走在汽車革命的路上論文書籍站
國立彰化師範大學 資訊工程學系 賴聯福所指導 張君銘的 應用機器學習與專家系統開發具室內定位與智慧導引功能的智慧導航停車場系統 （2021），提出汽車導航app ptt關鍵因素是什麼，來自於專家系統、機器學習、智慧停車導航、自走車。
而第二篇論文國立中興大學 電機工程學系所 蔡曉萍所指導 林冠宗的 基於語意區域劃分的路徑規劃 （2021），提出因為有 室內導航、區域劃分、語意路經規劃的重點而找出了 汽車導航app ptt的解答。
應用機器學習與專家系統開發具室內定位與智慧導引功能的智慧導航停車場系統
為了解決汽車導航app ptt 的問題，作者張君銘 這樣論述：
現今汽車是相當普及化的交通工具，臺灣目前共登記有8 百多萬輛汽車，但登記提供的私人及公用停車位僅有5 百多萬個車位，顯然停車位有供不應求的狀況。臺灣大多數的大型室內停車場會標示停車位之剩餘數量、以及停車位是否為空的燈號指示，然而並無規劃指定停車位和導航指引給予使用者，造成民眾開車進入室內停車場時，仍然需要耗費許多時間去尋找停車位。隨著人工智慧及物聯網的時代的到來，停車場也應逐步走向智慧化。因此，本論文開發了一個智慧室內停車場導航系統，利用專家系統結合Dijkstra 最短路徑演算法進行停車位最佳分配及路徑規劃，並利用Wi-Fi 將前述資料傳送至進入停車場之使用者，且為了能夠導引使用者順利前往
該停車位並完成停車。本論文也利用機器學習結合iBeacon 技術建構停車場室內定位系統，進行使用者在停車場內的位置監測。此外，本論文透過電腦視覺結合PID 控制演算法的循路功能之自走車及模擬停車場進行模擬測試，除了測試成功外也完整展現出了智慧室內停車場導航系統在運作時的完整性，其自走車是由Raspberry Pi 組合而成。
基於語意區域劃分的路徑規劃
為了解決汽車導航app ptt 的問題，作者林冠宗 這樣論述：
自動駕駛被廣泛運用於許多應用，如無人機、自動駕駛汽車。強化學習在動態環境中實現自動導航扮演著至關重要的角色，但由於龐大的計算量，強化學習面臨著巨大的挑戰。區域劃分是處理此類問題的常用方法，它可以通過合併具有共同特徵和空間關係的網格來大大減少狀態。為了促進人機共存，機器人必須能夠以安全且符合社交行為的方式在人類環境中導航。人類規律性的運動是最基本社交習慣，在特定的區域內行人的移動向量的累計分布，稱為人流。在這個研究中，我們使用行人流作為語義資訊來劃分地圖，然後將網格地圖轉換為圖形地圖，並使用強化學習進行路徑規劃。 我們提出了 Flow Aware Path Planning (FAP) 架構
，包括人流統計模組、相似度劃分算法、語義圖形地圖表示模組、基於圖的強化學習算法和生成路徑模組。人流統計模組產生每個網格的人流數據，然後使用人流數據對地圖進行劃分，再將其轉換為圖形；QL以圖形為輸入，進行學習訓練。最後，基於QL生成的Q-table，我們可以生成從起點到目的地的最佳路徑軌跡。 為驗證我們的方法，我們使用 Pedsim 函式庫生成軌跡；實驗結果顯示，相較於其他的劃分方法，我們的劃分方法不但能有效地減少強化學習的狀態空間，維持相似的性能，花費更少的時間達到訓練收斂。