
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
MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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, ...
2025-09-05