產業數字化浪潮下，百度地圖數據如何達成產業服務？
高德地圖即使通過阿里集團多種方式智能采集數據后，依舊要通過專業采集的方式進行數據修正。
早在2013年，百度地圖出于市場競爭、未來預判的考慮，全資收購了一家具備甲級測繪資質的地圖廠商。這次收購后，初步建立了數據自采團隊。
如今，則是搭建起了國內規模最大的采集團隊，其AI化水平最高、搭載的AI技術最強最豐富，且唯一擁有全景數據。
百度地圖的數據自采在不同階段都展現了價值。
早年地圖工具追求精確性的階段，數據自采確保了百度地圖的競爭優勢。在當下，無論是政企客戶、自動駕駛、智能汽車對數據的時效性、準確性乃至儲備能力都提出了更高的要求。
除了自采數據之外，百度地圖結合其發布的新一代數據生產技術，構建了全國高精度的基礎骨架路網，并輔以軌跡大數據挖掘、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％的數據生產環節實現了AI化，生產效率較傳統生產工藝提升30倍以上，并已于今年全面投產第六代一體化采集車。
在內業制作方面，則是擁有高自動化、縝密且專業的制作流程，包括道路要素自動化識別、底圖自動化差分、數據半自動化制作等多個環節，具備高效率、高時效的特點。
無論是帶來精確數據的自采團隊，還是效率更高的AI化數據采集制作，這都讓百度地圖具備更為實時、動態的能力。
地圖產品在這些技術的支撐之下，才能真正轉變為“智能化位置服務平臺”。
02
數據的挖掘
采集后的數據想要真正運用于ToB、ToG客戶則是需要進行數據挖掘。
數據挖掘的意義在于發現其中存在的現象與規律，進而把規律與現實場景相結合，形成數據的實際價值。
過去地圖數據使用過程中最典型的問題是“數據海量，信息缺乏”，真正可以運用于實際產業價值的地理位置信息有限。
采集到的數據，要成為真實可用的商業數據，還需要經過生產和加工的過程。其中涉及幾個關鍵技術，比如多源數據的自動差分融合、圖像識別技術。
以城市為例，其地圖大數據一共分成了三層。
底層是基本的地理狀況，比如道路、湖泊、綠地等，這類數據是地圖數據的骨架；
中層則是地圖中的組織，地圖數據之中稱其為POI（Point Of Interest）；
最表層則是人的數據，人在地理位置中活動，時時刻刻發生變化；
這三層數據輔助時間、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，可以發現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客戶發現現實場景中存在的諸多規律。
在地圖數據的實際挖掘過程中，一般地圖數據工程師往往承擔了這些任務：
構建地理與用戶畫像體系，挖掘通用特征體系，從中發現一般規律；
進行數據分析，構建機器學習模型，發掘商業價值，解決客戶實際業務的問題。
事實上，目前百度地圖基于AI能力實現的數據挖掘包含幾個方面的現實落地。
基于海量軌跡數據挖掘，利用機器學習，精準刻畫現實世界的變化。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，為國家城市規劃提供重要參考。
從宏觀到微觀的人、地、物研究，已深入應用到城市規劃、人口統計、政府、零售餐飲、廣告文旅、高校智庫、公安應急等行業。
當然，數據挖掘過程中，涉及的領域越多，產業邊界就越是需要不斷拓展。
不同領域需要儲備不同的數據，根據不同產業維度、應用場景建設不同的數據模型，數據模型還要根據現實業務情況進行不斷調整。
在實際運用過程中，交通、物流、汽車、文旅、規劃等不同領域對數據的挖掘和使用需求都不一樣，而且不同公司、不同機構對數據維度的要求也會產生個體差異。
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實踐推移不斷優化迭代。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
