‏ OSRM ماشین مسیریابی متن‌باز برای دنیای واقعی 🌍

اگه تو حوزه توسعه اپلیکیشن‌های نقشه، مسیریابی یا لجستیک کار می‌کنین، حتماً اسم
‏ OSRM (Open Source Routing Machine) رو شنیدین. این ابزار یه موتور مسیریابی قدرتمند و متن‌بازه که بر اساس داده‌های OpenStreetMap کار می‌کنه و می‌تونه مسیریابی سریع و دقیق رو برای اپ‌های موبایل، وب یا حتی سیستم‌های بزرگ فراهم کنه.(به تازگی توی یکی از پروژه هام استفادش کردم و عالی بود)
تو این پست قراره یه نگاه تقریباً کامل به OSRM بندازیم.

🧠 اول از همه OSRM چیه؟

‏OSRM مخفف Open Source Routing Machine، یه موتور مسیریابی متن‌بازه که با
‏ C++ نوشته شده و برای محاسبه کوتاه‌ترین مسیرها تو شبکه‌های جاده‌ای طراحی شده. این ابزار از داده‌های OpenStreetMap (OSM) استفاده می‌کنه – یه نقشه متن‌باز جهانی که توسط جامعه ساخته می‌شه – و می‌تونه مسیریابی برای ماشین، دوچرخه، پیاده یا حتی وسایل نقلیه خاص رو انجام بده.

پروژه OSRM از سال ۲۰۱۰ توسط Dennis Luxen شروع شد و حالا توسط جامعه‌ای از توسعه‌دهنده‌ها (از جمله تیم Mapbox) نگهداری می‌شه. هدف اصلیش؟ ارائه مسیریابی سریع، دقیق و قابل سفارشی‌سازی بدون وابستگی به سرویس‌های تجاری مثل Google Maps.
‏OSRM نه‌تنها مسیریابی ساده انجام می‌ده، بلکه قابلیت‌هایی مثل map matching (مطابقت مسیر با جاده) و حل مسئله TSP رو هم داره.

📚 چطور کار می‌کنه؟

‏OSRM دو بخش اصلی داره:
پیش‌پردازش (Preprocessing) و سرویس‌دهی (Serving).

1⃣ پیش‌پردازش:
آماده‌سازی داده‌ها 🛠️
داده‌های OSM (فایل‌های .osm.pbf) رو می‌گیره و به یه گراف بهینه‌شده تبدیل می‌کنه.

از الگوریتم‌های پیشرفته‌ای مثل Contraction Hierarchies (CH) یا Multi-Level Dijkstra (MLD) استفاده می‌کنه. CH برای ماتریس‌های فاصله بزرگ عالیه، و MLD (پیشنهادی برای بیشتر موارد) تعادل خوبی بین سرعت و دقت برقرار می‌کنه.

مراحل پیش‌پردازش:
‏Extract:
داده‌های OSM رو به گراف خام تبدیل می‌کنه.

‏Partition/Customize:
گراف رو بهینه می‌کنه (مثل ساخت ایندکس‌ها برای سرعت).

‏ Contract:
برای CH، گراف رو فشرده می‌کنه تا جستجو سریع‌تر بشه.

2⃣ سرویس‌دهی محاسبه مسیر 🗺️
سرور HTTP/JSON ارائه می‌ده که می‌تونین ازش برای محاسبه مسیر، تخمین زمان، یا حتی تولید tileهای نقشه با metadata مسیریابی استفاده کنین.

🚀 ویژگی‌های کلیدی OSRM


1⃣ الگوریتم‌های مسیریابی پیشرفته 🧮

‏ Contraction Hierarchies (CH):
برای ماتریس‌های فاصله بزرگ (مثل محاسبه فاصله بین ۱۰۰۰ نقطه) عالیه. سرعت محاسبه رو به میلی‌ثانیه می‌رسونه.

‏Multi-Level Dijkstra (MLD):
تعادل خوبی بین دقت و سرعت داره و برای مسیریابی روزمره پیشنهاد می‌شه.

‏Map Matching:
مسیرهای GPS نویزی (مثل داده‌های موبایل) رو با جاده‌های واقعی مطابقت می‌ده – عالی برای اپ‌های ناوبری.

2⃣ پروفایل‌های سفارشی 🚗🚲
می‌تونین پروفایل‌های مختلف بسازین:
‏car (ماشین)، bike (دوچرخه)، foot (پیاده) یا حتی وسایل نقلیه سنگین.
هر پروفایل قوانین خاص خودش رو داره (مثل اجتناب از بزرگراه‌ها برای دوچرخه).

3⃣ تولید Tileهای نقشه 🏗️
‏OSRM می‌تونه Mapbox Vector Tiles با metadata مسیریابی تولید کنه، که برای اپ‌های موبایل (مثل Mapbox GL) عالیه.

4⃣ حل مسئله فروشنده دوره‌گرد (TSP) 🛒
برای محاسبه بهینه مسیر بازدید از چند نقطه (مثل تحویل کالا) استفاده می‌شه.
مثال: محاسبه ماتریس فاصله بین ۱۰ انبار.

5⃣ ادغام آسون با Docker و API 🐳
‏Docker images آماده برای سریع راه‌اندازی (ghcr.io/project-osrm/osrm-backend).
‏ API ساده JSON/HTTP که با هر زبانی (پایتون، JS، Go) کار می‌کنه.


✍ جمع‌بندی

‏OSRM یه موتور مسیریابی متن‌باز قدرتمنده که با الگوریتم‌های پیشرفته مثل MLD و CH، مسیریابی سریع و دقیق رو برای اپ‌های واقعی فراهم می‌کنه. از محاسبه مسیرهای ساده گرفته تا map matching و تولید tileها، این ابزار برای توسعه‌دهنده‌های نقشه و لجستیک یه گنجینه‌ست.

#️⃣ #geo #programming #osrm

➖➖➖➖➖➖➖➖➖➖ 

🥷🏻 CHANNEL | GROUP

توی پروژه خودم وحشتناک کمکم کرد
چون هم سرویسای دیگه خیلی گرون بودن و هم طراحی همچنین چیزی کلی زمانو و انرژی میبرد
استفاده ازشم خیلی اسونه و برای ایرانم به خوبی کارمیکنه

احتمالا درمورد GeoPandas هم پست بزارم لایبری جالبیه

خب یکم میخوام امروز همه تجربه بدم هم بگیرم
چیزی بوده که ذهنتون رو توی این چند وقت درگیر کرده باشه؟ یا درگیرش باشید؟

همینقدر گوگولی

فول پکیجم از نظر روانی:
برنامه نویس - دوتا پلیر - ایرانی

🚨 ربات Figure 03 معرفی شد

شرکت Figure AI از نسل جدید ربات انسان‌نمای خودش رونمایی کرده — Figure 03.
هدف این ربات فقط نمایش تکنولوژی نیست؛ قراره به‌صورت جدی وارد بازار نیروی کار رباتیک بشه.

🤖 طبق اطلاعات رسمی، Figure 03 طوری طراحی شده که بتونه در محیط‌های کاری واقعی مثل کارخانه‌ها و انبارها، جای انسان‌ها رو بگیره.
این ربات با کمک مدل‌های هوش مصنوعی زبانی (مثل GPT) می‌تونه دستورات انسانی رو درک کنه و خودش تصمیم بگیره چطور اون‌ها رو اجرا کنه.

🔋 مهم‌ترین پیشرفت نسبت به نسل قبلی، باتری جدید F.03 هست:
یک باتری ۲.۳ کیلووات‌ساعتی که تا ۵ ساعت کار مداوم رو ممکن می‌کنه.
شرکت Figure می‌گه هزینه ساخت این باتری نسبت به نسل قبل تا ۷۸٪ کاهش یافته و همین باعث می‌شه Figure 03 اولین رباتی باشه که می‌تونه وارد تولید انبوه بشه.

#️⃣ #news

➖➖➖➖➖➖➖➖➖➖ 

🥷🏻 CHANNEL | GROUP

یکی از چالش‌های رایج بین فعالان حوزه‌ی هوش مصنوعی اینه که نمی‌دونن برای آموزش مدلشون باید از چه الگوریتمی استفاده کنن
آیا باید سراغ Classification برن؟ یا Regression؟ یا شاید Clustering؟ 🤔

خوشبختانه، کتابخونه‌ی قدرتمند Scikit-learn (sklearn) توی مستندات رسمیش یه فلوچارت خیلی کاربردی ارائه داده که با دنبال کردنش می‌تونید دقیقاً بفهمید کدوم الگوریتم مناسب نوع داده و هدف پروژه‌تونه.

لینک

#️⃣ #ai #programming

➖➖➖➖➖➖➖➖➖➖ 

🥷🏻 CHANNEL | GROUP

این دوستمون توی ماینکرفت Chat gpt ساخته

https://youtu.be/VaeI9YgE1o8?si=5sWezZ-E1AgfPl0D

دارم Cursor میریزم ببینم چیه که حتی توی اگهی شغلی گفته بودن باید بلد باشید

حال نکردم

فقط Jetbrains 🥰

پست چی بزارم؟ (لطفاً بگید)

این ویدیو خیلی باحال نحوه کارکردن Binary code و memory رو توضیح میده

https://youtu.be/11Hnld1r84o?si=yT2pRumCIfJAhxPv

برای فعالیت در حوزه ai حتما نیازه ریاضی بلد باشید یا حداقل علاقه داشته باشید
چون که اگه شما بخواید بفهمید یه الگوریتم یا یه مدل دقیقا چیکار داره میکنه نیاز دارید بفهمید فرمولش داره چیکارمیکنه ( یا حتی اگه بخواید یه الگوریتم طراحی کنید)
پس برای علاقه مندان حتماً پیشنهاد میکنم دانش ریاضیتون رو بالا ببرید حالا یا با کمک منابع و کتاب های سطح اینترنت یا هوش مصنوعی
موفق باشید❤️

در اینده سعی میکنم لیستی از کتاب ها و منابع مناسب رو بهتون معرفی کنم

بعضی دوستان یجوری ابراز ناراحتی کردن نسبت به قطع ساپورت ماکروسافت برای ویندوز ۱۰ (دیگه اپدیت نمیاد براش) که انگار نسخه اورجینال داشتن 😂😂