以下是的一些我们精选的 百度地图廖龑：地图大数据怎样让城市更美好？

6 月 27 日，由财视传媒、传播达人汇主办的 2017 全球大数据传播大会在京举行。

百度地图大数据架构师廖龑以 " 地图大数据让城市更美好 " 为主题，在大会上就百度地图大数据在城市规划、城市交通治理、城市研究报告上的经验做了分享。

廖龑首先揭示了地图大数据的三层结构，最下面一层是真实存在的山川、道路、湖泊、河流，作为三层大数据中最基础的一层；中间层是组织和机构数据，即城市中为人服务的设施；最上面一层是城市中的人群数据，主要是城市中人口居住、工作以及运动的规律。

这些数据帮助人们更好地理解城市。比如城市功能区，在城市中根据产业分布给每一个地块加上标签，由此得出了一些有趣的商业现象。就经济酒店为例，数据显示，汉庭主要分布在商业区，七天主要分布在人口居住区。

地图大数据的另一个重要需求就是对路网运行状况的洞悉。这方面数据除了来自用户和合作企业，还有政府合作数据，百度地图跟部分城市达成合作，对管的出租车、客车、货车数据做到共享。

百度地图参与了北京周边地区信号灯的治理，用 " 互联网 + 信号灯 " 的模式衡量交通的状况，来提升整个系统。廖龑透露，百度地图第一季度跟北京交警在上地周边连接了回龙观到上地主要的公众通行线路，每辆车上班的时间减少了 3.35 分钟，下班时间缩短了约 5 分钟。

在城市规划上，他提到百度地图跟宁波城市规划院的合作项目，公园作为城市里的稀缺资源，政府有一笔资金的时候应该优先投入哪些公园，就需要用科学算法进行评估，这里就要用到地图大数据。

基础建设也可以根据地图大数据的热力分布，包括人口的工作地、居住地

商业设施的分布，选择更合适的地段。

利用地图大数据，百度地图在第一季度以人口为核心，推出了城市研究报告，提出包括人口吸引力、交通拥堵指数、公交人口覆盖率等概念。公交人口覆盖率反向利用可以将居住地周边五百米没有公交站点的人在地图上显示出来，从而发现城市公交覆盖的盲区。

最后，廖龑表示手机地图大数据不光是在为用户出行导航，也是在为中国城市的发展导航。

附廖龑演讲全文（经过财视 media 编辑整理）：

廖龑：

大家下午好！我是百度地图的廖龑，今天非常高兴能有机会跟在座的各位分享百度地图在大数据方面的探索，今天我分享的题目是 " 地图大数据让城市更美好 "。

说到城市各位都不陌生，我们生活在城市里，城市为我们了很多工作的机会，医疗资源、教育资源。但是城市也并不是完美的，在城市发展的过程当中，我们往往会遇到一些问题。

比如说城市的拥堵，像我们十公里的上班通行距离，驾车要超过一个小时。周边的配套，我们在周末外出游玩的时候，往往要驱车几公里才能找到公园。这些问题都说明在城市发展过程当中确实存在一些问题，今天我给大家带来百度地图大数据的介绍希望能揭示一些答案。

首先，我们来看一下地图大数据是哪几部分构成的，我们将与城市相关的大数据分成三层，最下面一层是物，就是在我们身边真实存在的山川、道路、湖泊、河流真正存在的物体构成了我们三层大数据当中最基础的一层。再往上一层是组织和机构的数据，在城市中是由人构成的，并且是为人服务的。然后最上面一层是城市中人群的数据，人群的数据主要是城市中人口居住、工作以及运动的规律。

有了这些数据，百度地图能做什么？首先能够索引万物，在上一页 PPT 当中提到的山川、道路、湖泊、河流，我们可以在地图上面索引到。

与此同时，我们也会有很多的组织和机构的数据，像购物中心、旅游景点、银行机构，这些数据是在城市中为人服务的。海量的数据也为我们进一步分析城市了一种可能。

第三块是人口大数据，百度地图是面向开发者的平台，现在我们每天服务的应用和网站超过 60 万。同时，我们开放的定位能力，每天有超过 720 亿定位服务请求，覆盖的人口超过 7 亿人。大家看到右边的图是春节期间人口迁徙的可视化效果图，这一块是人口的大数据。

以上的数据帮助我们更好理解城市。利用百度慧眼的城市扫描可以非常轻易的解城市的人口状况，基础设施的分布以及更新状况。

另外，我们还有城市功能区，城市功能区是在城市发展的过程当中根据产业的分布，给每一个地块加上标签，大家看到右边是我们对北京市做城市功能区划分的可视化效果图，将城市细分到各个不同的功能区，我们可以发现一些有趣的商业现象。

比如说我们发现汉庭的分布主要是以商业区为主，而七天的分布主要是人口居住区为主，这说明我们通过功能区可以发现不同的商业规律，也可以更好的理解这个城市。

城市发展的核心是人，人是城市发展的终极目标。上面这三张图是百度地图在城市人口核心活动区上的尝试。大家可以看到像在第一张图上对整个北京的人口核心活动区进行了挖掘，通州，包括大兴这些新兴的城区已经可以在地图上面挖掘出来了。如果按照主城区的概念去理解，可能在城市的规划和资源的分配上把这些城区遗漏。同样我们看上海的浦东新区和深圳的宝安新区已经列入到人口活动的核心区。

可能有朋友问，百度地图大数据在微观上会不会有帮助呢？我们这边刚好有一个杭州湾汽车学院的案例，通过百度地图大数据统计的人口，根据学校教务处给我们计算的规则，在校的总数减去外出实习的人数，再加上常驻教职工的数量，最后我们得出是 1620 人，可以说这个结果是非常接近的。

另一个非常重要的需求就是对路网运行状况的洞悉。百度地图对路网运行状况的数据来源先第一块是公众的数据，用户在使用百度地图导航的时候所产生的数据。第二块是政府合作的数据，目前我们跟各个地方的城市和部分省已经达成了合作，对部分城市管的像出租车、客车、货车的数据已经做到共享。第三个是我们跟行业合作的数据，现在我们行业中有很多开发者，他们也会把他们的共享开发的数据给我们作为共享。

这三个数据源使得百度机图能够更好的理解路网的运行状况，其实就是路况。现在百度地图的路况已经覆盖全国达到 375 城市，我们在市内道路的覆盖已经接近 99% 的比例。

当前是中国城市发展非常重要的阶段，城市的规划和发展需要有科学的数据、科学的方法作为支撑。百度地图大数据在城市规划上能够什么帮助呢？我也给大家分享几个现在我们正在进行的真实案例。

首先，我们能够通过地图大数据对城市基础设施进行真实使用率的评估，这个项目是我们跟宁波城市规划院一起做的，针对宁波市公园密度的评估。现在城市里公园是非常稀缺的资源，政府有一笔资金的时候，它优先投入哪些公园，就需要有很科学的算法进行评估，并且这个项目接下来已经影响到城市公园投资的方法和策略。

同时，我们衡量城市基础设施的使用率之外，还能支撑基础设施的建设和规划。大家可以看到第一条红色的线跟我们合作之前，宁波规划院根据之前的工作所选择这条红色的线路。它跟我们合作之后，根据我们地图大数据的热力分布，包括人口的工作地、居住地的分布，包括商业设施的分布，然后进行了选线的升级。

在选线升级过程之后，我们有了更多科学的数据和方法作为支撑，对下一步廊道的营造策略会有帮助。比如说我们可以提出一些基础设施规划的建议，比如说像红色的区域我们可以建议通过规划建设增设一些步行的空间。比如说像蓝色的区域是河道和道路，我们认为可以增加步行的区域来增加空间。

提到衡量城市的发展，不得不提一个问题就是城市的交通。我想现在城市的交通已经成为各个城市的城市病。接下来我也继续分享几个案例，就是百度地图大数据是如何支撑城市交通治理的。

首先，百度地图在北京周边地区信号灯的治理，按照我们的理解 " 互联网 + 信号灯 " 应该有三个过程。一是对个体信号灯的治理，二是对区域信号灯的治理，区域信号灯的治理到动态的平衡，我们要衡量区域之内交通的状况，是对整个系统的提升，这是我们对区域交通治理真实的案例。三是所有的信号灯我们希望未来能够联网，同时结合百度的人工智能和大数据，我们跟部分的城市已经尝试合作了。

回到案例，我们在第一季度跟北京交警在上地周边连接了回龙观到上地主要的公众通行线路，每辆车上班的时间已经减少了 3.35 分钟，每辆车下班的时间已经缩短接近 5 分钟。

我们跟成都交警在 " 互联网 + 信号灯 " 做了实践，我们通过百度地图导航的权重和策略的调整，可以在某一个区域之内分散整个区域之内的交通压力，将这个出行导航的用户分散到周边的街道，效果也是非常显著的。

另外，我们发现其实城市的诱导屏也是可以联网的，目前我们的诱导屏路况已经覆盖了整个济南交警 95% 以上的诱导屏，效果也还是非常不错的。

最后，我想跟大家分享我们的城市研究报告，我们在第一季度以人口为核心，推出了城市研究报告。

在城市报告中，我们提出来一个概念是人口吸引力。人口吸引力我们是将第一季度全国所有的主要城市流动人口最后取了一个平均值，将每个城市的流动人口除以这个平均值可以得出一个指数，我们这个指数代表这个城市的吸引力。可以说这个指数是非常科学的，因为这些人口都是真正在这些城市工作或者居住超过两个月以上的人口。

第二块是我们对交通治理状况的评估，我们提出来一个概念是交通拥堵指数。在单一的一条道路上，我们当前状态下运行的时候通过的时间比它在理想畅通的时间下所要花费的时间，我们能得出来这条道路当前的交通拥堵指数。进而我们能得到整个城市综合交通指数，这个排行出来之后，其实对整个交通管理部门，像各地的交警其实对他们来说，对行业有非常大的影响。因为我们这个指数其实作为可以量化的指标平均他们交通治理的情况。

同时我们将中国主要城市早晚高峰做了一个对比，可以看到不同城市之间不同的交通运行状况。第一季度我们在评估城市的时候有非常重要的一点，就是城市的公共服务，不得不提的就是公共交通。还有公交人口的覆盖率，我们把城市之内所有的公交和地铁站点，以 500 米为圆心画一个半径，所有面积覆盖的人口比上这个城市的常住人口，我们可以得出这个城市当前公共交通人口的覆盖率。跟传统的公交站点覆盖率，主要是以面积为主的，不同之外我们这个主要是以人口为评估的，就是说我们衡量的标准会更加科学。

这样也可以发现人口覆盖的盲区。我们将居住地周边五百米没有公交站点的人在地图上打出来，就可以发现哪怕在北京也确实有一些地方虽然有人居住，但是周边没有公交车。

刚才跟大家分享了很多百度地图大数据在城市规划、城市交通治理，包括城市研究报告上的经验。今天我想以团队的愿景作为结束，我们百度地图为用户出行导航，同时也为中国的发展导航，谢谢大家。

--------------------------------------

本文为