入职新公司以来的第一项任务就是参与原有导航系统的重构。原有的导航系统基本上就是在高德地图API的基础上做了一次封装，现在希望能慢慢建立自己的导航系统。
一般来说，导航系统可分为以下部分：
1、地理基础数据。包括地图、天气数据、交通数据、行政规划数据等。国外来看的话，地图数据较为开放。国内的话，地图数据的保密性比较高。一般具有测绘资质的公司才有资格进行地图测绘，拥有地图数据。获取地理基础数据的通道就是通过这些公司，例如高德、百度等。或者有些有钱的直接购买地图数据，但是这样一来地图更新的难度就比较大了。另外一方面，可以通过开源地图的方式获取地理数据，通过OSM（Open Street Map）等平台可以下载数据，但是这些数据在精度的和实时性上是没有办法保证的。（数据下载地址： http://download.geofabrik.de/）；
2、底层算法实现。当我们拥有地图数据的时候，就要考虑如何通过相关的算法实现例如：最短时间、最短距离、最低成本等功能。这些都可看做为导航系统的基础功能。说道最短理解算法，不得不提到的是迪杰斯特拉算法，可以算法最短路径算法鼻祖一般的存在。但是由于其本身的效率问题，在工业应该中往往不会直接使用迪杰斯特拉算法，而是对算法进行改进。目前应用比较多的有：A*算法，CH(Contraction Hierarchies)算法，以及由微软硅谷研究院三名工程师提出的Crp(customizable route planning) 算法，这个算法目前被应用在Bing地图中。
3、业务系统实现。有了地理基础数据，并且实现了算法之后，你就可以结合实际的业务需求，真正开始导航系统的开发。
分析完导航系统的组成部门之后，我们来探讨以下具体的实现方案。我将实现方案分为三种：
1、完全借助第三方API来实现，借由第三方的地图数据和算法接口实现，例如上面提到高德以及百度API。优点：开发难度低，地图数据更新效率高，算法应用较为成熟，精度度高；缺点：财力成本大，核心技术难以掌握，对第三方依赖大，难以加入具有本身特色的导航系统，因为是通过远程web服务调用实现的，请求响应速度无法保证；
2、借助第三方提供的地图数据，自己完成算法和业务逻辑实现。优点：开发财力成本低，核心算法实现自己掌握，可加入自身已有运营数据，本地部署服务，响应速度快；缺点：开发技术难度较大，人力成本高，算法实现效率可能需要稳步提升；
3、借助开发数据和自身已有运营数据整合为地理基础数据，自己实现算法。优点：导航系统架构自己控制，无需额外购买第三方资源，缺点：地图数据准确性无法保证，开发技术难度大。
在具体的实现中，可以根据自己公司的特色进行导航系统的开发。个人比较倾向于第二种方案。此外，这里推荐一些开源的地图导航算法库：
https://wiki.openstreetmap.org/wiki/Routing，对基于OSM数据的导航实现库进行了一个总结，开源在这里找到很多有用的资源；
推荐两个不错的开源库：
OSRM（Open Source Routing Machine），https://github.com/Project-OSRM/osrm-backend
C++编写的导航路径计算库。给定两个地理坐标，通过OSRM可以计算其间的路径、距离、交通时间，并提供 HTTP 和 C++ 的接口，提供的服务：
Nearest ：根据坐标查找最近的匹配目标；
Route：查找坐标间最快的路径
Table ：计算路径上坐标之间的时间和距离
Match：捕捉GPS噪点
Trip：旅行商问题(Travelling SalesMan problem)，寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本。
Tile ：生成Mapbox矢量切片
优点：
导航文本支持中文，支持汽车、自行车、步行模式，也可以通过profile定义进行定制化
GraphHopper（https://github.com/graphhopper/graphhopper/）：GraphHopper是一种快速且内存有效的Java导航引擎，默认使用OSM和GTFS数据，也可导入其他的数据源。支持CH（Contraction Hierarchies）、A*、Dijkstra算法。
分为两个版本：开源和商业版本，
具体情况参照另一篇博客：https://blog.csdn.net/haochajin/article/details/99851216
转载：https://blog.csdn.net/haochajin/article/details/100017864