高德地图更新路口放大图 数据立体化升级

近日,随着新一次版本更新,高德地图对基础地图数据和导航数据进行了一次全面立体化升级,其中对用户使用影响最大的即为4万余个路口放大图更新。高德地图对路口放大图的更新包括优化图示准确性及可读性,并增加路口放大图的覆盖范围。目前,高德地图的路口放大图已经全面覆盖全国365个城市。在超过40个全国重点城市,用户可在复杂岔路及路口看到反映道路和周边情况的实景路口放大图。

作为国内领先的数字地图内容、导航和位置服务提供商,深耕地图数据生产14年的高德地图一直以来都在地图数据的更新上保持领先。这得益于高德是目前市场上为数不多的具备完整基因的互联网地图厂商,同时在上半身“产品”和下半身“数据”两个赢取用户的决定性层面都极具竞争力。此次路口放大图更新,就体现了数据生产变革的一个方向——立体化、高精化,即更真实地反映世界本来面貌,并给予用户更精确的指引。

路口放大图清晰呈现复杂道路

交错复杂道路和立交桥一直困扰着驾车用户,虽然有导航指引,司机在不熟悉的复杂路口和立交桥仍很容易走错。随着各城市规模越来越大,道路交错设计越来越复杂,对路口更加清晰的指引成为用户的强烈需求。针对此用户痛点,高德地图早就上线了路口放大图功能,通过在导航界面中呈现模拟真实的道路场景和驾驶路线,给用户更加清晰的导航指引。

此次更新,高德地图首先优化了路口放大图的清晰可读性。在一般路口,放大图不仅能够显示道路走向,还能够显示多岔路、道路具体形状、车道数量等,让用户一看就清楚明了。

 高德地图更新路口放大图 数据立体化升级

经过优化的路口放大图让用户一目了然

除了根据车道及走向模拟的路口放大图,在重点城市的复杂路口,高德还上线了实景路口放大图。在实景图中,不仅道路情况清晰可见,周边具有标志性的桥梁、楼宇、隔离带、标识等也在图中显示出来,给用户以参照。相对于真实街景照片,实景路口放大图不仅在最大程度上还原真实场景,提高驾车引导效率,还过滤掉了照片中对引导驾驶无关的无效信息,如随日夜、天气、季节变化的景观布置及车辆行人等等,减少干扰。

高德地图更新路口放大图 数据立体化升级
高德地图更新路口放大图 数据立体化升级 

高德地图实景路口放大图

数据压缩优化覆盖范围更广

本次数据更新后,用户不再需要提前下载离线数据,即可在导航过程中享受到路口放大图带来的清晰导航指引,这是得益于高德地图运用了新的渲染和压缩算法优化处理。一般来说图像越精细,则意味着数据量越大,然而,在采用了新的技术优化处理后,路口放大图下发流量与一般道路指引基本相当,特别复杂路口的实景图所用流量也只相当于发送一条微信语音所需的流量。路口放大图所耗流量微小,是用户不需要提前下载,在线导航时路口放大图可用的关键原因。

如果用户想进一步减少流量消耗,也可下载离线地图。据悉,高德地图在近一次更新时将路口放大图数据合并进了离线地图包,用户只需更新离线地图包,就可以离线使用路口放大图。

除了优化图示可读性和数据压缩率,高德地图还加快了路口放大图的采集与生产作业,将路口放大图的覆盖范围迅速扩大。目前,高德地图的路口放大图全面覆盖全国365个城市,其中,上线了实景路口放大图的城市已经超过40个。

此外,今年第二季度,高德地图还大批量更新了600万余个POI数据和200万余条道路数据。作为日常生活场景中最常用的应用之一,手机地图的数据更新速度一直是衡量用户体验优劣的重要标准。长期以来,高德地图数据采集团队都实时关注道路、兴趣点的变化,并在最短时间内进行实地核实并在高德地图产品端上线,不仅保证新建道路、桥梁、线路等能在地图上显示出来,更能实现检索、路径规划和导航。现在高德地图数据更新最快可实现分钟级上线,一般大部分道路数据一天以内即可实现更新,这也是高德地图优于其它竞争对手的核心竞争力。

“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。”高德地图表示。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。高德地图还是国内唯一一家在互联网产品和地图数据均占据专业领先地位的互联网地图厂商,目前,高德地图用户数已超过六亿,2015年活跃用户增长超过100%。






原文发布时间为:2016年8月15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。
上一篇:线下沙龙丨阿里云无锡ACE同城会 分布式存储技术沙龙


下一篇:MongoDB · 特性分析 · MMAPv1 存储引擎原理