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。