“滴滴地导航“千里眼”，看见更真实的路况”

众所周知，地图是现实世界的抽象表现，核心功能是人们回答我在哪里、怎么到达、怎么更早到达这三个问题。 但是，由于银幕上新闻的限制，我们在地图上看到的点、线、面、体的地理因素必然受到不同程度的损害。 正如历史学家理查德·w .昂所说，地图总是把许多复杂的世界变成许多复杂的世界。 地图对物质世界的陈述一般是不真实的。 因为不可能再现陆地的现实。

由于现实世界的描述不真实，地图产品管理者必须用人为的方法翻译新闻来回答客户的三个问题。 例如，将道路的通行能力按等级划分，按照各自的颜色指定编号，在红色标志颜色拥堵、绿色表示通行顺畅等情况下，客户可以根据颜色决定旅行。

问题是，现实世界的道路状况，真的能用几种颜色说清楚吗？

道路堵塞的背后有无数种可能性，各种可能性带来的堵塞时间往往不同。 等10分钟顺利走，还是绕道20分钟寻求稳定？

颜色不能回答客人的疑问。

滴滴导航的“千里眼”

滴滴导航近日推出千里眼导航功能，客户可以看到前方拥堵路段的实际画面。 该功能使滴滴导航成为市场上第一个也是唯一一个，成为客户可以看到实时路况图像的地图应用。

具体操作方面，客户在路径规划页面输入终点后，将有机会看到旅游路线上拥堵路段的实景图像。 图片副本包括但不限于交通管制、交通事故、事故相关车道等详细新闻。

导航行驶中，前方发生交通事故(如下图)时，滴滴导航将优先通过语音通知发生事故的车道和事故的严重程度，并给出变更路线、避免的建议。 在确保车辆安全的前提下，客户还可以事先点击查看前方事故链接的实景照片和视频。

千里眼功能的出现，是导航功能成熟后的大胆尝试，对领域未来的快速发展也有启发意义。

在过去的十几年里，为了了解实际的前方道路情况，业界进行了一系列的探索。 从年轻时就依靠地磁线圈取得车速，大量设置在城市中采用监控摄像头，图商们广泛采用收集车。 但是，随着移动网络的迅速发展，众包式的收集也开始成为主流，基于大量的gps数据进行大规模的高速计算，鼓励业主随时随地报告变得越来越重要。

但是，如果导航软件缺乏交通警察网络数据等第三方数据检查，或者难以清除异常数据，则乌龙容易引起骚动。 其中最具代表性的是几年前的虚拟交通堵塞事件，一位行为艺术家导航推着装满打开导航应用的手机，不慌不忙地走在街上，被系统误以为这条路堵车很严重，但事实上

可以看出这有助于缓解新闻匮乏的焦虑

毕竟，地图是了解客户许多复杂情况的新闻展示工具。 民间地图的数量和复杂程度大致分为两种。 一个是静态新闻的多样性和复杂性，例如街道建筑物。 另一个是动态新闻的多样性和复杂性，典型的场景是城市交通。

与静态新闻相比，路况新闻变化非常快，难以捕捉； 年轻时，一些地区的交通频道等电台广播向司机播放实际路况的新闻，但这些新闻有所滞后，在到达实际地点之前，往往不尽如人意。

与静态新闻的解决相比，目前市面上的主流地图被应用于完整的poi，另外，ar的尝试也在积极进行，以此来让顾客还原1:1的真实世界。

关于大家为什么把粒度更细、保真度更高作为地图应用未来的快速发展方向，一个比较科学的解释是，人脑对图像的解决和理解更为迅速。

年，麻省理工学院报告称，人们的大脑解决一条影像新闻只需要13毫秒。 据统计，过去100年间，报纸可视化新闻的采用量增加了142%，表明在新闻传播过程中图片开始占主导地位。

但是，目前，对于道路交通等动态新闻的真实画面捕捉，业界还处于困境。

因为在目前的技术条件下，无论是收集设备、网络速度、计算力，都无法应对全部道路数据的实时拍摄、传输、解决。 在这样的背景下，其他传递新闻而不是图片的翻译手段都如同权宜之计，无法真正缓解人们对路况新闻不足的焦虑。

那么，回到滴滴导航，千里眼功能如何捕捉路面的真实场景呢？

据了解，在设备方面，滴滴导航在橙色驾驶记录仪上搭载了低功耗算法，算法只能识别地面标识。 例如，事故发生后，车主在道路上放置的三角标志和交通管制的锥形桶等，与个人新闻无关。

在云中，滴滴导航搭载了更多复杂的视觉感知模型，可以检查设备端的识别结果以保证识别精度。 并且，根据自动橙色识别的结果，对事故进行车道级别的定位，对车牌、脸部等敏感新闻自动进行过敏处理，最大限度地保护隐私，将真人视频和画面快速更新到应用程序内，可以缓解堵车的不安。

目前，橙子覆盖了网约车50%的订单。 结合大量的客户上报数据和轨迹分解数据，滴滴导航每天可以向外界展示数十万张实景照片和视频。 然后，系统会根据这些更丰富的道路新闻，向车主推荐更合适的路线。

这样给顾客直接的感想的方法，可以为司机提供切实的等待、临场感、安全的移动建议。 大幅降低以往估计耗散时间带来的不明确性，

三、滴滴导航的边缘创新

与以前流传下来的测绘从业者关注的数据维度不同，滴滴导航越来越多，从自身所处场景中的差异化诉求出发，构建了符合未来快速发展趋势的导航功能。

千里眼的出现是滴滴导航团队聚焦于移动场景而不是眼球一般场景的成果(如下图)。

看看千里眼背后的诞生逻辑，就不难理解滴滴导航队这几年来发挥力量的方向。

例如，滴滴导航是国内第一家将机器学习应用于eta (预定到达时间)的企业。 年以后，滴滴引导的创新性将深度学习技术引入eta，充分结合乘客和司机地理位置的新闻、路况的新闻、出行数据、司机的行驶习性、道路网的状态等，进一步提高了预测的准确性。

例如，在路径规划中，经过网约车高度多、场景复杂的打磨和大数据的积累，滴滴导航大幅提高了自行场景下的顾客体验，采用全新的框架方案设计了路径规划相关算法，在确保安全的基础上尽快完成。 并且，综合考虑乘客是否容易到达、车辆是否容易通行、车主是否容易停车、是否容易违章停车等因素，是车主

未来，随着5g覆盖率的逐渐提高，滴滴导航将凭借海量真实优质的交通出行数据，在实时性、准确性、连续性和真实性等方面得到进一步提高，帮助越来越多的人看到真实的世界，未来导航产品的快速发展。

本文：《“滴滴地导航“千里眼”，看见更真实的路况”》