相似性度量和自动驾驶

相似性度量（用以预测轨迹）和自动驾驶看起来十分相似。但是却在思路上有着本质的区别：
相似性度量是用在数据挖掘算法中的最后一环。对已经聚类完之后的数据，得到所有经典轨迹的数据库中，取出和当前轨迹最相似的轨迹。
而自动驾驶，是根据当前的车况（比如当前速度、加速度、方向盘方向）、路况（道路方向、道路宽窄、地面阻力）等实时情况，通过一个训练好的模型，做出形式判断——如何改变方向、如何加减速。自动驾驶是一个特殊的回归问题——汽车尝试预测表示行驶方向的连续变量的数值。
由于海上不存在真正的“路”，因此与自动驾驶就有非常大的区别。假如使用已经聚类好的轨迹作为路，那么还是会存在一个查询相似轨迹的问题，就又回到了原来的问题——如何根据当前的轨迹快速查询处一条最相似的路。
因此，相似性肚量和自动驾驶完全不是一类问题。相似性度量是在“找路”，至于如何走下去，不管我们的事情，我们只是想要预测道路；而自动驾驶是根据当前情景信息，判断如何行驶。