朱凌:四维图新为百度、腾讯地图、滴滴打车提供数据服务,在地图数据领域占市场份额60%

行业会议
朱凌  •  2年前

本文为四维图新战略企划部总监朱凌在驾图世界数据大会现场分享整理,内容未经本人审核,如有偏差,敬请谅解。

各位来宾大家好,非常荣幸受到邀请,来到重庆和大家共同探讨一下,有关车联网和大数据这方面的思考以及实践。

我这次演讲的主题是独立思考自主创新,构建四维图新大数据新生态。四维图新是做什么的公司?是最早做导向的一家公司,最早和丰田合作,合作过程中,形成了中国第一家导航电子地图。目前在导航电子地图数据的领域里面是占到了60%的市场份额,同时我们也是第一家提供动态交通信息的公司,并且我们在这个市场也是取得了领先的市场份额。

  • 四维图新业务布局

目前像百度、腾讯地图,他们后台的基础数据,包括PW和道路的数据,动态交通的数据,其实都是我们提供的。滴滴打车软件,它的后台数据调度所用的数据,也是我们提供的。对于我们公司来讲,现在是一个重大的时间节点,我们正在从一个单纯的数字地图供应商,向一个以位置为中心的大数据转型,这里面包含核心地图交通位置,还有动态交通信息,车联网等等。四维图新原来是一家专注于做数字地图的公司,大数据怎么会体现在我们的业务领域里面呢?通过几个代表性的业务,来分享一下,我们在这方面的一个实践。

以前主要是通用的传感器产生的大数据,后来成为一个专业传感器产生的大数据,我们在车的领域里面,有很多的传感器,不光是激光、雷达、摄象头这样的传感器,里面还有胎压的传感器,减震的传感器等等。各种传感器产生的大数据,它的价值是非常巨大的,我们认为它应该是丝毫不低于智能手机所产生的价值。

  • 地理位置相关的大数据

2020年产生的数据量将是2009年的44倍,将近350亿TB。未来的大数据越来越互联网化,我们未来的业务要进一步去发展高增长率和位置信息的资产。对于如何利用这方面的资产,如何更进一步发觉它的价值?比较重要的是三个关键的因素:

第一个是非结构化的数据成为主体,跟传感器形成的文本也好,互动的社交的信息也好,包括图象的数据也好,相对来说是一个非结构化的数据,如何分析利用这些数据,将成为很多公司,未来的一个竞争力所在;

另外它的计算,包括快速计算,实时反馈的能力。要达到未来自动驾驶,在这里面如何快速获取数据,并实时反馈从计算能力上来讲,要求也是很大的;

包括软硬件体系的一个匹配,大家之前讲到一个算法,如果能够智能挖掘数据?如何实现比较智能的预测,这一点也是非常关键。

  • 四维图新大数据

四维图新在数据方面,还是有一定的积累。在计算和算法上面,四维图新正在积极布局,希望能够提供更好更优质的服务四维图新海量出行的大数据,大概是怎样一个规模?高峰区采集的数据可以绕地球30圈。

四维图新大数据生态系统,它的贡献方已经有很多家相应的合作伙伴,比如说滴滴数据,包括基于位置像腾讯、百度、图巴的数据还有出租车、私家车的数据,客流、物流的数据,OBD的数据等等。

大家对地图生产的流程不一定特别了解,四维图新之前更多的是我们自己采集的数据。从2002年开始,在全国采用专业采集队的方式,采集全国道路的数据作为一个基础。未来发现一个趋势,更多的是用户贡献的数据,在数据形成和更新里面,占比相对来说会逐渐超过我们自己采集的数据,互联网经常会讲PGC, UGC,UGC在我们数据来源中,占比也是越来越大,在座各位在使用滴滴轿车,腾讯以及百度相应的导航数据的时候,也为我们的实时交通,路况正做着自己的贡献。

  • 大数据在地图生产中的运用

大数据在地图生产中,有哪些运用?大家对于地图的要求:第一信息要丰富准确。第二更新要及时。在数据生产领域,随着客户,包括互联网的客户,车厂客户的要求不断提升,现在的生产体系,基本上已经能够做到,重点的当天开通。未来的目标,争取新发现的道路,也能够做到当天开通,当天上线。大数据应用的一个场景,根据客户的GPS轨迹数据,能够发现缺失的道路,包括城市的主干道,包括连接物,这方面现有的技术已经比较成熟,并且能够应用到现在的生产过程里面去了。另外还有挖掘道路的属性,比如现在有些道路,目前是属于施工的状况,哪些原来是禁左,现在通过现有的轨迹判断,已经是改变了它的属性,这样对于改变道路情报的来源是非常有效率的。

基于用户的大数据挖掘,哪些是用户比较感兴趣的区域?哪些是用户比较感兴趣的PUV?相对重点服务于这些领域,加深这方面深度信息的提供。历史上来讲地图的制造还是人工化比较多,现在是引入了比较多的人工智能,相应的手段,来提升我们的生产效率,包括自动驾驶也会用到,标牌的识别和道路和识别,我们和欧洲的团队一起开发比如标牌识别体系,准确率应该能达到98%。

  • 大数据在动态交通服务中的应用

大数据在动态交通服务中的一个应用,这个就是交通出行大数据一个概念。在做交通大数据的时候,有时候会运用到一些新的技术,来提升在交通事件判别的水平。目前应用语音识别的技术,很多用户会向交通台报他相应的一些交通事件,并不是人工手段,而是语音识别手段,通过各个交通台去汇集相应的交通事件,通过交叉的验证,最后快速的一个发布,以体现我们对交通影响的关注。交通大数据的分析平台,基于我们原来大数据,希望对未来交通状况,包括短期和长期的交通状况,能够有一个相对比较准确,比较可靠的预测,不光是为客户,同时也为政府,为交通部门提供一定的参考。

  • 大数据在自动驾驶中的运用

大数据在自动驾驶中的运用,大家有可能会问,作为一个图商为什么要做自动驾驶,我们的想法也简单,之前我们在制作地图的时候,也是反应的真实事件,只不过反映的周期相对会长一点,一年半年来反映,但是自动驾驶利用的技术也是相类似的,只不过它的时间段缩短到了大概是天,甚至是到分钟的级别。目前主要是从高清地图、传感器地图,包括自动驾驶核心的一些算法,能够为未来的自动驾驶,提供更好的辅助服务。

下图是四维图新大数据,到自动驾驶的地图,它的动态信息,如何形成汽车可用的人工智能。

下图是我们在自动驾驶相关的一些探索,第一个是HAD的地图,目前,欧洲那边给三步的数据,已经符合了目前自动驾驶的要求。自动驾驶高清地图,如何进行产业化,是我们下一步需要研究的重大课题。传感器融合的地图,它的雷达超声波视频,如何用于地图的生产和地图的发布?我们建立了一个深度学习实验室,实验室已经完成了一些主要的工作,比如说完善它的训练,还有车道识别网络简化,以及对场景的一个理解,目前车道识别和车辆识别,这方面基本上已经完成了前期重要的一个研发工作。

我们的自动驾驶实验室,也是采取开源的模式,也是想建立自动驾驶开源的社区,与车联网伙伴,包括制造行业的伙伴和高校一起联合开发这方面的技术和应用。我们开放的生态系统的一个建设,也是希望能够从标准的建设上面,从核心资源和能力的开放上面,还有孵化上面和大家一起合作,去共同推动自动驾驶在现实场景上的运用。

这是我们原型的自动驾驶测试车,另外在自动驾驶芯片领域来讲,也是和相应的合作伙伴一起,在这方面进行深入的合作。

四维图新对2020年的一个展望。我们现在也在做2020年的战略,重要的一个结点,会在云端算法和大数据资源,以及终端的算法和计算能力方面,积极投入资源,最重要也是想和大家一起共建一个大数据服务的生态系统,和各种开发者一起开放我们的API和SBK这方面,和大家一起共同搭建向全行业开放的位置大数据服务生态。最终强调一下我们的理念,独立创新开放和共赢,和本届大会的主题也是一致的,谢谢。

 

写留言