例如，一个朝九晚五的打工人，每天早上出门，等公交，上班。
她必然会在同一个公交车站遇到脸熟的人。
虽然都不认识，但是他们都住在这附近，需要搭乘同一辆公交车。
正常人的生活范围就家，公司，偶尔的旅行。
开车出行也是一样。
所以每辆搭载着领航者的车对它所经过的环境进行扫描后所记录的数据，能在大范围内预测出它所在的五公里范围内的情况。
当然，这只是大概的情况。
就像地铁口的人流量，虽然不能预测出具体的数字，但是会有一个大概的流量范围。
现在的问题是，每辆领航者所收集到的数据的实时反应时间太长了。
如果能够缩短这个时间。
当a车通过b点的之后，它所更新的数据能实时反映到将要通过b点的c车上，并且将领航者实时更新，那么人工智能才有可能。
这就是难点。
数据传输，数据更新，那么庞大的数据，实时更新，系统不崩溃太难。
那么如果硬件上无法突破，能不能最大可能的减少数据库的更新呢？
例如分区，每次只更新一个小区的范围。
但是这样，工作量还是太大。
或者让领航者在车四周装有的感应装置进行扫描后例如一系列的算法自行选择如何工作。
那么对数据库的依赖会少一些。
那这又回到原来的问题上了，那就是智能化不足的问题。
两个问题，必须至少解决其中一个。
陆月正在思考，电脑邮件通知，点开，是北村的邮件。