安心夜行：用腾讯位置服务做一个会解释路线的 AI 步行助手

一键难忘 一键难忘
征文大赛 2026-05-21
安心夜行：用腾讯位置服务做一个会解释路线的 AI 步行助手

【腾讯位置服务开发者征文大赛】安心夜行：用腾讯位置服务做一个会解释路线的 AI 步行助手

作者: 一键难忘 发布时间: 最新推荐文章于 2026-05-18 20:18:26 发布
来源: https://blog.csdn.net/weixin_52908342/article/details/160835489

【腾讯位置服务开发者征文大赛】安心夜行：用腾讯位置服务做一个会解释路线的 AI 步行助手

项目名称：SafeWalk AI 安心夜行项目类型：AI Agent 式工具编排 + 腾讯位置服务 + 夜间步行路线评估项目源码开源地址：https://gitcode.com/weixin_52908342/SafeWalkAI.git说明：本文 Demo 已在本地通过真实腾讯位置服务接口验证，请在env中替换自己腾讯位置服务账号的key。

📹 嵌入式视频: https://live.csdn.net/v/embed/524893

用腾讯位置服务做一个会解释路线的 AI 步行助手

摘要

日常使用地图时，我们很习惯接受“最快路线”或“最短路线”。但在一些具体场景里，用户真正关心的并不只是时间和距离。比如夜间步行，从公司到地铁站、从商场到住处、从园区到公交站，路线短一点固然重要，但很多人也会自然地考虑：这条路是不是太偏？沿途有没有便利店、商场、公交站、地铁口这类公共节点？如果多走几分钟，能不能换来一条更容易描述、更容易确认、更有参照物的路线？

围绕这个真实需求，我做了一个小型 Demo：SafeWalk AI 安心夜行。它不是一个“安全保证系统”，也不会对现实安全做绝对判断，而是把腾讯位置服务提供的地理编码、地点搜索、步行路线规划和地图可视化能力组织起来，再用 Agent 式任务拆解思路，把用户的自然语言需求转化为可执行的路线分析流程。

在这里插入图片描述

用户输入类似“晚上十点从深圳湾科技生态园走到后海地铁站，想走人多一点，有便利店经过，不想穿太偏的小路”这样的需求后，系统会依次完成：起终点解析、步行路线生成、沿线 POI 检索、候选路线构造、路线评分、地图渲染和解释输出。最终页面不只给出一条路线，还会展示候选路线对比、沿途公共锚点、评分拆解和推荐理由。

本文将完整记录这个项目的设计背景、系统架构、腾讯位置服务接入方式、核心代码实现、运行效果和开发过程中遇到的坑。

一、为什么做“安心夜行”这个场景

最开始想到这个项目，是因为我发现很多地图类 Demo 都很容易停留在“展示点位”“展示路线”“搜索周边”这几个常规功能上。这些能力当然重要，但如果只是把接口调通，文章和作品的辨识度会比较弱。

我希望找一个更贴近真实生活的小场景：它不必很大，但必须有明确痛点，也能真正体现 AI 和地图服务结合后的价值。

夜间步行正好符合这个条件。

晚上从写字楼出来，地图可能给你一条最快路线，但最快路线不一定是用户当下最想走的路线。有些小路白天没问题，晚上却会让人犹豫；有些路线多走几百米，但沿途有商场、地铁口、便利店、公交站，心理上会更容易接受。对用户来说，路线选择不只是一个几何问题，也是一个带有场景偏好的决策问题。

在这里插入图片描述

传统地图服务擅长提供真实、准确的空间数据；AI 擅长理解自然语言、组织解释和做多条件拆解。这个项目的核心思路就是把两者分工做好：

  1. 用户用自然语言描述出行偏好；
  2. 系统把自然语言拆解成起点、终点、时间和偏好条件；
  3. 腾讯位置服务负责提供真实路线和 POI 数据；
  4. 评分模块根据路线周边公共锚点和绕行成本做比较；
  5. 前端地图把路线、锚点和解释结果一起呈现出来。

这里我刻意避免让 AI 直接“凭感觉”说哪条路安全。SafeWalk AI 输出的是“更符合夜间偏好的路线”，不是绝对安全结论。这个边界很重要，因为位置服务越接近真实生活，产品表达越要克制。

二、项目最终效果与运行方式

项目目录为：

safewalk-ai/
  src/
    client/            # React 前端
    server/            # Express 后端
    shared/            # 前后端共享类型
  .env.example         # Key 配置示例
  package.json
  README.md

在这里插入图片描述

本地运行方式：

cd safewalk-ai
npm install
npm run dev

启动后访问：

http://localhost:5173

后端服务地址：

http://localhost:8787

腾讯位置服务 Key 配置如下：

TENCENT_MAP_KEY=你的 WebService API Key
TENCENT_MAP_CLIENT_KEY=你的 JavaScript API GL Key
DEFAULT_CITY=深圳
PORT=8787

其中：

  • TENCENT_MAP_KEY用于后端调用地理编码、地点搜索、步行路线规划等 WebService API；
  • TENCENT_MAP_CLIENT_KEY用于前端加载腾讯地图 JavaScript API GL；
  • DEFAULT_CITY用于 POI 名称解析兜底，比如“后海地铁站”更适合通过城市范围地点搜索解析。

在这里插入图片描述

项目支持两种运行模式：

这种设计是为了保证参赛作品可演示、可截图、可复现。即使临时遇到 Key 配额、网络波动或接口失败，页面也不会直接崩掉。

三、整体架构设计

SafeWalk AI 采用“前端交互 + 后端地图工具层 + 路线评估层”的结构。

在这里插入图片描述

前后端共享的数据结构定义在src/shared/types.ts。这里的核心返回结构是SafeWalkResult：

export type SafeWalkResult = {
  type: "safe_walk_route";
  mode: "mock" | "tencent";
  summary: string;
  recommendedRouteId: string;
  intent: RouteIntent;
  origin: {
    title: string;
    address: string;
    location: Coordinate;
  };
  destination: {
    title: string;
    address: string;
    location: Coordinate;
  };
  routes: SafeRoute[];
  anchors: RouteAnchor[];
  decisionTrace: string[];
  notices: string[];
};

这个结构有几个好处：

  1. 前端不需要从大段自然语言里二次抽取路线；
  2. 地图折线、POI 标记和评分面板可以直接消费结构化数据；
  3. decisionTrace可以展示 Agent 式处理过程，让作品更像一个完整系统；
  4. notices可以把安全边界和接口回退信息明确告诉用户。

四、腾讯位置服务能力接入

在这里插入图片描述

本项目主要用到腾讯位置服务四类能力。

后端统一封装腾讯位置服务接口，避免把 WebService Key 暴露在浏览器中。核心请求函数如下：

const TENCENT_API = "https://apis.map.qq.com";

async function requestTencent<T>(
  path: string,
  params: Record<string, string | number>
): Promise<T> {
  const key = process.env.TENCENT_MAP_KEY;
  if (!key) {
    throw new Error("TENCENT_MAP_KEY is not configured");
  }

  const url = new URL(`${TENCENT_API}${path}`);
  Object.entries({ ...params, key }).forEach(([name, value]) => {
    url.searchParams.set(name, String(value));
  });

  const response = await fetch(url);
  if (!response.ok) {
    throw new Error(`Tencent map request failed with ${response.status}`);
  }

  const data = await response.json();
  if (data.status !== 0) {
    throw new Error(data.message || `Tencent map api status ${data.status}`);
  }

  return data as T;
}

在这里插入图片描述

4.1 起终点解析：地理编码 + 地点搜索兜底

开发时我遇到一个很典型的问题：“深圳湾科技生态园”可以通过地理编码解析，但“后海地铁站”这类 POI 名称直接走地理编码时可能返回参数错误。解决方式是：先尝试地理编码，失败后切换到指定城市范围内的地点搜索。

export async function resolvePlace(keyword: string) {
  try {
    return await geocode(keyword);
  } catch (error) {
    const city = process.env.DEFAULT_CITY || "深圳";
    const pois = await searchRegionPois(keyword, city, 1);
    const first = pois[0];
    if (!first) {
      throw error;
    }

    return {
      title: first.title,
      address: first.address,
      location: first.location
    };
  }
}

这个修正让系统对真实用户输入更稳。用户不会区分“地址”和“POI 名称”，但系统必须能兼容。

4.2 步行路线规划

步行路线规划用于生成基础省时路线，也用于生成带公共锚点的候选路线。

export async function planWalkingRoute(
  from: Coordinate,
  to: Coordinate
): Promise<WalkingRoute> {
  const data = await requestTencent<any>("/ws/direction/v1/walking/", {
    from: `${from.lat},${from.lng}`,
    to: `${to.lat},${to.lng}`
  });

  const route = data.result.routes[0];
  return {
    distance: Number(route.distance || 0),
    duration: Number(route.duration || 0) * 60,
    polyline: decodeTencentPolyline(route.polyline),
    steps: Array.isArray(route.steps)
      ? route.steps.map((step: any) => step.instruction || step.road_name || "步行")
      : []
  };
}

这里有一个细节：腾讯路线接口返回的耗时单位需要在项目内部统一处理。我在内部统一使用秒，前端显示时再转成分钟，避免真实接口和模拟数据单位不一致。

在这里插入图片描述

4.3 路线沿途 POI 检索

为了判断一条路线是否更符合“夜间偏好”，项目会沿路线抽样，搜索附近的公共锚点。

const anchorKeywords = ["便利店", "地铁站", "公交站", "商场", "医院", "派出所"];

async function collectRouteAnchors(
  route: WalkingRoute,
  routeId: string
): Promise<RouteAnchor[]> {
  const samples = sampleRoutePoints(route.polyline).slice(0, 5);
  const anchors: RouteAnchor[] = [];

  for (const sample of samples) {
    const settled = await Promise.allSettled(
      anchorKeywords.map((keyword) => searchNearbyPois(sample, keyword, 320))
    );

    for (const result of settled) {
      if (result.status === "fulfilled") {
        anchors.push(...result.value.map((anchor) => ({ ...anchor, routeId })));
      }
    }
  }

  return dedupeAnchors(anchors).slice(0, 36);
}

这里使用Promise.allSettled，是因为 POI 检索不应该因为某一个关键词失败就中断整个路线分析。真实项目里，外部接口要尽量做局部容错。

在这里插入图片描述

五、核心链路实现

后端入口在src/server/index.ts：

app.post("/api/plan-route", async (request, response) => {
  const parsed = planSchema.safeParse(request.body);
  if (!parsed.success) {
    response.status(400).json({ error: "请输入 1-500 字的路线需求" });
    return;
  }

  const intent = parseIntent(parsed.data);
  const result = await buildSafeWalkPlan(intent);
  response.json(result);
});

在这里插入图片描述

5.1 自然语言意图解析

为了保证 Demo 可复现，这一版没有把大模型 Key 作为必需配置，而是先用轻量规则实现一个稳定的意图解析器。代码结构按 Agent Tool Calling 的方式组织，后续如果接入大模型，只需要替换intent-parser，腾讯位置服务工具层和评分层都不需要重写。

export function parseIntent(input: PlanRouteRequest): RouteIntent {
  const rawText =
    input.query.trim() ||
    "晚上十点从深圳湾科技生态园走到后海地铁站，想走人多一点，有便利店经过，不想穿太偏的小路。";

  const extracted = extractOriginDestination(rawText);

  const originText = cleanPlace(
    input.origin || extracted.origin || "深圳湾科技生态园"
  );
  const destinationText = cleanPlace(
    input.destination || extracted.destination || "后海地铁站"
  );

  return {
    originText,
    destinationText,
    travelTime: inferTravelTime(rawText),
    preferences: inferPreferences(rawText),
    rawText
  };
}

例如输入：

晚上十点从深圳湾科技生态园走到后海地铁站，想走人多一点，有便利店经过，不想穿太偏的小路。

解析结果会包含：

{
  "originText": "深圳湾科技生态园",
  "destinationText": "后海地铁站",
  "travelTime": "night",
  "preferences": {
    "preferPublicPois": true,
    "preferMainRoad": true,
    "avoidDarkAlleys": true,
    "needConvenienceStore": true,
    "needTransitBackup": true
  }
}


晚上十点从西安市西北工业大学走到大雁塔地铁站，想走人多一点，有便利店经过，不想穿太偏的小路。

在这里插入图片描述

在这里插入图片描述

5.2 构造候选路线

核心规划函数是buildSafeWalkPlan。它先解析起终点，再调用步行路线接口生成省时路线，随后沿线搜索公共锚点，并用高价值锚点构造新的候选路线。

export async function buildSafeWalkPlan(intent: RouteIntent) {
  if (!hasTencentKey()) {
    return buildMockResult(intent);
  }

  try {
    const origin = await resolvePlace(intent.originText);
    const destination = await resolvePlace(intent.destinationText);
    const fastest = await planWalkingRoute(origin.location, destination.location);

    const fastestAnchors = await collectRouteAnchors(fastest, "fastest");
    const viaAnchors = chooseViaAnchors(fastestAnchors);

    const candidates: Candidate[] = [
      {
        id: "fastest",
        title: "省时路线",
        strategy: "fastest",
        route: fastest,
        anchors: fastestAnchors
      }
    ];

    if (viaAnchors.balanced) {
      const route = await planRouteVia(
        origin.location,
        viaAnchors.balanced.location,
        destination.location
      );
      candidates.push({
        id: "balanced",
        title: "公共节点均衡线",
        strategy: "balanced",
        route,
        anchors: await collectRouteAnchors(route, "balanced")
      });
    }

    const routes = evaluateCandidates(candidates, intent);
    const recommended = routes.reduce(
      (best, route) => (route.score > best.score ? route : best),
      routes[0]
    );

    return {
      type: "safe_walk_route",
      mode: "tencent",
      summary: `已基于腾讯位置服务生成 ${routes.length} 条候选路线，推荐「${recommended.title}」。`,
      recommendedRouteId: recommended.id,
      intent,
      origin,
      destination,
      routes,
      anchors: candidates.flatMap((candidate) => candidate.anchors),
      decisionTrace: [
        "地理编码与地点搜索解析起终点",
        "调用腾讯位置服务步行路线规划",
        "沿路线抽样调用地点搜索",
        "构造候选路线并完成评分排序"
      ],
      notices: [
        "当前为真实腾讯位置服务接口结果。",
        "路线评分只基于公开 POI 与路径数据做辅助比较，不代表现实安全保证。"
      ]
    };
  } catch (error) {
    const message = error instanceof Error ? error.message : "未知错误";
    return buildMockResult(intent, message);
  }
}

在这里插入图片描述

5.3 路线评分模型

评分模型没有使用“安全分”这个说法，而是使用路线偏好匹配的综合分。当前包含四个维度：

核心代码如下：

export function evaluateCandidates(
  candidates: RouteCandidate[],
  _intent: RouteIntent
): SafeRoute[] {
  const fastest = candidates[0].route;

  return candidates
    .map((candidate) => {
      const scoreDetail = evaluateRoute(candidate, fastest);
      const score = Math.round(
        scoreDetail.anchorScore * 0.38 +
        scoreDetail.detourScore * 0.24 +
        scoreDetail.preferenceScore * 0.28 +
        scoreDetail.explainScore * 0.1
      );

      return {
        id: candidate.id,
        title: candidate.title,
        strategy: candidate.strategy,
        distance: candidate.route.distance,
        duration: candidate.route.duration,
        distanceText: formatDistance(candidate.route.distance),
        durationText: formatDuration(candidate.route.duration),
        score,
        scoreDetail,
        reason: buildReason(candidate, scoreDetail),
        polyline: candidate.route.polyline
      };
    })
    .sort((a, b) => b.score - a.score);
}

评分说明文本也基于真实 POI 类型生成：

function buildReason(candidate: RouteCandidate, score: RouteScoreDetail) {
  const labels = [...new Set(candidate.anchors.map((anchor) => anchor.matchedKeyword))]
    .slice(0, 4);

  const anchorText = labels.length
    ? `沿线可参考 ${labels.join("、")} 等公共锚点`
    : "沿线公共锚点较少";

  const detourText = score.detourScore >= 80
    ? "绕行成本较低"
    : "需要接受一定绕行成本";

  return `${anchorText}，${detourText}，适合夜间希望路线更容易描述和确认的步行场景。`;
}

这样解释不会变成空泛的 AI 文案，而是能对应到地图上的真实锚点。

在这里插入图片描述

六、前端地图与交互实现

前端使用 React + TypeScript，核心页面分为三块：

前端提交路线需求：

async function submit() {
  setLoading(true);
  setError("");

  try {
    const response = await fetch("/api/plan-route", {
      method: "POST",
      headers: { "Content-Type": "application/json" },
      body: JSON.stringify({ query })
    });

    const data = (await response.json()) as SafeWalkResult;
    setResult(data);
    setSelectedRouteId(data.recommendedRouteId);
  } finally {
    setLoading(false);
  }
}

腾讯地图脚本按需加载：

export function loadTencentMap(clientKey: string) {
  if (window.TMap) return Promise.resolve(window.TMap);

  return new Promise((resolve, reject) => {
    const script = document.createElement("script");
    script.src = `https://map.qq.com/api/gljs?v=1.exp&key=${encodeURIComponent(clientKey)}`;
    script.async = true;
    script.onload = () => resolve(window.TMap);
    script.onerror = () => reject(new Error("腾讯地图脚本加载失败"));
    document.head.appendChild(script);
  });
}

路线渲染使用MultiPolyline，点位渲染使用MultiMarker：

const polylines = new TMap.MultiPolyline({
  map,
  styles: {
    selected: new TMap.PolylineStyle({
      color: "#1769e0",
      width: 8,
      borderWidth: 2,
      borderColor: "#ffffff"
    }),
    candidate: new TMap.PolylineStyle({
      color: "rgba(26, 112, 215, 0.35)",
      width: 5
    })
  },
  geometries: result.routes.map((route) => ({
    id: route.id,
    styleId: route.id === selectedRouteId ? "selected" : "candidate",
    paths: route.polyline.map((point) => new TMap.LatLng(point.lat, point.lng))
  }))
});

在这里插入图片描述

路线评分面板展示四个维度：

<MetricBar label="公共锚点" value={selected.scoreDetail.anchorScore} />
<MetricBar label="绕行成本" value={selected.scoreDetail.detourScore} />
<MetricBar label="偏好匹配" value={selected.scoreDetail.preferenceScore} />
<MetricBar label="解释完整度" value={selected.scoreDetail.explainScore} />

在这里插入图片描述

七、运行效果与测试结果

本地真实接口测试输入：

晚上十点从深圳湾科技生态园走到后海地铁站，想走人多一点，有便利店经过，不想穿太偏的小路。

后端返回摘要：

{
  "mode": "tencent",
  "recommendedRouteId": "fastest",
  "summary": "已基于腾讯位置服务生成 3 条候选路线，推荐「省时路线」。"
}

一次真实测试中，系统生成了 3 条候选路线，并检索到多类公共锚点：

可以看到，系统并没有简单地永远选择“公共节点最多”的路线，而是在“公共锚点”和“绕行成本”之间做了平衡。在这次测试里，省时路线本身已经检索到足够多的公共锚点，因此它综合得分最高。

这也符合产品设定：SafeWalk AI 不追求强行绕路，而是在用户偏好和真实步行成本之间做解释性推荐。

八、开发过程中的问题与修正

8.1.env.example不是实际配置文件

一开始我把 Key 写进.env.example后发现后端仍然识别不到。原因很简单：项目默认读取的是.env，而.env.example只是示例文件。解决方式是复制一份：

copy .env.example .env

正式提交仓库时，.env不应该上传，避免泄露 Key。

8.2 POI 名称不能完全依赖地理编码

“后海地铁站”这类输入更像 POI 名称，不是标准地址。直接调用地理编码可能返回参数错误。因此我加了resolvePlace：先地理编码，失败后走城市范围地点搜索。

这个问题很典型。真实用户不会按照接口类型组织语言，系统要替用户做兼容。

8.3 路线耗时单位需要统一

真实腾讯路线接口返回的耗时单位和项目内部展示单位需要统一。最初我按秒处理，导致页面显示异常。后来统一在接口封装层转换为秒，前端再格式化为“分钟”。

这个坑提醒我：接入地图服务时，不要只看字段名，还要仔细确认单位、坐标顺序和返回结构。

8.4 Express 5 的兜底路由写法变化

后端最初用了：

app.get("*", handler);

在 Express 5 中，这个写法会被path-to-regexp报错。最终改成：

app.get(/.*/, handler);

这是一个小问题，但如果不处理，项目会在启动阶段直接崩掉。

8.5 安全相关表达必须克制

“安心夜行”这个题目天然容易让人联想到安全判断。但项目不能说“这条路一定安全”，也不能用 POI 数量替代现实环境判断。所以我在页面和返回结构里都保留了提示：

路线评分只基于公开 POI 与路径数据做辅助比较，不代表现实安全保证。

我认为这类边界提示不是削弱产品，而是让产品更可信。

九、项目创新点总结

9.1 从“最短路线”扩展到“可解释路线”

传统导航更多关注距离和耗时。SafeWalk AI 在此基础上加入了公共锚点、绕行成本、偏好匹配和解释文本，让路线推荐更接近真实夜间步行决策。

9.2 把地点搜索结果变成路线证据

地点搜索通常用于“找一个地方”。在这个项目里，地点搜索进一步参与路线评分：便利店、地铁站、公交站、商场等 POI 不只是搜索结果，而是解释路线推荐的空间证据。

9.3 Agent 式工具编排，方便后续接入大模型

当前 Demo 为了可复现，使用规则解析器完成自然语言意图拆解。但整个工程已经按 Agent Tool Calling 思路拆分：意图解析、地图工具、路线评分、结果解释彼此独立。后续接入大模型时，只需要替换意图解析和解释生成层，不需要重写地图服务能力。

9.4 有真实接口，也有稳定回退

参赛 Demo 经常会遇到 Key 配额、网络或接口参数问题。如果没有回退机制，演示体验会很不稳定。SafeWalk AI 在真实接口失败时会自动返回模拟数据，并把原因写入notices。这让项目更容易展示，也更像一个真正可用的工程原型。

9.5 可迁移到更多人群和场景

夜间步行只是一个入口。这套评分框架可以迁移到更多场景：

  • 老年人步行：减少绕路，增加公交站、医院、休息点权重；
  • 亲子出行：增加公园、商场、厕所、母婴室权重；
  • 雨天通勤：增加地铁站、地下通道、商场连廊权重；
  • 城市漫游：增加景点、咖啡馆、书店、拍照点权重。

从这个角度看，腾讯位置服务提供的不只是一组 API，而是一套可以被 AI 编排的城市空间能力。

在这里插入图片描述

十、后续优化方向

SafeWalk AI 目前已经跑通了从自然语言输入到腾讯地图展示的完整链路，但它仍然是一个原型。后续我计划继续优化：

  1. 接入真正的大模型 Tool Calling，让意图解析支持更多模糊表达；
  2. 加入路线途经点数量限制，避免候选路线过度绕行；
  3. 引入天气、时间段、节假日等动态因素；
  4. 增加移动端适配，做成更适合手机使用的页面；
  5. 支持用户自定义权重，例如“愿意多走 5 分钟换更多公共节点”；
  6. 增加路线分享功能，让用户把路线解释发送给朋友或家人。

结语

这次做 SafeWalk AI，我最大的感受是：AI + 地图的价值，不一定要从一个很宏大的系统开始。一个清晰的小场景，只要把用户语言、真实空间数据、路线规划和解释输出串成闭环，就能让地图从“告诉你怎么走”进一步变成“解释为什么这样走”。

在这里插入图片描述

腾讯位置服务在这个项目里承担了非常扎实的底座角色：地理编码把文本变成坐标，地点搜索把城市公共节点找出来，步行路线规划把点连成真实可走的路径，JavaScript API GL 再把结果呈现在用户面前。AI Agent 式编排则把这些能力组织成一个完整流程。

在这里插入图片描述

从“最快的一条路”到“更适合当下的一条路”，这就是 SafeWalk AI 想完成的一小步。

如果你也对 AI + 地图应用感兴趣，欢迎点赞、收藏、评论交流。后续我也会继续完善这个 Demo，把它从参赛作品推进成一个更完整的城市出行小工具。

* AI润色输出，仅供参考

我们为您提供位置服务商业授权许可

合规地图省心之选，微信生态独家支持

办理咨询

相关推荐

腾讯位置服务静态图API：思极地图API开发者的技术赋能与场景实践

叮小聪 叮小聪

在智慧城市物流调度零售选址等场景中，高清稳定的地图底图是基础能力无论是开发管理后台的可视化界面，还是

静态地图 2026-03-03

腾讯位置服务轨迹SDK：精准轨迹管理，赋能多场景位置服务

叮小灵 叮小灵

在物流运输外勤人员管理共享设备追踪等场景中，实时轨迹记录与查询是企业运营的核心需求。然而，自行搭建轨

轨迹管理 2026-03-03

腾讯位置服务地图API接口链接：从接入到场景化应用全解析

叮小聪 叮小聪

在智慧出行本地生活服务零售选址等场景中，精准的地图交互能力如一键跳转导航POI详情页调起已成为用户体

地图API 2026-03-03