分享
Scan me 分享到微信

高德张凡:精准定位的最后一厘米解决方案

在6月12日的地图客开发者-高德地图专场,高德地图服务研发中心总经理张凡发表了题为《精准定位的最后一厘米解决方案》的演讲。

  6月11日,北京国家会议中心,以“融合 开放 智能”为主题的2014地理信息开发者大会(WGDC2014)在此拉开帷幕。地理信息开发者大会自2012年起开始举办,三年时间里,伴随着中国地理信息产业的快速发展,已经成为地理信息领域最具影响力的技术创新盛会,与跨界融合、国际交流的重要平台。

  在6月12日的地图客开发者-高德地图专场,高德地图服务研发中心总经理张凡发表了题为《精准定位的最后一厘米解决方案》的演讲。以下是演讲实录(根据现场速记整理,未经演讲本人审核,如有疏漏,请谅解并及时与3sNews联系):

泰伯网

  大家好,非常荣幸能够有这个机会和大家交流关于地图服务的基本技术。我这边先自我介绍一下,我是高德地图服务研发中心的负责人,我叫张凡。我这边负责的基础服务除了定位之外还有其他的一些精准服务。今天的重点是定位的技术和现状,以及未来的趋势。

  当然,标题说的精准定位最后一厘米的解决方案,我们是达不到厘米级别的,但是米级别是可以达到的,这是国际包括国内是领先的状态。我先介绍一下我这边的三个方向,第一个是现状,定位业务和我们高德数据的情况。第二块是最近比较热的一些业务及产品方向,包括室内的,定位的新技术的使用。第三个是趋势,就是我们怎么样做得更精准,怎么样做得更贴近用户的需求。这一个图接田密的演讲主题,是整个定位服务在开放平台上的状况,之前有一个说法,每一个门卫都是一个哲学家,每天考虑的都是人生的三个终极哲学问题,我是谁,从哪来,到哪去,我们做LBS也是考虑的同样的问题,我们都是哲学家,我们要定位我们的用户是谁,重点诉求是什么,怎么样满足诉求,从而达到我们的成功。

  言归主题,我们定位包括几个层面,用户端可以看到,或者是开发者端可以看到,包括三个方面。第一个是安卓的SDK,其实整个的接口非常简单,调用一个接口提法或者是坐标,或者是地理的描述信息。第二块是跟手机厂商有关的NLP,这主要是考虑到谷歌的安卓系统和自带应用功能在中国是不太好用的,所以说我们会提供这样一个系统插件在系统级别为用户提供绘图。第三个是系统调用有关的,主要是针对战略的合作伙伴,比如说360,他用的操作系统使我们没有办法用LBS的操作方式给你提供定位的端的支持,所以让他自己来实现端的,比如说采集、过滤,展示等等的。对于开发者来说,对地块使用的接口,包括安卓的SDK,这是在开放平台上我们支持了很多的应用,主流的手机厂家包括三星,HDC、小米等等数十家主流的手机厂商也是用了我们定位的模块。第三块是探索阶段,但是目前的流量也是非常大,像360之类这样的正面型合作伙伴,会调用我们服务对服务的解决方案。

  这是定位的一个演进的趋势,从最初的GPS和AGPS开始,高德一直是提供了这样的定位地图的解决方案,因为我们对基站的支持也是比较好,因为是属于国内的第一家或者是说前两家的基站、WiFi,以及混合策略的解决方案提供商,这一块也是有很深的情的。现在我们有包括2G、3G、4G在内的数千万的基站信息和数亿的WiFi热点信息,基于这些数据库和在线的服务策略,线下的信息清洗策略,以及HADOOP云计算数据做的精密、抽取方法、指纹的识别方法,在线的定位以及滤波滤噪的技术,我们提供的整体的解决方案,这是GPS开始,包括GPS、WiFi、混合定位和蓝牙等等的新兴技术的混合打包企业。

  如果提到了定位的话及必须说一下数据,就是说高德相对于其他的公司,或者是希望其他的定位服务的提供上来说,最有竞争优势的是我们的数据。刚才已经提到了在基站和WiFi上我们有很大的量,在数据采集上,因为我们有很大的用户群体,他们已经会贡献数十亿的回传数据,这个数据会在整个后台系统做更精准的分析和挖掘,挖掘的结果是我们把新的用户轨迹对整个地理位置相关的阅读分析做出来。这个基础上优化定位图的质量,同时也可以做更多的应用拓展。

  这是我们基础数据和数据挖掘的一个大概的介绍,在基础数据方面,我们包括了自采数据、运营商合作、日志回传和行业客户的数据库,这些数据会在HADOOP上有一个数据融合,在数据融合的基础上做数据的挖掘和分析。在数据的覆盖方面,我这里有几张图,做数据的分布情况,挖掘和热点的分布情况。

  在全国范围内,最高密度的覆盖,大家可以看到这张图,就是说左边是我们基础数据的一个地理位置的覆盖,右边是我们活跃用户和回传数据的一个地理位置的覆盖,大家可以看到,符合二八原则,我们数据和用户分布在最热的一些区域,像北上广深,京津唐、长三角和朱三角。第二个是更细一个密度的位置分析方面,有北京市的地图,可以看到最热的用户会分布在几个终点的区域、国贸、中关村、北四环等等的地方,通州也是一个个例。

  回到上一页的PPT,数据挖掘和发布方面会有一些很细的积累和技术。比如说数据清洗,我们知道WiFi不是固定的,定位的WiFi对数据的集成非常有帮助,但是实际情况上很多的WiFi是移动的,比如说车载的WiFi或者是说随身携带的便携WiFi,对定位来说是一个杀手级的一个干扰或者是说影响。但是从另外一个角度来看,我们通过挖掘这些信息以及产生信息的价值,比如说我一会儿会提到的一个很新兴的东西。这是数据挖掘一个更微观的视角,就是说到小区级别和街区级别,大家可以看到整个点的分布非常有规律,你看在道路上,热点商区的密度非常高。而在居民区或者是设施,相对来讲密度低一些,主要是取决于几个方面,第一个是高德用户的分布,比如说我们用户更倾向于在道路上使用,比如说驾驶导航,或者是步行导航或者是公交。另外是商圈使用,我们知道使用定位肯定是和产品需求结合的,不会说我住在家里躺在床上不停的去定位。第三块也跟热点分布的情况有关。比如说在社区里边,比如说公司或者是说商场,或者是说一些商业区域,我们的热点是很多的。自然而然,我们回传的数据也很多,一些区域里边热点会少一些,这个也反应出用户使用的一个状况。基于这样的数据分析我们可以看到在道路或者是说设施,商业设施方面,我们可以做很深的数据挖掘。可以判断用户的轨迹,发现道路,然后判断出用户的使用场景,以及怎么样做个性化的定制,挖掘更深的商业价值。

  整个定位系统的工作原理和工作流程是这样的,在最终端,我们用户可见,或者是说用户感知的层面,包括几个方面,SDK的,LBS的端的支持,通过调用端的接口,直接打到定位服务商的请求,比如说包括周边的信号强度、以及地址和附加信息等等。我们服务会根据上传请求,坐标地址然后分发给客户,现在的数据,定准的数据,并不是没有价值的东西,我们会附带信息打包的下发,比如说给你坐标,然后调用上传的一个地址的描述信息。当然了这个描述信息也会跟误差范围或者是说使用场景,或者是说一些区域的特殊情况有关。我们会在精准的情况下,返回POI或者是说精准的信息下发,如果有五十米,一百米的精度的范围的话,我们倾向于商厦、商圈或者是基础设施。

  这是整个定位系统的大数据的自反馈的闭环。整个数据流程,就是说在端上边,用户会发起定位请求,然后调用了定位服务,然后各种各样的终端的处理图。在数据处理层面我们会搜集到各种各样的数据,包括投诉来的,用户回传的,运营商的一些相关自己采集的。把这些数据在整个的流程中做清洗,做处理,然后成为线上服务的一个数据来源,建索引等来支持最终的运用服务,然后看到最终的应用情况,比如说导航、定位等等过程中定位是很重要的技术。

  这是定位和LBS周边服务的结合状况,在道路信息方面有很大的帮助作用,比如说道路的点轨迹的区域分布情况,以及区域的分布情况,知道事件、路况的规律和趋势。然后在基础数据挖掘方面的话,清洗数据,怎么样把无效的数据扔出去,保留有效数据,保留的数据如何做压缩和抽取,因为我们知道每天数据的回传量很高,作为一个有效数据来处理的话,非常的挑战技术的能力。和地图用户结合的这些方面,像导航位置服务,可以单独提一点,我们现在是一个整体的解决方案,因为不止是Wifi或者是基站定位,会把GPS其他的一些,比如说走动,周边的一些信息等等的考虑进来,所以用户有的时候会很奇怪的说我们要开网络,或者是GPS会得到更精准的结果。

  刚才说的是我们现有的已经做到的状况,后面的话我会为大家介绍一下室内定位的一个大体的现状以及和现有的面临问题。个

  室内定位其实是一个伪命题,我们用户在定位的时候,其实用户不关心室内还是室外,但是进入室内的话,会考虑到室内各种各样的因素的制约,包括数据和使用场景,以及因为数据和使用场景导致的信息方面的不同。

  如果我们调用使用定位的功能和接口的话,必须考虑用户的使用场景,因为室内外用户的体验和需求还是有很大不同的。室内对定位精准的要求和室外完全不同,因为室外的话可能到十米,二十米,五十米都可以满足用户的需求了。但是室内的话,我们必须做到五米,十米之内的这样一个精度级别。因为可能隔一面墙会发现千差万别,另外是我要发邮件,你给我一个楼或者是一层墙的解决方案,用户是无法接受的。

  其他的方面,像人流,因为人体是导体,我们在制作数据,制作信号,做测试的时候,如果不考虑到各种各样的干扰,像信号屏蔽,二级网络联网,然后还有信号覆盖的密度问题,或者是说人作为导体的人流干扰,做出来的东西肯定是和使用的场景和用户需求是不一样的。

  第二块是室内定位和其他数据或者是说技术的结合。室内定位如果只是定出来一个坐标的话,没有评价,我们必须和周边的数据,周边的服务,周边的业务结合起来,这样的话做一个整体解决方案,才会有价值。可能最基础的是室内地图,室内地图是非常考验一个公司耐心的一件事。因为每个建筑物的室内地图的采集,工程量非常浩大的系列,非常挑战采集的技术和工序。举一个例子来说,比如说某一个商厦,会跟多层,而且多层之间有窜层的问题,中空的区域,我们做室内数据的时候,要考虑到这种因素,可能说做了一个通用平台,但是用户调用的时候发现我在第二层,你定位在第四层,这是窜层的问题。另外是定位的时候,加一个商铺或者是一个设施,像公用厕所或者是店铺,但是我们知道店铺的更新频率是很快的,一两个月不更新的话,数据就失效了。

  另外是和热点有关的,比如说WiFi,也会有变动,一般我们做室外定位数据的时候,做室外定位数据的时候,会有GPS,做一些修正,我们通过GPS和WiFi等等通过把数据做精准和。因为室内没有GPS,通过推导的方式,我拿有坐标的数据,把没有坐标的数据推演出来,把没有推演的过程中多次推演然后放大,这是一个很挑战公司技术能力和耐心的一件事。

  第四块是这种跟步行规划,导航有关的结合。就是说定位如果要做到精准高、密级别,一米,两米,五米这样的级别的话,必须考虑更多的因素和信号的接入,像测用户的行为场景,比如说步行状态还是电梯状态,还是说奔跑状态,另外是跟随的策略,我希望把信号的位置点和用户能够做一个连接,而避免这种跳动、跳跃,大范围的波动。和其他的业务的结合,像O2O相关的,其实也是我们要考虑的。我们到底要解决什么样的问题,满足什么样的用户需求,这才是做技术方案和产品的应对方案。

  说到室内的话必须提一下蓝牙和iBeacon,因为苹果一直在推iBeacon的解决方案,但是iBeacon按照目前的趋势,大概会变成苹果定标的设备,大家符合这个标准上来的模式,但是iBeacon只是一种技术,解决问题的方法,我们怎么样更好的解决问题,更有效的满足用户需求,这一块还需要来探索。比如说步点来说,我们步了很多的点,因为各种条件的制约,不可能说一家公司把全国的点都布下来,至于说每一个商家或者是说每一个场景需要自己来自恰这套系统。举一个简单的例子,我们在测试条件下,在自己公司和试验的场所布了一些iBeacon的点,而且很密,我们的定位包括室内路线规划也是做到很精准的级别的,很好的。但是产品应用或者是商业推广上就遇到了问题,比如说我们可能花很多的钱,到处去布置这套设备,后期的维护和更新什么的也是有很大的问题。那么,如何解决这个问题,可能需要大家一起来探索的,包括商家怎么样搞自己的商业兑现,怎么样支持到楼层的整个生态链中获得更多的利益,这是不可或缺的环节。

  因为低功耗蓝牙的出现,一块钮扣电池可以支持一年到四年的蓝牙设备的使用,我认为会是一个主流趋势。其实还有很多其他方面的,像通过红外,通过地磁等等的技术研究。但是因为使用场景以及整个的成本的问题,还是遇到很多瓶颈,现在只能是实验室阶段,但是蓝牙的话已经逐步的开始商业化。

  后面我会简单介绍一下整个定位方向的趋势。就是说怎么样做得更精准,怎么样更能够满足用户的需求,或者是说更符合产品的一种价值观。

  第一块是应用对位置精度的需求,有新需求也有旧需求。旧需求是比如说在某些场景下,我只是要找地方,找点,像十米,五十米。考虑到新的产品应用或者是技术出现的话,如果要去做支付。这个五十米的误差就会有问题,可能需要到十米。但是如果做室内路线计算的话,可能要到一米,两米,五米这样的精度。根据不同的需求的话,我们就要提供不同的解决方案,包括刚才所说的技术和新的技术研究。

  第二块是场景的问题,就是说不同的场景我们可以采用不同的接入方面,比如说传感器的使用和封闭区域,我们会考虑到跟随,传感器的使用甚至是地磁的研究,开放需求的话,考虑的就会比较多了,像周边的推导的方式和GPS等等的信号怎么样综合的使用,因为我们知道GPS也不是绝对准确的,很多的时候,因为高楼的遮挡或者是云层、植物植被等的影响。这个刚刚已经说了,一些新技术方向。

  最后还有两点,大家不要着急。一个是耗电方面和流量方面的功耗。我们知道调用GPS或者是联网,或者是说抓Wifi的信号,这是一个很耗电的一个过程。但是在调用高德地图的SDK的时候,大家可以看到,并不是很耗电,这是为什么呢?因为我做了很多这个方面的优化,比如说信号检测的方式,缓存的方式,用户场景的方式,如果发现用户本地已经可以解决用户的需求的话,那么我们可以也可以去使用。这是业务整合,数据整合的问题,就是说室内、室外整套解决方案,包括地图和路线计算和定位。用户体验无缝切换,其实有很多的时候,会发现怎么样把室内外的应用场景结合起来一块考虑,另外是技术,这一块不多说了。

  再说一下一个最近的新技术亮点,我们通过挖掘移动WiFi,比如说这三条线,一个是GPS相关的数据挖掘,另外是基于WiFi和数据推导的挖掘,最左边大家知道,一个移动WiFi代表了一条公交线上的一个Mark,在不同的行驶过程中会对周边的用户产生干扰,我在路边走,旁边经过一辆公交车,我的手机扫到了这条Mark,我可以挖掘到这条轨迹。解决的问题是公交的实时到站,这样的数据研究还有很多,如果有机会的话,我们可以再找一个机会深度的交流一下,谢谢大家。

参与评论

【登录后才能评论哦!点击

  • {{item.username}}

    {{item.content}}

    {{item.created_at}}
    {{item.support}}
    回复{{item.replynum}}
    {{child.username}} 回复 {{child.to_username}}:{{child.content}}

更多精选文章推荐

泰伯APP
感受不一样的阅读体验
立即打开