超擎地图核心技术原理解读

之前我们在很多文章中都提到，超擎全矢量非切片地图，超擎时空索引云技术，以及经过其处理时空大数据可以产生的多重效应，很多人看了之后觉得神乎其神，但又不知所以。

今天我们就用一篇简单易懂的文章，将其中的奥秘探究清楚。

敲黑板知识点：矢量地图到底是啥？

既然有全矢量非切片地图，肯定有全矢量切片地图。

那么问题来了：矢量地图为何要切片？

想要知道这其中的缘故，首先需要了解这个大概念——地理信息系统（Geographical Information System，简称GIS）。它是一种特定的十分重要的空间信息系统，是在计算机软、硬件系统支持下，对整个或部分地球表层（包括大气层）的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。

简单地说，GIS就是利用设备采集地球表面与大气数据，并用计算机系统处理、呈现、分析与应用这些数据，小到手机地图导航，大到国家国土资源管理，都是它的主场。

矢量(Vector)，是GIS体系中最重要且基础的地图与空间绘制与表现形式之一。它通过测绘采集的原始数据在计算机中绘制出图形，是一种能保持相对位置，即使放大到无限大，依然能保持清晰、平滑边缘的图形，这对于地图的查看浏览、地理数据统计分析是非常契合且有优势的。

1900万条的美国路网矢量地图，超擎支持移动端快速浏览，自由缩放，大家在apple store下载”超擎地图“查看

矢量地图(Vector Map)，即全矢量地图，应该说是GIS界的“全能选手”：

矢量地图分层、点线面示意

相比静态像素图片来说，矢量图形绘制的地图，就是一张能写、会算、易于管理的“活”地图。

早期的矢量地图只能在单机或局域网中使用，因数据量过大，无法通过有限的网络快速显示。谷歌利用栅格瓦片地图技术缓解了这一矛盾，并于2005年推出了谷歌地图，满足了大众对地图的显示需求，谷歌地图大获成功，成为互联网地图的鼻祖。

Google Map

栅格瓦片地图技术是如何化解这一矛盾呢？

栅格瓦片地图，是将矢量图形、或者纸质地图，转换为不可编辑的大幅像素图片，并将大图片切割为瓦片般的一块块小图片，分别标上索引，用户需要看哪里，只需要根据索引调取相应位置的小图片，由此绕过了大体积的矢量地图数据快速传输显示的难题。

栅格瓦片地图制作示意

这样的数据处理模式，可以满足大众用户对地图的快速浏览查看的基本需求，但同时也有很大的缺陷：它将矢量地图的“活”，转换为像素图片的“静态”，难以满足政府、行业、企业等用户对地图在线编辑与样式修改、专题地图等专业需求。

在这样的背景下，矢量切片地图技术得到了快速发展。

矢量切片地图，本篇重量级“主角”之一。顾名思义，就是直接将全矢量地图切割成小块，也同样将每个矢量小块标注索引，待客户端请求后发送相应的矢量切片进行应用。

矢量切片地图相较栅格瓦片地图又是GIS发展史上的一次跨越：它恢复了矢量地图的在线便捷编辑、分层控制地图等部分“活”的特性。

矢量切片地图恢复了地图图层，但依然需要对每个图层进行切片

但在新的科技趋势下，矢量切片地图将迎来更高难度的挑战。

国际矢量切片地图技术 在未来趋势下或再遭瓶颈

如今，大众互联谢幕，智能时代初临。

海量物联网数据爆发，云计算、人工智能等新一轮科技攻势袭来，这些行业又将对地图技术提出了近乎苛刻的要求。

1. 云计算时代，数据处理须“行云流水”

切片，这一数据处理环节，在地理、空间与时空大数据的在线共享与应用中，一直是一道高成本阻碍，无论在基础的测绘地理数据中（如上述地图等），还是在动态的时空大数据中（如轨迹数据、物联网数据等）。

无论何种数据，其云服务本该如“行云流水”一般。切片技术如同在地理与时空大数据的整个生命周期中，人为设置了一道关卡，阻滞了其自动化的实时处理与实时更新；在5G引领的物联网时代，海量时空数据的产生到应用时间更短，而循环产生的数据又将爆发式增长，试想这将带来怎样的瓶颈效应？

对地图进行切片这个动作，类似人为在流水中添加了一道高密度的网，阻滞了水流的自由流动，带来了数据处理的高成本，也将阻碍5G环境下时空数据洪流的奔涌

更重要的是，如同多米诺骨牌，在接下来的数据应用中，切片技术将带来更多复杂的连锁反应。

2.数据结构复杂，难以适应人工智能的深度学习

矢量切片地图的处理模式，可谓既简单云计算地图，又复杂。

复杂的是，它并非对单一地图层面进行切割，而是运用金字塔模式先构建不同比例尺的地图，再对每个不同比例尺下的地图、以及地图中不同的层，分别进行切割。

金字塔的每一层，是不同比例尺的地图（图源：网络）

但“简单粗暴”的是，它将地图上的道路、河流、建筑物，甚至是人的轨迹这样的自然属性的完整对象，一律按照网格模式“一刀切”，使之分布在众多切片中。

这样的操作结果就是，例如同一条道路，会同时存在于多块切片中；但两条不同的道路，会同时存在于同一块切片中（见下图）。前文也提到，每块切片都会标注索引，以方便调取、呈现、检索与分析。这也意味着，地图上的独立对象，会对应多个或同一个索引，产生冗余、复杂的对应关系。

矢量切片地图中的独立对象（如图中，选择了一条路），与索引的复杂对应关系示意

“时空大数据的价值在于时间、空间、对象之间的关联关系。”这是李德仁院士在总结时空数据价值时提出的重要观点，同时，他也指出处理数据内部之间相对关系是时空大数据中最为复杂，也是最能实现价值的部分。

事实与趋势正是如此：智能时代对地理、空间、时空大数据分析需求是旺盛的，人工智能需要以其作为基础原料，进行海量次的快速深度学习。

矢量切片地图中的独立对象与其索引之间复杂冗余的对应关系，在成倍增加数据分析运算量的同时，也必将拖累其深度学习的实时性与多维度灵活性。

看到这里，你也许会问，难道就没有一种技术，让完整的矢量地图不切片，也能快速在网络环境下共享吗？

超擎的回答：有！全矢量非切片地图登场。

超擎如何做到非切片？

那么，超擎如何实现这一全球性技术难题的突破？

在上文提到的地图传输共享中，多次强调了索引在其中扮演的重要角色——在海量数据中找到用户想看的特定位置，避免无用数据传输。

超擎的突破点正是在此。

超擎研发了一种索引技术——超擎索引云技术。这种独特的、超轻量级的索引，能够让后台原始地理数据，与客户端（电脑、手机等）呈现的矢量地图图形形成一一对应的、准确映射关系，并且，索引对应的数据单位精确到地理上最为精细的坐标点。

超擎索引工作原理示意

就像一盏手电筒，用户想看哪里，超擎索引就能根据不同的客户端屏幕尺寸，精确地照亮对应原始数据，且几乎无延时，真正实现了全矢量地图不需要切片，“想看哪里，就看哪里”。

超擎不仅做到了这一点，并且在不断的技术突破中，超擎建立了一整套完整的、覆盖了数据处理的全生命周期的时空大数据技术专利体系，在美国、日本等全球范围内均获得了专利授权。所以，可以自信地说，这是一项诞生在中国、自主可控的核心专利技术。

超擎现已被授权国内外发明专利15件（国内13件，国际2件），其中方法论级的母专利2件，被评为高附加值专利4件。

为何说这项技术具有颠覆性？

这样的核心索引技术，让全矢量地图数据处理性能，超越传统地图技术千倍。

对海量数据的整体处理方面，超擎全矢量非切片地图技术，无需切片这一环节，数据入库后实时发布，让切片技术对矢量地图造成的处理时间长、成本高的问题荡然无踪。

切片矢量地图与非切片全矢量地图技术数据发布流程对比图

在多行业的实际应用中，传统地图技术原本用时半个月的矢量地图入库，超擎仅用1天便入库完成；而在数据量更为浩大的地理项目中，整体需要半年时间入库的数据，超擎仅用5天便入库完成，其中，全国最大的单表数据——仅地表覆盖数据，在oracle数据库存储量矢量数据超300G，国际品牌地理信息软件读取长时间无响应，而超擎实现了实时响应、流畅显示的性能飞跃。

在云计算时代，以上这些数据处理特性，让这张全矢量非切片地图具有原生性优势——

而这种优势，将在物联网、无人驾驶与人工智能等科技趋势下得到更加淋漓尽致的体现。

全矢量非切片地图

在未来科技战略中的关键作用

大家都清楚，物联网、人工智能与无人驾驶是当下最为热门的科技趋势；但很多人都不了解，矢量地图和矢量数据在其中担任着关键而重要的职责。

人工智能、大数据、云计算与物联网之间的形象关系描述（地理与时空大数据是典型的大数据类型之一）图片出自：亿欧 《2019年中国云计算行业发展研究报告》

这三个科技趋势的关键实现点，皆与矢量地图、时空大数据的分析计算环节有着深度而密切的关系。

上文讲到了矢量切片地图技术的两个固有缺陷，除了切片带来的高时间成本，还有一个便是对象与索引之间错综复杂的对应关系，而这一点正与矢量数据分析有直接关系。

全矢量非切片地图，又将在这三个领域实现怎样的突破？

轻量级的超擎索引有着与原始数据简单而清晰的映射关系，支持与原始数据的分离，参与到前端（手机、移动硬件等）的运算中，即时下流行的“边缘运算”。“云-端”协同的强大算力，能够满足毫秒级输出的海量物联网数据的实时运算分析处理。

人工智能对矢量地图、时空大数据的灵活度有很高的要求，不仅需要对动态对象的行为数据（例如人、车的轨迹等）进行快速分析运算，还需要基于海量的人、车、地、物之间的空间关系，进行深度学习，与物联网融合，形成智能神经网络。

超擎轨迹大数据平台上，支持对千亿级的轨迹大数据进行实时、多维的动态运算，充分说明了无需切片的全矢量数据的高弹性与自由度：对地图任意图形框选，不仅能瞬时找出有多少人经过了这片区域，更能对这些人的路线长短进行排序，甚至能深入分析其中任意两人是否有时空交汇点。

类似于乐高游戏中积木，非切片矢量技术能够快速精准选中地图中完整或局部的独立对象（人、车、地、物）

能够做到这样任意维度的图形分析，因为在超擎的数字世界中，以坐标点为单位处理的地图对象，保持着相对完整性，同时也可以拆散为最小数据点，具有高度的灵活性与组合弹性，支持实现时空智能。

无人驾驶对矢量数据读取速率要求，几乎是物联网与人工智能苛刻要求的双重加成。

高精度地图不仅是无人驾驶的重要环节，也是业界研究的重要课题。厘米级的数据精度让地图量级呈指数增加，地图内容更为丰富精细也让其中个体成倍增加，车载传感器实时产生的动态数据，需要与高精度地图、以及其中的对象进行实时交互运算，这就意味着不仅需要毫秒级读取大体量、高精细的地图，同时还需要将车辆实时位置与高精度地图进行毫秒级的动态运算分析。

厘米级精度的地图，能够指引车辆精准行驶在正确的车道上；同时车辆还需要与周边环境中的动/静态物体形成实时交互分析。（图源：网络）

全矢量非切片地图技术为这一苛刻要求赢取了决定性的时间：除了对高精度地图的海量数据实现毫秒级读取之外，在低延时物联网环境下，超擎数据索引建立的速率甚至能赶超数据产生的速率，这都给予了自动驾驶车辆与高精度地图、周边动态物体之间（V2X），以充裕的时空交互时间。

最为典型例子，在超擎的车联网地图中，能够轻松地选择一条路，或者是其中某个路段，实时创建电子围栏，动态行驶的车辆数据一旦触碰到电子围栏，系统实时报警。

这一看似简单的举动，却有很多厂商无法做到，充分说明非切片技术对于动态数据处理实行性的优势。

写在最后

矢量地图与时空数据处理技术，虽然隶属于计算机技术的分支——计算机图形技术与地理信息系统（GIS）中的一方领地，但它在未来科技发展中的作用，却不容小觑——人工智能、万物互联、无人驾驶、智慧城市，无法离开的基础底座是地图，不能缺少的生产资料是时空大数据，所以，也期望这项技术，在未来的科技发展中，能够实现更大的价值和作用。

（编辑：92站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!