大数据中国

搜索
大数据中国 首页 行业资讯 业界动态 查看内容
腾讯郭殿升:产业数字地图为新型智慧城市提供数字基石
2021-5-20 20:44 | 查看: 1523| 评论: 0

“数字地图是一种新基建,是智慧城市、数字中国的核心基础。数字地图可以支持各个行业新的应用空间、新的治理模式、新的服务方式和新的消费形式, 提升传统空间的利用效率, 融合虚拟空间的数字创新能力,更好地支撑产业变革。”5月18日,在第十届全球地理信息开发者大会(WGDC 2021),腾讯地图首席科学家郭殿升这样说道。

 

【腾讯地图首席科学家郭殿升】

 

地理信息产业与新一代信息技术紧密融合,正在快速发展。尤其是我国智慧城市建设正由传统的垂直服务为主导,逐步转变为整体数字空间为载体的新型智慧城市建设,数字地图也由此作为智慧城市的新基建,进入到产业互联网时代,呈现出实时、融合、智能、泛在的特点。

郭殿升介绍说,腾讯地图产业版WeMap,集合大数据、云计算、AI、安全、位置服务引擎等方面的综合能力,逐步构筑稳定的时空数字底座,为各行各业的数字化升级和智慧化建设提供强有力的支撑,助推未来城市和未来产业加速落地。

如何让地理数据更加精准实时?目前,腾讯地图基于多源动态的数据采集能力和完整的地图数据生产流程,深度结合大数据和AI技术方法,快速精准地更新道路、POI、地址、事件等互联网地图数据,有效保障数据精准度、覆盖度和实时性,以快速的响应能力为用户提供全面优质的位置服务。基于腾讯丰富的大数据生态,可以实时感知城市动态和路面交通信息,覆盖了1000万公里道路,提供精准定位、实时路况、多模态导航、人流车流动态感知等服务能力。腾讯地图也正在融合实景三维、BIM、室内定位、激光雷达、视觉感知、物联网、5G网络等新型测绘技术,为智慧城市、车路协同、自动驾驶等领域提供精准实时的地图数据服务。

数字地理信息如何跨行业融合?智慧城市的数字地图将广泛汇聚和融合各个行业的数据, 这一过程必须通过跨行业的开放体系和合作生态来实现深度的价值创新和共建共享。腾讯地图的数据来源众多,积累了深厚的多源数据融合能力和服务案例。例如在智慧机场建设中融合室内地图、定位、城市路网数据、机场安检排队、城市交通路况等静态和实时数据, 为乘客提供从家到登机口的全链路导航规划和到达时间预估,让出行更安心更高效。腾讯的智慧交通数字底座基于开放的分类和标准规范,汇聚融合多源、多类型、多尺度的交通数据,助力建设高效安全的智慧交通新能力。在城市应急管理中,能够融合实景三维地图和地产、住户信息,在自然灾害、事故灾难或公共卫生事件中,能精准评估事件影响范围和人群,支持实时分析、预警和制定梳理方案,助力保障城市的安全运行。

产业数字地图如何做到更智能?基于精准实时数据的多源汇聚和融合,通过大数据和AI创新,腾讯致力于建设时空智能基础技术,对城市各要素实现实时感知、规律挖掘、历史溯源、规律分析、预测预报以及时空优化等。例如城市规划中的职住分析和地块特征分类、智慧零售中的店面选址和客流分析、智慧交通中的信号灯配时优化和公交线路优化、时空动态大数据的可视化等。腾讯在云计算、数据库、AI、大数据、高并发服务、安全等方向有领先的技术和服务能力, 可以为智慧城市各个场景下的智能化、智慧化服务提供全方位和多端的支持。

如何让优质地理信息服务触达到全民?对此,郭殿升传递了腾讯三点经验。他说,WeMap聚焦地图自有业务的基础能力建设,开放生态和能力,做行业数字化转型的助手和连接器;建立可持续运营体系,服务行业核心业务,促进产业升级变革;利用腾讯C端优势,让服务触达到广泛的用户,整体提升社会管理、产业经济和民众生活的效率品质。

“腾讯位置服务在数据治理、产业融合和智能应用方面积累了一些实践经验,希望能和更多生态合作伙伴,一起去触达更广泛的行业,提供更深度的服务,共同促进产业升级和管理升级,为人们创造更有品质的生活。“郭殿升最后说道。

免责声明: 除非特别声明,文章均为投稿或网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
请微信沟通
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
站长电话:
15010106923
微信联系:
hb-0310
站长邮箱:
ab12-120@163.com
微信扫一扫
大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2021-8-2 10:46 , Processed in 0.050983 second(s), 24 queries .

返回顶部