百度地图，如何成为“最具扩展性的数据机器”

【深几度·产业数字化】

 撰稿｜吴俊宇 

 编辑｜吴俊宇 

 审阅｜梁欣婷 

「摘要：对行业而言，百度地图在当下的角色转变具备代表性意义。这是产业数字化浪潮下的一次成功转型。在过去移动生态下诞生的产品，在今天都值得深入挖掘其中的数据价值，这些价值可以延展至国民经济、产业客户的实际诉求之中。」 

2020年是技术渗入生活和产业的一年。

新冠疫情催化了企业对AI产品解决方案的诉求。“新基建”政策倡导加速了这一进程。诸多移动时代产品在疫情下展现了平台化能力。这些能力对社会、产业起到了支撑作用。

百度地图是其中的案例之一。它在新冠疫情中曾利用技术能力测算人口迁徙、复工复产数据，对政府、企业疫情相关决定起到了一定的影响。

这些能力得以发掘后，百度地图进一步强化了在ToB、ToG市场的解决方案构建，成为了移动互联网到产业数字化的一款代表性产品。

从工具产品战场的角逐，到生活服务赛道的博弈，再到服务行业数字化，能够实现这三个阶段的进化其原因与诸多因素有关。

国民级用户基数，形成了国民信息分析的能力；

长期地图数据采集，这为百度地图后续服务行业数字化积累了数据资产；

百度AI技术的长期储备，这是百度地图服务行业数字化的充分条件；

这个过程既有必然也有偶然，其中经历了诸多曲折与试错。三个因素相互影响最终形成了百度地图在今天的角色定位——智能化位置服务平台。

在海外，地图甚至被视为是“最具扩展性的数据机器”。原因在于，地图天然能与自动驾驶、智能汽车产业做结合，还可以服务更多对位置服务有需要的企业。

百度地图如今的生态规模也在实现扩张。和2019年相比，其核心能力正在延展。

轨迹服务、人口迁徙相关能力使其服务ToG客户的能力得以加强。百度地图目前在ToB领域与部分客户也有合作，应用领域拓展到了房产、安防、金融、工业等行业。

用百度集团首席信息官（CIO）李莹在百度地图生态大会上的话来说，“作为AI技术典型落地场景的百度地图，实现了从国民出行工具到新基建数字底座的重要跃迁。”

作为智能化位置服务平台，百度地图的数据、AI服务还将帮助ToB、ToG客户实现更多场景的科学决策。

 01 

 数据的来源 

数据是一种资产，这种资产需要积累和沉淀。

作为“位置服务平台”，地理信息的精准、丰富极为关键，这需要多方数据来源。

目前地图市场数据来源包含几块：用户数据积累、图商数据采买，以及最核心的自采数据。

不管是百度地图、高德地图甚至是Google Map都在强调自家数据自采能力。原因在于，数据采集，尤其是数据自采对地图产品而言具有基础战略价值。

在现实世界中，街道等地理位置信息变化速度快，要确保覆盖广度、准确性以及更新速度，自采团队具有较强优势。数据自采在很大程度上可以保证数据的内容统一，避免后期数据使用过程中出现融合难题。

对百度和谷歌这样的企业而言，数据自采还有更长远的打算。因为实时路况、高精地图等智能、精细化功能的实现，乃至辅助自动驾驶，都需要拥有强大的数据自采能力。

比如，谷歌便会通过卫星图像、地质调查、市政地图、第三方调查等方式进行数据采集，确保地理信息准确性。还通过专业技术将不同数据源组合，以生成最精确的地图。除此之外，还雇佣了部分人力手动更正不同来源收集的信息。

高德地图即使通过阿里集团多种方式智能采集数据后，依旧要通过专业采集的方式进行数据修正。

早在2013年，百度地图出于市场竞争、未来预判的考虑，全资收购了一家具备甲级测绘资质的地图厂商。这次收购后，初步建立了数据自采团队。

如今，则是搭建起了国内规模最大的采集团队，其AI化水平最高、搭载的AI技术最强最丰富，且唯一拥有全景数据。

百度地图的数据自采在不同阶段都展现了价值。

早年地图工具追求精确性的阶段，数据自采确保了百度地图的竞争优势。在当下，无论是政企客户、自动驾驶、智能汽车对数据的时效性、准确性乃至储备能力都提出了更高的要求。

除了自采数据之外，百度地图结合其发布的新一代数据生产技术，构建了全国高精度的基础骨架路网，并辅以轨迹大数据挖掘、用户上报分析能力，实时更新道路通行性信息。

如今百度地图90%的数据生产环节实现了AI化，生产效率较传统生产工艺提升30倍以上，并已于今年全面投产第六代一体化采集车。

在内业制作方面，则是拥有高自动化、缜密且专业的制作流程，包括道路要素自动化识别、底图自动化差分、数据半自动化制作等多个环节，具备高效率、高时效的特点。

无论是带来精确数据的自采团队，还是效率更高的AI化数据采集制作，这都让百度地图具备更为实时、动态的能力。

地图产品在这些技术的支撑之下，才能真正转变为“智能化位置服务平台”。

 02 

 数据的挖掘 

采集后的数据想要真正运用于ToB、ToG客户则是需要进行数据挖掘。

数据挖掘的意义在于发现其中存在的现象与规律，进而把规律与现实场景相结合，形成数据的实际价值。

过去地图数据使用过程中最典型的问题是“数据海量，信息缺乏”，真正可以运用于实际产业价值的地理位置信息有限。

采集到的数据，要成为真实可用的商业数据，还需要经过生产和加工的过程。其中涉及几个关键技术，比如多源数据的自动差分融合、图像识别技术。

以城市为例，其地图大数据一共分成了三层。

底层是基本的地理状况，比如道路、湖泊、绿地等，这类数据是地图数据的骨架；

中层则是地图中的组织，地图数据之中称其为POI（Point Of Interest）；

最表层则是人的数据，人在地理位置中活动，时时刻刻发生变化；

这三层数据辅助时间、空间等维度的信息叠加分析可以挖掘出大量实际信息。

比如，可以发现某地理位置附近的人口流量和人群画像。这些信息可以帮助ToB、ToG客户发现现实场景中存在的诸多规律。

在地图数据的实际挖掘过程中，一般地图数据工程师往往承担了这些任务：

构建地理与用户画像体系，挖掘通用特征体系，从中发现一般规律；

进行数据分析，构建机器学习模型，发掘商业价值，解决客户实际业务的问题。

事实上，目前百度地图基于AI能力实现的数据挖掘包含几个方面的现实落地。

基于海量轨迹数据挖掘，利用机器学习，精准刻画现实世界的变化。帮助客户进行人口挖掘、客群分析、出行研究、位置评估。

提供人口挖掘、客群分析、出行研究、位置评估等人、地、物研究，为国家城市规划提供重要参考。

从宏观到微观的人、地、物研究，已深入应用到城市规划、人口统计、政府、零售餐饮、广告文旅、高校智库、公安应急等行业。

当然，数据挖掘过程中，涉及的领域越多，产业边界就越是需要不断拓展。

不同领域需要储备不同的数据，根据不同产业维度、应用场景建设不同的数据模型，数据模型还要根据现实业务情况进行不断调整。

在实际运用过程中，交通、物流、汽车、文旅、规划等不同领域对数据的挖掘和使用需求都不一样，而且不同公司、不同机构对数据维度的要求也会产生个体差异。

因此，每一个使用场景往往都需要建立不同的算法模型和解决方案。这些解决方案还需要根据实践推移不断优化迭代。

 03 

 数据的使用 

长期数据积淀和数据挖掘，再加上开发者和百度自身云与AI能力的支撑，形成了一整套解决方案。

这些解决方案涉及企业客户、政府客户以及自动驾驶等新型产业。

百度地图的数据使用在行业中处于领先位置。目前这些产品解决方案已经落地商业地产、交通枢纽、智慧园区、智能物流等客户群体之中。

其合作模式通常为合作伙伴使用开放平台提供的调度系统，通过API借口接入之后利用系统提供的技术和服务。

从企业客户来看，目前百度地图在智能物流和车用数据领域的客户非常具有代表性。

在智能物流领域，百度地图目前拓展了中国建材、双汇、圆通、德邦等一系列客户。

在双汇智能物流解决方案的建设中，百度地图为其提供了基础地图服务能力以及SaaS平台。覆盖运前调度、运中管理、运后分析等各个环节，帮助客户实现增效降本。

双汇则是可以在SaaS平台之上了解到智能物流系统的运转状况，物流安全性、可靠性都得以提升。

采用这一解决方案之后，其物流运输综合成本下降了5%，司机费用结算效率得到提升。这样已落地的智能物流解决方案未来可以在更多行业之中得以推广。

在今年疫情期间，百度地图在帮助政府指导社会疫情防控、复工统筹等方面起到了关键作用。

疫情防控与复工统筹方面，通过迁徙大数据平台，就每日全国和各省市人口迁入迁出规模趋势、城内出行强度等提供及时、有效的数据。

过往实现这些目标常常需要社区统计、工厂统计，但是在迁徙大数据挖掘的过程中，决策部门只需要利用某些数据相关性就可以展开计算。

在当时，百度地图复工指数通过大中型城市初七后累积活跃工作人口数与2019年12月的基准活跃工作人口数相比，得出复工人数比例，计算复工情况。

对决策部门来说，这种大数据相关性的计算省时省力，而且可以通过小样本得到更精确的数据。

在未来出现类似公共危机时，百度地图可以利用自身数据辅助政府部门科学决策，合理配置公共资源。

自动驾驶、智能汽车等当下技术迭代较快的新兴产业对地图数据有非常现实且迫切的需要。

目前大部分自动驾驶企业都会采用两部分数据，一部分是高精度地图的静态信息，另一部分则是感知器对环境的动态感知。两部分数据融合之后，才会形成可用的数据。

虽然目前自动驾驶汽车厂商都在通过使用传感器组合来实现汽车周边感知的无缝覆盖，但传感器依然挖掘不了测程外以及遮挡带来的数据盲区。要实现 L3 级别和更高的自动驾驶，必须要使用到高精度地图。

百度地图所提供的高精度地图数据可以弥补这些数据盲区让车辆定位更为精准，即便在路况复杂区域定位也可以得出科学的决策分析，进行线路规划。

事实上，这些地图数据也在百度Apollo自动驾驶的日常测试之中得到了使用。

在今年，特斯拉也更换了百度地图作地图数据服务商。原因在于，其自动驾驶技术主要依靠摄像头以及毫米波雷达实时演算，并不依赖地图。

百度地图的高精数据是其安全冗余必选项，而这些数据在自研导航系统升级和自动辅助驾驶方面的作用，同样对特斯拉有吸引力。

 04 

 行业的价值 

对行业而言，百度地图在当下的角色转变具备代表性意义。

这是产业数字化浪潮下的一次成功转型。在过去移动生态下诞生的产品，在今天都值得深入挖掘其中的数据价值，这些价值可以延展至国民经济、产业客户的实际诉求之中。早年在ToC领域积淀了用户、数据。在近1-2年来利用AI与大数据的技术基础实现ToB、ToG的服务转型。这是目前产业数字化转型浪潮中一批企业正在通往的路径。

ToB、ToG客户、开发者之间也在逐渐形成良性生态循环。随着ToB、ToG客户的持续拓展，未来更多开发者会参与到百度地图开放平台的诸多应用解决方案建设之中，这些方案会落地到各行业，为行业提供更丰富的解决方案。

地图正在与云、AI等技术深度结合，让AI在用户、产业、公共层面得到了实际落地。百度地图如今智能化位置服务平台的角色与百度长期在云与AI产业的技术积淀有密切关系。

这些技术让百度地图自身数据可以通过平台搭建的方式，为客户提供云化解决方案。尤其是在当下上云的大趋势下，这些解决方案会吸引大量企业客户。

未来百度地图平台化解决方案能力可以在ToB市场实现商业化，让百度地图从过去的成本中心逐渐转为收益中心，甚至是成为吸引企业客户采买云与计算资源的重要入口。

在AI新基建的政策倡导下，更多行业客户未来会倾向于使用百度地图带来的诸多解决方案，运用于日常降本增效中。

这对产业经济的发展会起到重要作用。

​