京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用“活数据”生产“活地图”
近年来,大数据在智能交通领域的发展前景被普遍看好,谷歌、百度、腾讯等互联网企业无不加快布局,专注位置出行服务15年的高德地图也潜心“修行”,力争提升“云+端”综合出行服务体验。
“在智能交通领域,高德地图凭借大数据能力,已经同时成为用户、应用、汽车、交通4大群体的标配。”阿里移动事业群总裁兼高德集团总裁俞永福评价说。
出行服务“千人千面”
事实上,互联网巨头纷纷跨界进入基于导航地图的位置出行服务,正在倒逼以高德为代表的传统地图商加速转型。
2014年,高德地图被阿里巴巴全资收购后,便全面融入移动互联网。用高德人自己的话说就是“革了自己的命,把自己逼上梁山”。
“高德地图的定位是,为百姓提供出行服务,为政府提供辅助决策和支持服务,利用大数据为企业构建‘赋能’平台。目前,高德地图已为超过7亿用户提供出行服务及实时交通信息服务,成为‘用户标配’;为全球30余家车厂提供包括地图数据、导航、交通信息在内的相关服务,成为‘汽车标配’;为多个行业30万款应用提供定位、位置服务,成为互联网‘应用标配’;与70多家地方交通管理部门达成了业务合作,成为‘交警标配’。”俞永福说。
资料显示,过去3年里,高德地图日活用户翻了10倍,创造了互联网的奇迹。高德地图副总裁董振宁表示,“之所以能取得这样的成绩是因为高德智能地图更懂用户需求,而‘懂你’的基础是大数据。比如,高德地图以大数据和机器学习能力开发了AI(人工智能)引擎,提供‘千人千面’的个性化位置出行服务,大大提升了用户体验”。
在北京工作的樊小凡告诉记者,高德地图智能化服务很贴心,不仅能为乘坐公交的人推荐出行路线和空调车,新推出的公交到站提醒功能,还可以让她在车上放心小睡。
不只消费者感受到了不同,管理部门也受益不少。基于大数据能力,高德地图已连续4年联合公安交管部门对外发布全国主要城市交通分析报告,准确预测节假日期间高速公路、热点景区的道路拥堵趋势,在一定程度上帮助缓解了交通压力。
用“活数据”生产“活地图”
在位于北京望京地区的高德地图总部,记者看到,数据中心的大屏幕上正是北京地区路况运行地图,图上密密麻麻闪烁着无数个移动的光点。阿里巴巴行业解决方案中心经理郭成坤介绍说,这里呈现的是正在路上行驶车辆的卫星定位回传数据,图上聚合了10多万辆车的样本数据。这些数据到了高德后台,经过云计算的加工,就能变成红黄绿3色呈现的路况线圈图,哪里拥堵一目了然。
郭成坤告诉记者,高德地图交通出行大数据来自多个方面:一是众包数据,高德地图提供免费交通信息服务给用户,用户在享受服务的同时,也成为交通信息的贡献者,帮助高德获取交通路况信息;二是行业数据,如出租车、物流等数据;三是交通事件数据,如与交管部门合作获得的数据,还有高德地图自有用户手机端的上报数据等。
没有数据,地图服务就无从谈起;没有实时交通数据,“活地图”也是纸上谈兵。在位于北京昌平的高德地图数据生产基地,高德地图技术副总裁于志杰告诉记者,“将数据视为重资产的高德地图,正在建立目前国内唯一的地图‘活数据’生产能力,并研发代表未来地图趋势的‘活地图’。有了活数据,地图就会实时更新,每一秒都不一样”。
未来出行或靠“大脑”指挥
移动互联网时代,共享经济模式正悄然改变着大众生活,并被视为下一个10年的最具成长性的商业模式。这一点被高德地图敏锐发现,并大力借用,其中最典型的代表就是运用互联网共享和众包思想集散交通信息。
“以前,高德地图的交通信息数据都是采购来的。”董振宁说,当时,企业得跑到各大出租车公司求购出租车轨迹数据,一天最多只能求购六七十万台车、五六千万公里的回传数据。但这些数据无论从质量还是覆盖里程上,都无法满足需求。
从2011年起,高德地图创新性地将互联网分享和众包思想“嫁接”起来,形成海量信息共享模式。现在,公司每天获取的用户数都在几千万以上,覆盖里程通达全国,数据如滚雪球一样越滚越大。这种模式一举多得,既解决了全国交通信息采集问题,又解决了交通信息数据共享问题。
更让董振宁自豪的是,高德地图来自于互联网众包数据的占比超过80%,行业数据虽然也在不断增长,但占比不断降低,目前已低于20%,更大的海量数据(67.060, 0.00, 0.00%)都来自于互联网。“现在,每一天用户贡献数据总和都超过10亿公里,上百亿笔数据回传。”
尽管“活地图”建设已经取得巨大进展,但高德仍不满足。“目前,我们正在谋划‘城市交通大脑’。”俞永福认为,“要形成城市交通大脑,关键是交通大数据生态建设,即每个人、每个企业、每个交通管理部门都成为同一个大数据系统的提供者和受益者。未来,所有的道路、车辆、乘客信息都将接入交通大数据系统,采集、调度、管理等行为都由‘交通大脑’指挥完成,城市出行效率和安全程度都将大幅提高”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12