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
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21