高德地圖即使通過阿里集團多種方式智能采集數(shù)據(jù)后，依舊要通過專業(yè)采集的方式進行數(shù)據(jù)修正。

早在2013年，百度地圖出于市場競爭、未來預(yù)判的考慮，全資收購了一家具備甲級測繪資質(zhì)的地圖廠商。這次收購后，初步建立了數(shù)據(jù)自采團隊。

如今，則是搭建起了國內(nèi)規(guī)模最大的采集團隊，其AI化水平最高、搭載的AI技術(shù)最強最豐富，且唯一擁有全景數(shù)據(jù)。

百度地圖的數(shù)據(jù)自采在不同階段都展現(xiàn)了價值。

早年地圖工具追求精確性的階段，數(shù)據(jù)自采確保了百度地圖的競爭優(yōu)勢。在當(dāng)下，無論是政企客戶、自動駕駛、智能汽車對數(shù)據(jù)的時效性、準(zhǔn)確性乃至儲備能力都提出了更高的要求。

除了自采數(shù)據(jù)之外，百度地圖結(jié)合其發(fā)布的新一代數(shù)據(jù)生產(chǎn)技術(shù)，構(gòu)建了全國高精度的基礎(chǔ)骨架路網(wǎng)，并輔以軌跡大數(shù)據(jù)挖掘、用戶上報分析能力，實時更新道路通行性信息。

如今百度地圖90％的數(shù)據(jù)生產(chǎn)環(huán)節(jié)實現(xiàn)了AI化，生產(chǎn)效率較傳統(tǒng)生產(chǎn)工藝提升30倍以上，并已于今年全面投產(chǎn)第六代一體化采集車。

在內(nèi)業(yè)制作方面，則是擁有高自動化、縝密且專業(yè)的制作流程，包括道路要素自動化識別、底圖自動化差分、數(shù)據(jù)半自動化制作等多個環(huán)節(jié)，具備高效率、高時效的特點。

無論是帶來精確數(shù)據(jù)的自采團隊，還是效率更高的AI化數(shù)據(jù)采集制作，這都讓百度地圖具備更為實時、動態(tài)的能力。

地圖產(chǎn)品在這些技術(shù)的支撐之下，才能真正轉(zhuǎn)變?yōu)椤爸悄芑�位置服�?wù)平臺”。

02

數(shù)據(jù)的挖掘

采集后的數(shù)據(jù)想要真正運用于ToB、ToG客戶則是需要進行數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘的意義在于發(fā)現(xiàn)其中存在的現(xiàn)象與規(guī)律，進而把規(guī)律與現(xiàn)實場景相結(jié)合，形成數(shù)據(jù)的實際價值。

過去地圖數(shù)據(jù)使用過程中最典型的問題是“數(shù)據(jù)海量，信息缺乏”，真正可以運用于實際產(chǎn)業(yè)價值的地理位置信息有限。

采集到的數(shù)據(jù)，要成為真實可用的商業(yè)數(shù)據(jù)，還需要經(jīng)過生產(chǎn)和加工的過程。其中涉及幾個關(guān)鍵技術(shù)，比如多源數(shù)據(jù)的自動差分融合、圖像識別技術(shù)。

以城市為例，其地圖大數(shù)據(jù)一共分成了三層。

底層是基本的地理狀況，比如道路、湖泊、綠地等，這類數(shù)據(jù)是地圖數(shù)據(jù)的骨架；

中層則是地圖中的組織，地圖數(shù)據(jù)之中稱其為POI（Point Of Interest）；

最表層則是人的數(shù)據(jù)，人在地理位置中活動，時時刻刻發(fā)生變化；

這三層數(shù)據(jù)輔助時間、空間等維度的信息疊加分析可以挖掘出大量實際信息。

比如，可以發(fā)現(xiàn)某地理位置附近的人口流量和人群畫像。這些信息可以幫助ToB、ToG客戶發(fā)現(xiàn)現(xiàn)實場景中存在的諸多規(guī)律。

在地圖數(shù)據(jù)的實際挖掘過程中，一般地圖數(shù)據(jù)工程師往往承擔(dān)了這些任務(wù)：

構(gòu)建地理與用戶畫像體系，挖掘通用特征體系，從中發(fā)現(xiàn)一般規(guī)律；

進行數(shù)據(jù)分析，構(gòu)建機器學(xué)習(xí)模型，發(fā)掘商業(yè)價值，解決客戶實際業(yè)務(wù)的問題。

事實上，目前百度地圖基于AI能力實現(xiàn)的數(shù)據(jù)挖掘包含幾個方面的現(xiàn)實落地。

基于海量軌跡數(shù)據(jù)挖掘，利用機器學(xué)習(xí)，精準(zhǔn)刻畫現(xiàn)實世界的變化。幫助客戶進行人口挖掘、客群分析、出行研究、位置評估。

提供人口挖掘、客群分析、出行研究、位置評估等人、地、物研究，為國家城市規(guī)劃提供重要參考。

從宏觀到微觀的人、地、物研究，已深入應(yīng)用到城市規(guī)劃、人口統(tǒng)計、政府、零售餐飲、廣告文旅、高校智庫、公安應(yīng)急等行業(yè)。

當(dāng)然，數(shù)據(jù)挖掘過程中，涉及的領(lǐng)域越多，產(chǎn)業(yè)邊界就越是需要不斷拓展。

不同領(lǐng)域需要儲備不同的數(shù)據(jù)，根據(jù)不同產(chǎn)業(yè)維度、應(yīng)用場景建設(shè)不同的數(shù)據(jù)模型，數(shù)據(jù)模型還要根據(jù)現(xiàn)實業(yè)務(wù)情況進行不斷調(diào)整。

在實際運用過程中，交通、物流、汽車、文旅、規(guī)劃等不同領(lǐng)域?qū)��?shù)據(jù)的挖掘和使用需求都不一樣，而且不同公司、不同機構(gòu)對數(shù)據(jù)維度的要求也會產(chǎn)生個體差異。

因此，每一個使用場景往往都需要建立不同的算法模型和解決方案。這些解決方案還需要根據(jù)實踐推移不斷優(yōu)化迭代。