
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01