提升至 95%+，确保安全合规停靠。 车机端对接周期从数月缩短至数周，降低开发与运维成本。 undefined司乘同显功能使乘客全程可视车辆位置、路线及ETA，显著提升信任感和复购意愿。 某头部 Robotaxi 运营商落地案例 该运营商通过腾讯位置服务接入智能上车点与司乘同显能力后，不仅优化了接驾流程，还大幅降低了因信息不透明导致的客诉率。
12610编辑于 2026-05-02- 来自专栏网络安全观
详解工信部司局明年重点工作和思路(科技司、运行局、中小企业局、节能司、安全司)
(本文包括科技司、运行监测协调局、中小企业局、节能与综合利用司、安全生产司) 01 科技司：聚焦技术创新 推动工业和信息化科技工作取得新成效 工业和信息化部科技司司长 陈因 ? 科技司认真学习党的十九大精神，贯彻落实新发展理念，坚持创新驱动，聚焦技术创新，突出提质增效，夯实基础支撑，强化协同配合，推进产业技术创新体系建设，努力推动工业和信息化领域科技工作取得新成效。 2018年工作思路和目标 2018年，科技司将按照部党组决策部署，学习贯彻落实党的十九大精神，以习近平新时代中国特色社会主义思想为指导，以深化供给侧结构性改革为主线，贯彻新发展理念，按照高质量发展的要求 04 节能与综合利用司：深入实施绿色制造工程 全面推进工业绿色发展 工业和信息化部节能与综合利用司司长高云虎 ? 05 安全生产司：强基础抓改革奋力开启安全发展新征程 工业和信息化部安全生产司（国家履行《禁止化学武器公约》工作办公室）司长金鑫 ?
1.4K20发布于 2021-02-25 腾讯地图位置服务 (LBS) 技术架构、核心能力与行业应用白皮书摘要
行业产品：网约车（司乘同显、派单调度）、物流图（货车导航、门址服务）、景区图（文旅通、手绘/3D图）、室内图（室内导航、AR导航）、专网服务。 嘀嗒出行 背景：专注顺风车/出租车的共享出行平台，需提升司乘撮合效率与扬招网约融合体验，降低司乘汇合困难。 成效：司乘接驾位置更加精准，ETA 及里程费用预估更准，实现多人合乘接驾送驾顺序最优化。 2. 如祺出行 背景：广汽集团旗下网约车及 Robotaxi 平台，需要高度稳定的地图服务以支撑司乘端一致性体验及调度系统。 成效：提升地址输入的快速解析映射能力，提升司货匹配及派单效率，保障平台高效履约。 7. 某头部物流央企 背景：国内快递龙头，核心分拣、寄递、车管系统亟待升级，需提高末端配送与运营管理效率。
13700编辑于 2026-05-29- 来自专栏代码编写世界
最小二乘问题详解1：线性最小二乘
笔者之前对最小二乘问题也只是一知半解，这里就详细学习总结一下。 2. 最小二乘 2.1 定义 最小二乘是一种从有误差的数据中寻找最佳拟合模型的数学方法，它的核心思想是让模型的预测值与实际观测值之间的“误差平方和”最小。 2.2 线性 最小二乘问题可以分为线性最小二乘和非线性最小二乘来讨论。首先，我们先来讨论一个比较本质的问题，什么叫做线性？ 因此，要研究最小二乘，首先需要理解线性最小二乘。 3. 线性最小二乘 3.1 定义 需要明确指出的是，问题模型的线性还是非线性，是相对于待定参数 \theta 而言的，而不是已知参数 x 。 A^T A 是方阵，在满秩的情况下可以求逆矩阵，其解为： \theta^* = (A^T A)^{-1} A^T b \tag{3} 这个解其实就是最小二乘公式(2)的解，即最小二乘解。
55310编辑于 2025-09-27 - 来自专栏AI算法与图像处理
爆料下各司年终奖
各个公司的年终奖大多尘埃落定了，有人欢喜有人愁，汇总了一波，给大家分享一下，之后如果有求职、跳槽的打算，可以作为部分参考信息。
1K20编辑于 2023-02-28 - 来自专栏NLP小白的学习历程
python numpy中点乘，星乘（*）和np.dot的区别
array([[19, 22], [43, 50]]) numpy.dot(b,a) >>>array([[23, 34], [31, 46]]) 总结： 星乘表示矩阵内各对应位置相乘 ，矩阵a*b下标(0,0)=矩阵a下标(0,0) x 矩阵b下标(0,0)； 点乘表示求矩阵内积，二维数组称为矩阵积（mastrix product）。
4.7K40发布于 2020-11-13 - 来自专栏星河造梦坊专栏
Unity精华☀️点乘、叉乘终极教程：用《小小梦魇》讲解这个面试题~
面试官： 请讲解一下你对Unity中点乘和叉乘的理解。 我： 额。。点乘和叉乘。。它们可以用来判断方位。。。 今天我们就来针对这个问题好好唠一唠，点乘和叉乘使用场景是什么，到底该怎样使用点乘叉乘。 3️⃣ 推导过程 根据我们高中学的公式 ：a · b = |a|*|b| cosθ，θ∈（0,180） 那么： θ∈（0，90）即面向，点乘结果>0 θ∈（90，180）即背向， 点乘结果<0 那么我们只要判断点乘的结果 知识点： 点乘的结果是float类型 叉乘的结果还是向量 4️⃣ Unity代码 Unity中代码如下： public Transform trans00; public Transform 其实这个点乘和叉乘都能判断角度。 因为： 点乘： a · b = |a|*|b| cosθ 叉乘： |aXb| = |a|*|b|*sinθ 但大家都用点乘来做，那我们也用点乘吧。
63710编辑于 2024-08-15 - 来自专栏代码编写世界
最小二乘问题详解3：线性最小二乘实例
引言 在上一篇文章《最小二乘问题详解2：线性最小二乘求解》中笔者详细介绍了如何求解线性最小二乘问题，一般使用QR分解或者SVD分解法，这里笔者就实现一个具体的案例来验证一下。 2. 这也是笔者在《最小二乘问题详解1：线性最小二乘》中强调的一点：最小二乘问题是线性还是非线性，需要通过待定值来判断。 使用 Eigen 求解最小二乘 // ======================== Vector4d theta_x = A_x.colPivHouseholderQr().solve(b_x 本例使用的QR分解法求解的线性最小二乘问题，如果想使用SVD也很简单，可以将colPivHouseholderQr替换成如下接口： Vector4d theta_x = A_x.bdcSvd(Eigen 精度 3.1 引出 虽然把最小二乘解求出来了，不过笔者更加关心一个问题，那就是求解的精度是多少？
41610编辑于 2025-10-16 - 来自专栏代码编写世界
最小二乘问题详解7：正则化最小二乘
引言 在之前的文章《最小二乘问题详解4：非线性最小二乘》、《最小二乘问题详解5：非线性最小二乘求解实例》和《最小二乘问题详解6：梯度下降法》中分别介绍了使用Gauss-Newton方法（简称GN方法）和梯度下降法求解最小二乘问题之后 问题 复习《最小二乘问题详解2：线性最小二乘求解》中讨论的标准线性最小二乘问题： \min_{\theta} \|A\theta - b\|^2 其解为正规方程 A^T A \theta = A^T 过拟合（Overfitting）： 当模型参数过多或特征维度很高时，标准最小二乘倾向于拟合训练数据中的噪声，导致泛化能力差。 5.1 QR分解 将正则化最小二乘问题转化为一个更大的最小二乘问题： \min_{\theta} \left\| \begin{bmatrix} A \\ \sqrt{\lambda} I \end{bmatrix 实例 如果线性最小二乘问题的设计矩阵 A 接近线性相关，那么普通方法求得的解不稳定，可以使用岭估计来给出稳定解。
51710编辑于 2025-11-01 - 来自专栏代码编写世界
最小二乘问题详解4：非线性最小二乘
引言 在论述最小二乘问题的时候，很多文章都喜欢用拟合直线来举例，但是在现实中像拟合直线这样的线性最小二乘问题往往不是常态，现实世界中更多是像投影成像这种非线性最小二乘问题。 不过，在继续阅读本文之前，一定要先理解之前的3篇文章，因为线性最小二乘是求解非线性最小二乘问题的基础： 《最小二乘问题详解1：线性最小二乘》 《最小二乘问题详解2：线性最小二乘求解》 《最小二乘问题详解 3：线性最小二乘实例》 2. 这就是我们说的非线性最小二乘求解的基础是线性最小二乘的原因了，非线性最小二乘问题的每次迭代过程就是一个线性最小二乘子问题。 非线性最小二乘与线性最小二乘求解过程的对比如下： 特性 线性最小二乘 非线性最小二乘（Gauss-Newton） 模型 \(f(x; \theta) = A \theta\) \(f(x; \theta
48510编辑于 2025-10-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号