オートモーティブの大規模データ処理を支える技術 後編: 大規模地図データ構造の最適化 | BLOG - DeNA Engineering
はじめに こんにちは。システム本部 分析推進部の鴨志田良和です。 [DeNA TechCon 2020] (https://techcon.dena.com/2020/) にて発表する予定だった内容をBlog記事としてお届けします。 今回は「オートモーティブの大規模データ処理を支える技術」と題して、前後編でお送りします。 (前編は こちら ) 後編となる本稿では、 マップマッチ処理で使用される、大規模な地図データを効率よく格納して 扱うための工夫についてご紹介します。 大規模地図データを扱う上での問題 マップマッチ処理(生のGPSデータの誤差を補正して道路上の位置を推定し、経路情報を得る処理) においては、 道路同士の位置や接続関係をグラフ構造のデータとして格納した地図データ (以下、「道路ネットワーク」と呼びます)があらゆる段階で利用されます。 日本全国の地図のように、 扱うデータの規模
GitHub - cloudpipe/cloudpickle: Extended pickling support for Python objects
cloudpickle makes it possible to serialize Python constructs not supported by the default pickle module from the Python standard library. cloudpickle is especially useful for cluster computing where Python code is shipped over the network to execute on remote hosts, possibly close to the data. Among other things, cloudpickle supports pickling for lambda functions along with functions and classes d
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Saving Sklearn Model to Pickle
Zarr-Python — zarr 2.16.1 documentation
GitHub - ultrajson/ultrajson: Ultra fast JSON decoder and encoder written in C with Python bindings
