百度地图所用数据分析.(DOC)
2024年导航地图市场分析现状
2024年导航地图市场分析现状引言随着信息技术的飞速发展，导航地图成为现代人生活中不可或缺的工具。
导航地图应用程序的普及和用户数量的不断增长，使得导航地图市场成为一个具有巨大潜力和商机的行业。
本文将对当前导航地图市场的现状进行分析，包括市场规模、主要竞争对手、用户需求以及市场发展趋势等方面。
市场规模导航地图市场在过去几年里持续增长，预计未来几年仍将保持强劲的增长势头。
根据市场研究公司的数据，截至2020年底，全球导航地图市场的价值已超过1000亿美元。
这主要归因于智能手机的普及以及用户对导航地图应用程序的需求不断增加。
随着5G网络的逐渐普及和地图技术的不断创新，导航地图市场的规模有望进一步扩大。
主要竞争对手目前，全球导航地图市场的竞争激烈，主要有Google地图、百度地图、高德地图等几个关键参与者。
这些公司在地图数据的质量、功能的丰富性以及用户体验方面都有自己的独特优势。
Google地图作为全球地图市场的领导者，其拥有全球最大的地图数据库和实时交通信息，为用户提供了准确和便捷的导航服务。
百度地图和高德地图则在中国市场占据主导地位，拥有更全面的本地化服务。
此外，还有一些新兴的竞争对手，如苹果地图、腾讯地图等，它们也在不断提升自己的技术实力和市场份额。
用户需求导航地图市场的用户需求主要集中在以下几个方面：准确性、实时交通信息、离线导航、多种交通工具选择、语音导航等。
用户对导航地图的准确性要求很高，尤其是在城市路网复杂的情况下，需要准确的导航指引和实时的交通信息。
同时，随着人们出行方式的多样化，用户还希望导航地图能提供多种交通工具的路线推荐和相应的信息。
此外，离线导航功能也是用户需求的重点之一，方便用户在没有网络连接的情况下使用地图。
市场发展趋势在未来几年里，导航地图市场将会出现以下几个发展趋势：增强现实导航、智能语音助手、个性化服务和数据开放共享。
增强现实导航是当前的热门技术，将通过显示数字信息来辅助人们进行导航，提供更直观的导航体验。
(2023)百度地图-Q2中国城市交通报告-(一)
(2023)百度地图-Q2中国城市交通报告-(一)(2023)百度地图-Q2中国城市交通报告-相关分析背景介绍百度地图发布了2023年第二季度中国城市交通报告，对中国城市交通状况进行了全面分析和解读。
该报告包括交通拥堵指数、交通工具使用情况、高峰期出行时间等多项数据指标。
报告分析以下是报告中的一些重要数据：•交通拥堵指数–全国平均值为 2.3，北京、上海、广州、深圳、成都为五大最拥堵城市–陕西、山东、湖南、河北、江苏五省为拥堵最严重的省份•出行方式–车辆出行占比为58%，公共交通出行占比为34.2%，步行出行占比为7.8%–其中共享单车、网约车使用率上升•高峰期出行时间–早高峰6:30-9:00，晚高峰16:30-19:00结论分析从数据指标来看，中国城市交通仍然处于拥堵状态，尤其是五大一线城市。
然而，公共交通出行占比有所增加，早晚高峰期间出行时间有一定调整，这都是好的迹象。
此外，共享单车、网约车等新型出行方式的快速发展也为人们出行带来了更多的选择。
展望未来城市交通状况仍然面临多重挑战，但报告中的数据也反映着一些积极变化。
未来，我们应该继续鼓励公共交通出行，优化城市路网布局和规划，加快新型城市交通设施建设，同时也需要人们自觉遵守交通规则，共同推动城市交通的改善。
•针对交通拥堵问题，政府可以考虑引入更多的限行措施，鼓励人们使用公共交通出行，同时也要加强道路建设和扩大路网容量，缓解交通压力。
•对于新型出行方式的快速发展，政府应该适时出台监管政策，同时加强与出行企业的合作，规范市场秩序。
•对于高峰期出行时间，政府可以考虑调整基础设施建设的时间，如合理安排公交车发车间隔、提高轨道交通频率等，以减少拥堵。
•在城市化进程中，政府、企业和市民应该齐心协力，共同推动城市可持续交通和低碳交通的发展，减少交通污染和环境压力。
思考与总结城市交通问题是一项复杂而又长期的任务，需要政府、企业和市民的共同努力，才能实现交通优化和城市发展的双赢。
地图数据应用解决方案分享
地图数据应用解决方案分享地图数据是如今数字化时代中不可缺少的一项资源。
其应用领域非常广泛，涉及到城市规划、交通管理、安全监控等多个方面。
地图数据的使用具有很高的价值，因此越来越多的企业开始研究如何将地图数据应用到自己的业务中，以提升其业务效率和竞争力。
本文将介绍几种地图数据应用解决方案，以期为企业的业务开展提供参考和帮助。
一、在线地图解决方案随着互联网的普及，越来越多的企业开始将地图数据应用到自己的网站中，以展示其业务覆盖的区域和分布情况。
在线地图平台，如高德地图、百度地图等，为企业提供了快速、简便、便捷的地图数据应用解决方案。
企业可以通过在线地图平台，将自己的业务覆盖区域和点标记在地图上，并提供相应的信息和服务，如位置导航、路线规划、周边搜索等。
这种方式不仅提升了企业的客户体验，还帮助企业迅速提升其品牌形象和知名度。
二、车联网解决方案随着汽车产业的发展，车联网已经成为汽车科技领域的一个热点。
地图数据是车联网中的重要组成部分，通过地图数据的应用，车联网可以实现车辆的位置追踪、行车路线规划、区域覆盖分析等功能。
在此基础上，车联网可以向车主提供各种服务，如路况信息、天气预报、停车场信息等，使得车主可以更加便利地驾车出行。
同时，车联网还可以在交通安全监控、事故报警等方面发挥重要作用，提升道路通行效率和交通运输安全性。
三、智慧城市解决方案智慧城市是一种基于信息技术的城市管理方式，旨在提升城市的管理水平、服务质量和生活品质。
地图数据是智慧城市建设中的重要组成部分，其应用范围广泛，如城市交通管理、环境保护监测、城市规划与建设、社会公共安全等。
在智慧城市建设中，地图数据平台可以实现分布式数据管理、智能分析和业务应用等功能，同时也可以灵活地适应不同的业务需求和场景。
四、物流配送解决方案物流配送是各行各业都需要面对的一个难题。
地图数据可以为物流配送提供有力的支持，使得物流公司能够更加高效地配送产品。
在这种方案中，物流公司可以利用地图数据平台实现配送路线规划、交通拥堵监测、货仓和配送车辆的实时监控等功能。
地图数据的处理与分析
地图数据的处理与分析在日常生活中，我们经常需要处理和分析地图数据。
无论是学术研究还是商业营销，地图数据的处理和分析都是非常重要的一环。
本文将从数据获取、数据预处理、数据分析和数据可视化等方面，系统地探讨地图数据的处理和分析过程。
一. 数据获取地图数据的获取是地图数据处理和分析的第一步，数据的获取方式决定了后续分析所能得到的结果的可靠性和准确性。
目前获取数据的主要途径有两种：一种是通过官方发布的数据集，如Census Bureau所发布的人口普查数据、美国国土测绘局发布的地理信息数据等；另一种是通过Web抓取、API和统计数据分析等方式实现搜集，如Twitter、Facebook和Yelp等网站提供的API接口，Google Earth等工具提供的Web抓取功能等。
二. 数据预处理在地图数据分析之前，需要对数据进行预处理。
数据预处理主要包括数据清洗、数据抓取和数据清理等。
数据清洗涉及到一系列技术，如去除重复数据、填充缺失值、去除离群值等。
数据抓取主要是为了提高数据的质量和准确性，在数据分析之前，需要对数据进行抓取、过滤、清理和转换等操作。
数据清理主要是为了减少数据中的噪音和歧义。
三. 数据分析在地图数据分析中，数据分析方法也非常重要。
数据分析方法包括：统计分析、时空分析、空间关系、深度学习等。
统计分析方法常用的有简单的百分比分析、平均数、中位数、众数等方法。
时空分析是指将时间和空间维度结合起来进行分析，常用的时空分析方法有时间序列分析、回归分析、空间相关分析等。
空间关系是指空间上的距离、方向、形态等因素对地图数据分析的影响。
深度学习是一种新型的人工智能技术，可以通过人工智能算法训练地图数据，实现自主学习。
四. 数据可视化最后一个环节是数据可视化。
数据可视化是将分析结果可视化的一种方法，可以将数据变成图表或地图，以便更清晰地呈现相关信息和结论。
数据可视化的常用工具有Tableau、Matplotlib、QGIS等软件，可以帮助分析师更直观地观察数据。
百度地图所用数据分析
鉴于在一些答案中评论区中的讨论，由于不能上图，我还是来写一下这个答案罢。
这个问题比较复杂，要真尽量说清楚的话需要费不少口舌，因此答案会比较长，请看官不妨耐心点。
要说数据来源，首先得对地图数据做一个分类，因为不同分类的数据，其来源，采集方法都是有大不同的。
并非想说上面高票答案的分类方式不对或者不可以，只是说，其分类方式对于完全说明这个问题，可能不是太合适和合理。
里面的一些观点和描述也有一些小问题，所以做一些勘误和对问题更有针对性的补充，希望大家不要被一些谬误的概念所误导。
要明白地图的数据分类，必须先理解一个概念，就是地图图层的概念：如上图，电子地图对我们实际空间的表达，事实上是通过不同的图层去描述，然后通过图层叠加显示来进行表达的过程。
对于我们地图应用目标的不同，叠加的图层也是不同的，用以展示我们针对目标所需要信息内容。
其次呢，我引入一下矢量模型和栅格模型的概念，GIS（电子地图）采用两种不同的数学模型来对现实世界进行模拟：•矢量模型：同多X,Y（或者X,Y,Z）坐标，把自然界的地物通过点，线，面的方式进行表达•栅格模型（瓦片模型）：用方格来模拟实体我们目前在互联网公开服务中，或者绝大多数手机APP里看到的，都是基于栅格（瓦片）模型的地图服务，比如大家看到的百度地图或者谷歌地图，其实对于某一块地方的描述，都是通过10多层乃是20多层不同分辨率的图片所组成，当用户进行缩放时，根据缩放的级数，选择不同分辨率的瓦片图拼接成一幅完整的地图（由于一般公开服务，瓦片图都是从服务器上下载的，当网速慢的时候，用户其实能够亲眼看到这种不同分辨率图片的切换和拼接的过程）对于矢量模型的电子地图来说，由于所有的数据以矢量的方式存放管理，事实上图层是一个比较淡薄的概念，因为任何地图元素和数据都可以根据需要自由分类组成，或者划分成不同的图层。
各种图层之间关系可以很复杂，例如可以将所有的道路数据做成一个图层，也可以将主干道做成一个图层，支路做成另外一个图层。
关于百度地图与高德地图改善公众出行的实用性分析233
关于百度地图与高德地图改善公众出行的实用性分析一、数据背景分析互联网地图部分的数据是地图应用一切功能的基础，而地图部分的数据又有不同的数据来源。
目前国内较为领先的两大数据供应商分别为高德地图及央企上市公司—四维图新。
当下移动互联网地图两大巨头，百度地图与高德地图以各自的数据提供着不同的城市服务。
百度地图通过四维图新及其余数十家数据提供商，分别在各自优势领域为百度提供的最佳数据，使百度地图的底层数据和生活服务类数据快速聚合，给用户带来更加丰富多元化的体验。
高德地图则以自有的数据采集、开发、应用“一条龙”生产链致力于为公众打造更佳的生活服务及出行体验。
从使用上来讲，百度地图与高德地图都能提供差异不大的基础导航及丰富的公路、山川、河流数据，足以保证基础的使用。
而差异较大的是在于生活服务类数据的采集和更新是否能够满足用户更细致上的需求。
然而从结合我市道路交通实际来讲，目前两者部分数据都存在不全面、不准确的状况。
二、功能应用对比百度地图与高德地图在基础功能上都大同小异，但针对不同需求，两者呈现的特殊功能又不尽一样，给用户带来的体验又有各自的实效。
出行诱导方面：百度地图独有的骑行导航无疑是“骑行一族”的不二选择，它细化出多种出行方式对用户进行点对点的交互。
高德地图的公交雷达亦是“公交一族”了解实时公交到站信息的出行利器，无论是站点信息、到站预测都能直观的反馈给公交出行的用户。
而对于驾车导航，高德地图采取语音播报及语音反馈的拥堵绕行路线切换的功能更能提高驾驶人预知、预判和预控能力，保证行车安全。
路面感知方面：百度地图的热力图、4K地图、全景图这些作为百度的重磅功能体现了较多的人性化，让用户能更近距离感受路面信息，知晓出行情况；高德地图的雾霾地图、旅游地图、城市堵点排行、贴条高发地等特色功能也能让用户清楚的获得出行需求信息，合理安排出行。
而在行驶路线中的突发性事故，高德地图则能通过语音播报推送给用户，并直观的显现在路线上，增强了用户对路面的感知，让用户警惕慎行。
地图质量分析报告
质量分析报告GIS的基础是空间数据，数据的核心是质量，空间数据的生产和质量控制是一个相互作用的过程，生产数据是为了应用，而数据质量是一个关系到数据可靠性和系统可靠性的重要问题。
数据的质量控制问题涉及面很广，包括数据质量的衡量标准、表示方法、数据误差的来源和性质、评价方法和控制方法及相关政策等。
空间数据是有关空间位置、专题特征以及时间信息的符号记录，而数据质量是空间数据在表达着三个基本要素特征时所能达到的准确性、一致性、完整性以及它们三者之间统一性的程度。
由于现实世界的复杂性、模糊性以及人类认识和表达能力的局限性，空间数据在表达上不可能完全达到真值，只能在一定程度上接近真值。
用户根据需要对空间数据的处理也会导致出现一定的质量问题。
所以空间数据的误差产生于各种数据源及空间数据的输入和处理过程中。
空间数据作为一个产品给用户使用前，需要经过质量评定，质量评定的定量元素主要包括数据完整性、逻辑一致性、属性准确度、时间准确度、位置准确度五个方面。
完整性是指描述要素、要素属性和要素关系的多余或者遗漏；逻辑一致性是指描述数据结构（包括概念的、逻辑的或物理的数据结构）、要素、属性和关系符合逻辑规则的程度，主要从概念一致性、格式一致性、值域一致性、拓扑一致性四方面体现；专题准确度是指描述定量属性准确度，以及要素的分类准确度；位置准确度是指绝对和相对的位置准确度；时间准确度是指现势性、时间度量准确性及时间一致性。
本次实习我们拿到的待分析数据是1:25万河南省数据和1：1万商丘市数据，数据时间在2010年4月15日左右，它们是tab格式的导航数据，所以能打开此格式数据的MapInfo软件自然作为此次实习的基础软件。
根据《个人位置导航电子地图数据质量规范》的定量评价方法，按照上面提到过的定量评定元素的权重及扣分原则分地理要素进行，但是为了使评定更加接近实际，实际是评定所需要的精确地图数据和高级分析软件是缺乏的，所以只能在已有的条件下进行简单质量分析。
百度地图所用数据分析
鉴于在一些答案中评论区中的讨论，由于不能上图，我还是来写一下这个答案罢。
这个问题比较复杂，要真尽量说清楚的话需要费不少口舌，因此答案会比较长，请看官不妨耐心点。
要说数据来源，首先得对地图数据做一个分类，因为不同分类的数据，其来源，采集方法都是有大不同的。
并非想说上面高票答案的分类方式不对或者不可以，只是说，其分类方式对于完全说明这个问题，可能不是太合适和合理。
里面的一些观点和描述也有一些小问题，所以做一些勘误和对问题更有针对性的补充，希望大家不要被一些谬误的概念所误导。
要明白地图的数据分类，必须先理解一个概念，就是地图图层的概念：如上图，电子地图对我们实际空间的表达，事实上是通过不同的图层去描述，然后通过图层叠加显示来进行表达的过程。
对于我们地图应用目标的不同，叠加的图层也是不同的，用以展示我们针对目标所需要信息内容。
其次呢，我引入一下矢量模型和栅格模型的概念，GIS（电子地图）采用两种不同的数学模型来对现实世界进行模拟：矢量模型：同多X,Y（或者X,Y,Z）坐标，把自然界的地物通过点，线，面的方式进行表达栅格模型（瓦片模型）：用方格来模拟实体我们目前在互联网公开服务中，或者绝大多数手机APP里看到的，都是基于栅格（瓦片）模型的地图服务，比如大家看到的百度地图或者谷歌地图，其实对于某一块地方的描述，都是通过10多层乃是20多层不同分辨率的图片所组成，当用户进行缩放时，根据缩放的级数，选择不同分辨率的瓦片图拼接成一幅完整的地图（由于一般公开服务，瓦片图都是从服务器上下载的，当网速慢的时候，用户其实能够亲眼看到这种不同分辨率图片的切换和拼接的过程）对于矢量模型的电子地图来说，由于所有的数据以矢量的方式存放管理，事实上图层是一个比较淡薄的概念，因为任何地图元素和数据都可以根据需要自由分类组成，或者划分成不同的图层。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
鉴于在一些答案中评论区中的讨论，由于不能上图，我还是来写一下这个答案罢。
这个问题比较复杂，要真尽量说清楚的话需要费不少口舌，因此答案会比较长，请看官不妨耐心点。
要说数据来源，首先得对地图数据做一个分类，因为不同分类的数据，其来源，采集方法都是有大不同的。
并非想说上面高票答案的分类方式不对或者不可以，只是说，其分类方式对于完全说明这个问题，可能不是太合适和合理。
里面的一些观点和描述也有一些小问题，所以做一些勘误和对问题更有针对性的补充，希望大家不要被一些谬误的概念所误导。
要明白地图的数据分类，必须先理解一个概念，就是地图图层的概念：如上图，电子地图对我们实际空间的表达，事实上是通过不同的图层去描述，然后通过图层叠加显示来进行表达的过程。
对于我们地图应用目标的不同，叠加的图层也是不同的，用以展示我们针对目标所需要信息内容。
其次呢，我引入一下矢量模型和栅格模型的概念，GIS（电子地图）采用两种不同的数学模型来对现实世界进行模拟：矢量模型：同多X,Y（或者X,Y,Z）坐标，把自然界的地物通过点，线，面的方式进行表达栅格模型（瓦片模型）：用方格来模拟实体我们目前在互联网公开服务中，或者绝大多数手机APP里看到的，都是基于栅格（瓦片）模型的地图服务，比如大家看到的百度地图或者谷歌地图，其实对于某一块地方的描述，都是通过10多层乃是20多层不同分辨率的图片所组成，当用户进行缩放时，根据缩放的级数，选择不同分辨率的瓦片图拼接成一幅完整的地图（由于一般公开服务，瓦片图都是从服务器上下载的，当网速慢的时候，用户其实能够亲眼看到这种不同分辨率图片的切换和拼接的过程）对于矢量模型的电子地图来说，由于所有的数据以矢量的方式存放管理，事实上图层是一个比较淡薄的概念，因为任何地图元素和数据都可以根据需要自由分类组成，或者划分成不同的图层。
各种图层之间关系可以很复杂，例如可以将所有的道路数据做成一个图层，也可以将主干道做成一个图层，支路做成另外一个图层。
图层中数据归类和组合比较自由。
而对于栅格模型（瓦片图）来看，图层的概念就很重要的，由于图层是生成制作出来，每个图层内包含的元素相对是固化的，因此要引入一个底图的概念。
也就是说，这是一个包含了最基本，最常用的地图数据元素的图层，例如：道路，河流，桥梁，绿地，甚至有些底图会包含建筑物或者其他地物的轮廓。
在底图的基础上，可以叠加各种我们需要的图层，以满足应用的需要，例如：道路堵车状况的图层，卫星图，POI图层等等。
底图通常是通过选取必要地图矢量数据项，然后通过地图美工的工作，设定颜色，字体，显示方式，显示规则等等，然后渲染得到了（通常会渲染出一整套不同分辨率的瓦片地图）当然，即便在瓦片图的服务中，在瓦片底图之上，依然能够覆盖一些简单的矢量图层，例如道路走向（导航和线路规划必用），POI点图层（找个饭馆加油站之类的）。
只不过瓦片引擎无法对所有地图数据构建在同一个空间数据引擎之中，比较难以进行复杂的地图分析和地图处理。
那么既然瓦片图引擎有那么多的限制和缺陷，为什么不都直接使用矢量引擎呢？因为瓦片图引擎有着重大的优势：1. 能够负载起大规模并发用户，矢量引擎要耗费大量的服务器运算资源（因为有完整的空间数据引擎），哪怕只是几十上百的并发用户，都需要极其夸张的服务器运算能力了。
矢量引擎是无法满足公众互联网服务的要求的。
2. 由于地图美工介入的渲染工作，瓦片图可以做得非常好看漂亮和易读，比较适合普通用户的浏览附：一张矢量地图截图：好了，说了这么多了，其实主要就是为了引入图层和底图的概念，以方便说明下面的地图数据分类为了说明数据的来源和采集渠道，采集方法，我将地图数据分为以下几个类型：1. 底图数据：其实就是地图中最基本的地物外形数据及一定的相关附加信息（例如道路名，河流名等）。
事实上随着遥感和航拍卫拍技术的进步，这部分数据依赖实地采集的比例已经越来越小，商业地图数据商，尤其以高德为代表，处于成本收益考量，基本已经很少采用实地采集的方式了。
这部分的数据主要来源于3种：官方地图：严格来说，这不能说是一种单独的渠道，因为官方地图的数据本身，也是来源于下面的两种渠道，但是官方地图一般来源于政府相关部门的权威测绘和发布，因此也单算成一种渠道。
当然，需要说明的是，地图厂商能从国家权威部门拿到或者买到的地图，要比我们日常在街上商店里买到的地图要精细丰富很多，当然，很多时候也是用电子格式提供的。
当然，无论任何国家，真正高精度的地图（例如1：200比例或更高）是受限制不会对外公布的。
（相对应给大家参照的是，我国规定互联网上可以公开发布的地图，最高精度是1：10000）实地外采：说白就是测绘人员利用专业的仪器仪表，在实地环境中测绘所得到的。
这样的采集方法耗时耗人都非常厉害，一则成本高，二则周期长，三则是采环境要求高（去喜马拉雅山去测测能弄吐血了），而且未必能够完全跟得上中国现在的城市变化。
但是优点在于精度高，置信度，准确度非常高。
这是国家测绘部门主要采用的手段，对于像北京市这样一个城市来说，一般几年才会完整重新测绘一轮。
一般对于大多数商用测绘时，只是用在少数局部需要时，重点测绘才用得到。
这个大家马路上应该也偶尔能见到当然，在精度和准确度要求没有那么高的地方，实地采集也可以使用一些成本更低更便捷的工具，而不是专业测绘设备。
例如用携带高精度GPS或其他定位的手持智能设备步行以绘制轮廓等。
航片卫片制作：就是通过自己拍摄或者购买的高精度航空照片或者卫星照片或者遥感照片，在此作为底片的基础上进行人为的矢量标注和勾勒，从而形成自己的矢量数据。
现在的航片或者遥感片的精度已经可以很高了，一般来说做到精度在0.05米的程度已经很容易。
高德自己的航片据说已经可以做到0.03米的精度，对于商用地图数据来说，通常已经够用了。
即便作为国家权威测绘，在大量荒郊野岭的测绘，也主要依赖于这种手段。
目前常用的航拍或者卫拍手段包括机载数码摄像，机载遥感以及三维激光扫描（主要用于3D地图数据采集）0.05米精度航片卫片路网标注航片/卫片标注和勾勒，前面是在底片上的操作，后面是勾勒标注后得到的矢量图数据加工制作示意图（来源于高德某公开资料）从这部分数据来说，百度是没有自己的采集生产能力的，也没有执照（没有测绘资质）。
百度的这一块数据主要是向四维图新买的。
国内这一块的数据，主要有两家供应商，就是高德和四维图新。
四维图新和国家测绘单位的关系非比寻常，其数据依赖国家测绘单位供给的占大头（当然也有互相供给的）。
高德也有一部分数据来源于国家测绘单位的供给，但是高德自己的航拍制作的能力还是不错的（还承担过一些国家测绘机关的测绘任务），相对来说，依赖国家测绘单位数据的比例要低一些。
总的来说，这部分数据的采集生产，在中国需要国家认定的资质，有资质的除了国家测绘机关以外，商业机构本来就不太多，而真正在这个数据供给市场上活跃的，现在主要就是高德和四维图新这两家。
其他无论是谷歌地图也好，苹果地图也好，这部分的数据，基本上都是从上述两家购买的。
2. POI数据：严格来说属于矢量数据，不过是最简单的矢量数据，换句话来说就是坐标点标注数据。
也是电子地图上最常用的数据图层。
我们日常在电子地图上所使用的数据都是POI数据（就是地图上常见的那种标个气球的点）。
POI数据只是信息关联坐标点的数据，不涉及到线和面，是最简单的矢量数据，用于简单的地点标注而不需要相应地物轮廓的需求。
POI数据的内容五花八门，一般POI数据的供应商提供的POI数据都是日常常用的场所数据，例如饭店，商店，加油站，银行等日常常用设施。
当然，在一些特殊的地图应用领域，也可以委托这些数据供应商或者自行去专门采集特殊用途的POI数据，例如井盖，消防栓等税务GIS系统标注企业及纳税信息值得指出的是，POI数据的编辑更新简单，同时也经常用于动态数据标注，最经典的莫过于车辆定位标注。
POI数据的采集和生产来源五花八门，不能尽述，总的来说，主要有以下几种：a）通过整合GPS的摄像机，步行或者车行，进行扫街持续拍摄，回去以后，再根据拍摄结果手工进行输入和标注，这种方式适合于大规模的进行采集标注，效率高，成本低，车行居多，尤其适合沿街的店面和场所的采集和标注，是目前数据采集供应商的主要采集手段之一b）通过专职或者兼职人员，使用手持含GPS的智能设备（比如智能手机），进行拍摄（主要是为了取证），输入，提交，进行采集。
这种采集方式，大多用于上述方法a的补充。
在一些车辆不能达到的地方，或者商户设施变动频繁的某些区域使用c）地址反向编译：通过门牌地址号码，以及矢量地图中的道路数据，运用算法进行定位标注。
这种标注精度相对最低，准确性也不高，但是成本非常低。
用在不需要特别高精度，成本控制也比较严的采集领域。
大家在地图服务搜索框中输入地址门牌号，可以直接出现标注点，用的就是这个技术。
d）互联网或者企业获取：直接从一些专业类服务网站上抓取或者购买（例如大众点评，携程），或者直接从大家在其公开的地图服务上的标注中进行筛选和获取。
这就是google，百度，高德自己免费向社会开放其地图服务所能够获得的利益。
尤其对于开放API免费企业客户的使用，这种获取是很有价值的。
国内POI数据的供应商没有太多资质限制，相对底图数据供应商，要多很多，例如图吧等都是POI数据供应商，当然四维图新和高德也提供POI数据，每个POI数据供应商，都有其自己的分类方式，数据定义等内容。
很多时候，大家也互相买来买去，互补有无。
百度地图这方面的数据，主要来自四维图新和道道通，当然也有其他来源，甚至有少量的自产数据。
高德地图这方面的数据以自产为主，辅以向一些专业服务商购买（口碑网，大众点评，携程，乐途，搜房）3. 其他数据图层或数据：常见的有卫图图层，交通状况图层，三维图，街景图。
专业一些的领域有楼盘图，室内图，气温分布图，商圈分布图，地形图，水文图等等。
微观地图楼盘市占图地址灾害图电视有限网络分布管理图室内图统计报表图人口密度图三维实景地图三维数据示意图之所以贴这么多五花八门的图，主要就是为了说明，基于电子地图的数据图层真的是应用范围和应用领域极广，不同的图层，代表了不同的数据，这个领域有大量专业性的应用和数据，其采集方法，来源渠道也五花八门，难以尽述。
简单说几种常用数据的来源：a）交通拥堵数据：这个一般来源于专业的数据供应商，这些供应商和交通部门有较深合作，其数据采集主要依赖于在出租车上安装的GPS来采集实时车速为主，或者通过摄像头，红外探头，雷达测速测量车速为辅b）三维数据：主要依赖激光扫描以及手工建模处理等c）假三维数据（那种不能旋转的45度三维俯视图）：依赖照片拍摄和材质帖纹手工制作。
d）街景：依赖实采拍摄百度地图基本上只有最基本常有的一些图层数据，例如部分三维数据，交通图层数据，卫片图层数据等，百度不具备这部分数据的采集和生产能力，都是向不同供应商外购的。