高德首次展示高精度地图技术 打造DT大数据生态

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

5月24日,国内领先的互联网地图内容、导航和位置服务提供商高德举行媒体开放日活动,首次对外展示了其面向自动驾驶环境的高精度地图技术——其已成为国内首个获得高精度地图商业订单的企业。此外,高德还展示了其在数据生产、大数据动态运营、高精度地图数据制作等方面的成熟能力。

“依托DT(Data Technology)大数据能力,通过数据生产流程的在线化、自动化、高精化,高效利用内外资源,高德将建立一个出行和位置信息服务相关的DT大数据生态。”高德集团副总裁姜德荣描述了高德地图在数据层面的未来规划。

高德首次展示高精度地图技术 打造DT大数据生态

深耕数据生产14年

2015年10月12日,高德正式推出“一个高德,一云多屏”战略:“一云”代表着高德这家公司的核心能力——以云计算和大数据为代表的核心后端体系;“多屏”则是指手机和车机两块屏幕,也就是高德在两种终端上的应用解决方案。

据悉,在直接面向用户提供服务的手机应用领域,高德地图的用户数量已经超过了5亿。根据艾媒咨询最新数据,目前手机地图市场份额,高德以33.4%的份额位居第一,百度地图以29.5%的份额位列第二。与此同时,高德也一直与海内外众多知名品牌的汽车企业客户持续保持着密切的合作关系,包括宝马、大众、奥迪、奔驰、本田等一线品牌。自去年公布“导航互联网化”的新战略以来,高德地图也已经与捷豹、路虎、吉利、长安等国内外一线品牌建立了全新的合作关系。

“在这些应用背后,更重要的是数据支撑能力。”姜德荣介绍称,“无论是地图还是导航,或者是其他位置相关的信息服务,都依赖于数据层面的采集更新和挖掘计算,因此可以说数据是地图导航类公司的命脉,是高德的立身之本。”

自2002年成立以来,高德已开发出具有完全自主知识产权的导航电子地图制作工艺、标准及采集、编辑、编译和质量保障系统,拥有国内最庞大和最专业的测绘团队、超过1300和300的数据生产和技术研发人员;在数据产品的积累方面,经过14年专业严谨的生产积累,高德地图已经拥有超过5700万个POI,650万公里的导航道路数据,这个里程数可以绕地球赤道160周;高德地图同时拥有超过400种道路属性信息,横跨61个城市、超13000平方公里的三维数据模型。

此外,随着技术和产品的创新发展,2014年高德开始面向公众提供交通大数据信息服务,对整体交通的全量数据进行动态呈现,且能够智能分析、指导行驶车辆避开资源紧张的路段。目前,高德每季度的交通大数据报告,已经形成了独有的品牌,在用户和政府机构两端都有非常大的影响力。

数据生产的DT化

数据生产上的深厚积累,数据挖掘分析上的精进,再加上与阿里巴巴集团的顺利整合,高德地图已经转型成为一家DT大数据企业。例如,在数据采集方面,高德获得了全球最大的电商物流体系——淘宝、天猫的快递、包裹数据支持,进一步完善了POI等关键信息;而在数据处理方面,则有在国内保持着绝对领先地位的阿里云计算,为高德的大数据能力提供支持。

目前,高德的DT大数据已经形成了由阿里巴巴集团、高德自身、开放平台与第三方应用联合组成的生态体系。姜德荣向记者解释称:“这些数据源帮助高德丰富了数据的维度和结构,有助于DT大数据能力的完善,从而进一步提升出行和位置信息相关的服务质量。”

据介绍,在DT大数据能力的支持下,高德地图在数据生产方面也已经实现流程的在线化、自动化和产品的高精化。例如,高德利用大数据热力图发现道路数据的变化、自动下发及回传采集任务、对采集数据自动识别差分处理、增量更新实现小时级发布;同时,高德已实现全部采集车等工具的高精化,在生产出的地图数据上能够跟更真实反映世界本来面貌。高德地图数据中心总经理李艳霞表示:“借助地图数据生产在线化、自动化和高精化方面的优势,高德有能力为汽车、政府、互联网等行业机构合作伙伴提供快速、准确的数据服务。”

“DT大数据帮助高德地图盘活了整个数据生产流程,做到了短周期内的快速动态运营,保证了数据生产更快、更准,个性化导航、动态环境数据服务等也成为可能。”姜德荣认为。

高精度地图 服务生态为先

随着科技的快速发展,自动驾驶已经成为全球范围内一个新的发展趋势,而推动其发展的关键因素之一就是高精度地图数据。据姜德荣介绍,高德在这个领域布局已久并处于领先地位,拥有国内最专业的生产装备,截至目前为止总里程数最大的高精度数据量以及精细到10cm的数据精度。而凭借这些优势,高德地图早已经成为国内第一个获得高精度地图商业订单的公司。

高德汽车大客户业务总经理、自动驾驶技术专家阿荣对高德的高精度地图技术进行了详细诠释:在实现自动驾驶的过程中,高德将逐步推进地图数据的高精度化,进行更有效、更低成本的数据采集、自动化处理、以及更加有效率的发布。“高精地图数据支撑自动驾驶的发展,自动驾驶再产生新的数据,经过科学自动化的处理,变得更新更准,更能被机器电脑使用和学习的数据,最终形成高精地图数据的生产闭环。高德不仅可以提供高精度车道级信息及其它丰富的自动驾驶地图要素,还可以提供与之配套的专业定位图层、实时地图服务和反馈闭环,从而为自动化驾驶提供一系列关键服务。”

“高精度地图数据不再是一次性售卖的商品,也并不局限私家车领域的应用。”阿荣进一步补充道,“例如在阿里集团体系内,高精度地图数据可以囊括包裹、门址、物流路线等各个维度的数据,为整个电商物流的自动化进程赋能;也可以提供高精度定位和高实时性交通信息,为社会公共领域提供位置信息服务。依靠高德DT大数据实现自动化采集和动态运营的高精度地图数据,将在出行和位置信息服务相关的DT大数据生态中发挥更大价值。”

 “高德地图生产的不再是一张传统意义上的静态地图,”姜德荣最后总结说,“而是一张支撑了几亿人出行和位置信息服务的活地图。”






原文发布时间为:2016年5月25日 
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
115 2
|
2月前
|
SQL 运维 大数据
轻量级的大数据处理技术
现代大数据应用架构中,数据中心作为核心,连接数据源与应用,承担着数据处理与服务的重要角色。然而,随着数据量的激增,数据中心面临运维复杂、体系封闭及应用间耦合性高等挑战。为缓解这些问题,一种轻量级的解决方案——esProc SPL应运而生。esProc SPL通过集成性、开放性、高性能、数据路由和敏捷性等特性,有效解决了现有架构的不足,实现了灵活高效的数据处理,特别适用于应用端的前置计算,降低了整体成本和复杂度。
|
3月前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
174 4
|
3月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
3月前
|
SQL 存储 大数据
单机顶集群的大数据技术来了
大数据时代,分布式数仓如MPP成为热门技术,但其高昂的成本让人望而却步。对于多数任务,数据量并未达到PB级,单体数据库即可胜任。然而,由于SQL语法的局限性和计算任务的复杂性,分布式解决方案显得更为必要。esProc SPL作为一种开源轻量级计算引擎,通过高效的算法和存储机制,实现了单机性能超越集群的效果,为低成本、高效能的数据处理提供了新选择。
|
3月前
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
232 2
|
3月前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
216 0
|
3月前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
3月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
107 3
|
3月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
145 2