百度地图所用数据分析
百度大数据的应用分析
百度大数据的应用分析芮绍炜【摘要】本文在对大数据的基本特征进行阐释的基础上,分析百度公司运用大数据获得了哪些商业价值,并结合“百度地图春节人口迁徙大数据”(简称“百度迁徙”)说明百度是如何科学运用大数据的.指出了中国企业可以从百度的大数据运用中获得哪些启示,以及安全隐患.最后展望大数据未来发展的趋势并给予总结.【期刊名称】《企业管理》【年(卷),期】2015(000)002【总页数】3页(P114-116)【关键词】大数据;百度迁徒;商业价值;安全隐患【作者】芮绍炜【作者单位】上海海事大学经济管理学院【正文语种】中文大数据是一个比较抽象的概念，较为统一的认识是大数据有四个基本特征: 数据规模大（Volume），数据种类多（Variety），数据要求处理速度快（Velocity），数据价值密度低（Value），即所谓的四V特征。
“大数据未来的方向不在于数据挖掘技术本身，而在于数据应用的商业化，从数据背后挖掘盈利模式、嫁接整合数据和商业资源成为关键。
”对于企业而言，如何赶在竞争对手之前掌握和正确运用大数据是一项挑战。
作为国内的大数据资源巨头之一，百度公司拥有丰富的数据资源库，如何将大数据与企业需求进行匹配，科学解决实际问题是体现大数据价值的关键。
对于很多企业而言，其实需要的是小数据，需要从大数据中找到跟企业最相关的那部分数据进行分析，解决企业所面临的问题。
1.大数据营销庞大的数据支持给公司的业务开展奠定了基础，百度公司根据其数据资源开发了多项营销工具，如百度司南、百度精算、百度代言人、百度舆情等。
百度代言人是百度公司运用其大数据帮助其他企业真实、精准、快速地选定代言人的方法。
百度公司拥有覆盖6亿网民的大数据，告诉你消费者真正喜欢的代言人。
人群定向技术帮助企业选出真正能强化目标品牌个性的明星。
无需耗费大量时间收集情报便可轻松掌握明星影响力、匹配度及代言历史。
毫无疑问，通过数据营销可以使公司快速定位到目标代言人，这既节约时间又能实现结果最优。
如何进行地理数据分析
如何进行地理数据分析地理数据分析是一种利用地理信息系统（GIS）和地理统计学方法来解释、分析和处理地理数据的过程。
通过对地理数据进行分析，我们可以提取出隐藏在数据背后的价值和洞察力，为我们理解和解决现实世界中的问题提供有力的支持。
下面将介绍如何进行地理数据分析的步骤和方法。
一、数据收集和准备在进行地理数据分析之前，我们首先需要收集和准备相关的地理数据。
这些数据可以来自各种渠道，如传感器、遥感影像、人工采集等。
在收集数据的过程中，需要确保数据的质量和准确性。
此外，还需要对数据进行预处理，如去除异常值、数据清洗和处理等，以保证数据的可靠性和一致性。
二、数据可视化和探索分析在收集和准备好地理数据后，我们可以利用GIS软件将数据进行可视化。
数据可视化有助于我们对地理数据的空间分布和模式有一个直观的认识。
通过制作地图、图表和图形，我们可以发现数据中存在的趋势、关联和变化。
在探索分析过程中，我们可以同时使用多种可视化技术，如散点图、热力图、等级符号图等，以便更好地理解和解释数据。
三、空间统计分析在数据可视化和探索分析的基础上，我们可以进一步进行空间统计分析。
空间统计分析是一种研究地理数据在空间上的分布、关联和变化的方法。
通过空间统计分析，我们可以发现地理现象的空间模式和趋势，评估空间相关性和相似性，从而为地理决策提供参考。
常用的空间统计分析方法包括空间聚类分析、空间插值、空间自相关分析等。
四、地理数据建模与预测除了空间统计分析，地理数据分析还可以涉及到建模和预测。
地理数据建模是通过利用已有的地理数据和其他相关数据来构建数学或统计模型，以预测未来的地理现象或趋势。
常用的地理数据建模方法包括回归分析、时空拟合模型等。
通过合适的模型，我们可以预测未来的地理事件发展和变化，为决策提供科学依据。
五、结果解释和决策支持最后，在进行地理数据分析之后，我们需要对分析结果进行解释和理解，并将其转化为决策支持的信息。
对于地理数据分析的结果，我们可以通过报告、可视化图表或动态地图等形式进行展示和分享。
产品进化论一文读懂百度地图慧眼热力图服务
产品进化论⼀⽂读懂百度地图慧眼热⼒图服务百度地图热⼒图图层不陌⽣，打开该图层可以看到当前定位位置实时⼈群分布情况，图上的蓝⾊、绿⾊、黄经常使⽤百度地图的⽤户⼀定对下⾯百度地图热⼒图⾊、红⾊代表⼈群密度程度，从蓝到红代表⼈⼝密度越来越⼤。
缩⼩地图⾄城市级别可以看到整个城市⼈群分布情况，该功能对于地图⽤户来说，可以帮助⽤户了解周边区域⼈流量，辅助⽤户出⾏决策。
当然，也会有很多⽤户好奇这个图层数据是如何获取的呢？数据多久时间更新⼀次呢？这个数据还能有哪些应⽤场景等…针对以上问题，以下进⾏详细介绍。
百度地图智能定位服务⾸先，热⼒图图层的数据来源是百度地图开放平台定位服务数据，我们知道百度地图开放平台对开发者提供诸如定位、地图、出⾏、轨迹、数据更好解决『你在哪⾥』这个难题⽽开放的服务，⽀持GPS、WiFi、基站融合定位，和分析六⼤能⼒，其中的定位服务是为了帮助⼴⼤开发者更好解决『你在哪⾥』这个难题⽽开放的服务，⽀持完美⽀持各类应⽤开发者对位置获取的诉求。
⽬前百度地图开放平台定位服务是⼴⼤开发者定位⾸选服务，开发者市场占有率超过75%。
百度地图开放平台定位服务通过该服务的输出，⽬前⽇响应800亿次位置服务请求，这个位置请求数据就构成了热⼒图数据基础。
通过统计实时发起的位置服务请求（统计的数据为脱敏数据，处理各环节均不涉及个⼈隐私问题），便可实时获取到当前城市、区域设备定位位置分布，继⽽通过客户端前端渲染得到百度地图热⼒图图层。
城市规划、政府管理、零售选址、景除了为百度地图⽤户提供服务外，百度地图慧眼也基于该数据打造出了⼀款热⼒图产品，⼴泛应⽤与诸如城市规划、政府管理、零售选址、景区、商场等客流分析等⾏业领域，以下介绍⼏个重点应⽤场景：区、商场等客流分析等⾏业领域城市规划⾏业场景⼀：规划师从全城视⾓了解城市⼈群空间分布以北京市为例，取2018.7.5当⽇，上午8点、下午15点、晚上22点为例，看⼈群在空间分布的差异：通过热⼒图可以看出：1.上午8点⼈群沿城市道路、地铁线路等区域密集分布，部分地铁站点客流量较⼤，⽐如地铁2号线西直门、车公庄、⾩成门等、国贸周边地铁站、及以成崛起之势的西⼆旗地铁站等，这与早⾼峰⼈群集中出⾏密切相关；2.下午4点⼈群除了沿道路分布外，在中关村、⾦融街、国贸、西⼆旗等商圈也呈现密集之势，与这些区域是城市核⼼商务区有关；3.下午9点⼈群在城市空间分布趋于平缓，密集区域减少，与⼈群居住区域相对分散有关。
使用地理信息系统进行地图数据分析的方法
使用地理信息系统进行地图数据分析的方法地理信息系统（GIS）是一种通过空间和属性数据分析地理现象的工具。
随着科技的发展，GIS在各个领域都有着广泛的应用。
其中，地图数据分析是GIS最重要的应用之一。
本文将探讨使用GIS进行地图数据分析的方法，并结合实际案例展示其应用价值。
一、数据准备在进行地图数据分析之前，首先需要准备地理数据。
这些数据包括地形数据、地理位置数据、经济数据等等。
地理数据可以从各种途径获取，例如传感器、遥感、地理勘测等手段。
为了保证数据的可靠性和准确性，需要进行数据清洗和校验。
二、数据处理在数据准备完成后，就需要对地理数据进行处理。
数据处理的方法包括数据重采样、数据插值、数据合并等等。
例如，如果要绘制等高线图，就需要对地形数据进行插值处理，使其能够呈现出高度差异。
数据处理的目的是为了获得更加准确且易于分析的地理数据。
三、数据可视化数据可视化是GIS的一大特点，通过可视化地理数据，我们可以更加直观地观察地理现象。
常见的地理数据可视化方式包括地图、图表、立体模型等等。
例如，将经济数据通过不同的颜色在地图上表示，可以清晰地了解不同地区的经济发展状况。
四、空间分析空间分析是GIS的核心功能之一，它通过对地理数据进行空间关系计算，实现对地理现象的深入挖掘。
空间分析的方法包括空间查询、缓冲区分析、网络分析等等。
例如，通过查询某个地区的人口密度，可以了解人口分布的集中程度；通过缓冲区分析，可以评估某个区域受到污染的程度。
五、模型建立在地图数据分析的过程中，为了更好地理解和预测地理现象，我们可以建立模型。
模型是对地理现象进行抽象和简化的工具，它可以帮助我们预测未来的趋势和做出决策。
常见的模型包括地理回归模型、空间插值模型等等。
例如，在评估某个地区的可持续发展性时，可以建立一套综合指标体系，并通过模型对不同区域进行评估。
六、案例分析下面，我们以城市交通规划为例，展示使用地理信息系统进行地图数据分析的方法和应用价值。
2024年手机地图市场分析现状
手机地图市场分析现状前言手机地图作为移动互联网时代的重要组成部分，对于用户来说已经成为使用手机的基本需求之一。
本文将对手机地图市场的现状进行深入分析，包括市场规模、竞争格局、用户需求及未来发展趋势等方面。
市场规模随着智能手机的普及，手机地图市场规模呈现出持续增长的趋势。
据统计数据显示，2019年手机地图市场的总收入约为100亿美元，预计在接下来的几年内将有更快的增长速度。
其中，亚太地区是手机地图市场最大的区域，其次是北美和欧洲。
竞争格局手机地图市场竞争激烈，主要的竞争者包括谷歌地图、百度地图、高德地图等。
谷歌地图凭借其全球覆盖的能力和准确的导航数据，一直保持着市场的领导地位。
百度地图在国内市场具有较大的优势，其深度整合了百度搜索引擎的功能，为用户提供更加智能化的导航和搜索服务。
高德地图在中国市场的份额也逐渐增加，其使用人数已经超过了谷歌地图。
除了这些大型企业外，还有一些新兴的手机地图服务提供商不断崛起。
例如，国内的腾讯地图和搜狗地图以其独特的特色功能受到了一定用户的青睐。
此外，苹果地图也在近年来对其服务进行了大量改进，加强了在全球市场的竞争力。
用户需求在用户需求方面，手机地图的主要功能包括导航、定位、交通导航等。
用户在选择手机地图应用时，更多考虑的是其导航的准确性、精确度以及实时更新的能力。
此外，用户也越来越看重地图应用的智能化和个性化服务，例如提供周边商家信息、公交/地铁线路查询等功能。
近年来，随着共享经济的兴起，用户对实时道路数据的需求也越来越大。
例如，通过手机地图用户可以了解交通拥堵情况，选择最佳的出行方案。
此外，一些手机地图应用还提供了出行轨迹的记录和统计分析功能，进一步满足了用户对于个人出行数据的需求。
未来发展趋势未来手机地图市场将呈现出以下几个发展趋势：1. 智能化服务的兴起：随着人工智能技术和大数据分析的发展，手机地图应用将提供更智能化的服务。
例如，根据用户的偏好和历史数据，手机地图可以推荐适合用户口味的餐厅，并提供个性化的导航推荐。
如何进行地图测绘数据的处理与分析
如何进行地图测绘数据的处理与分析地图测绘数据的处理与分析在如今的科学技术发展中扮演着重要的角色。
随着人类对地球表面的认知不断深入，地图数据的获取和处理愈发关键。
本文将就地图测绘数据的处理与分析进行探讨，介绍一些常用的方法和技术。
首先，地图测绘数据的处理需要借助专业软件和工具。
在这方面，GIS（地理信息系统）是一个十分重要的工具。
GIS可以对地图和空间数据进行存储、管理、分析和可视化展示。
地图数据处理的一部分工作就是将原始数据导入GIS软件中，并进行数据清洗、整理和转换。
在地图数据处理的过程中，常常会遇到噪声和错误数据。
为了确保数据的准确性和可靠性，需要进行质量控制和质量评估。
数据质控主要包括检查数据完整性、一致性和准确性，而数据质量评估则是对数据的可信度进行评估。
只有通过有效的质量控制和质量评估，才能对测绘数据进行有效的分析和利用。
地图数据的处理之后，接下来就需要进行数据分析。
数据分析是地图测绘的重要环节，它可以揭示地理现象的规律和趋势。
地图分析可以包括空间分析、统计分析和模型分析等多种方法。
空间分析主要研究地理对象之间的空间关系，可以帮助我们了解地理现象的分布和变化规律。
统计分析则通过对地理数据的统计描述和分析，揭示地理现象的数量特征和相关性。
模型分析是一种更加复杂的方法，通过建立数学模型，对地理现象进行建模和预测。
在地图数据分析的过程中，还需要注意空间尺度的选择。
不同的空间尺度可以揭示不同的地理现象。
例如，对于城市规划和交通规划来说，常常需要选择较小的空间尺度，以便更好地考虑道路网络和交通状况；而对于区域发展和资源管理来说，较大的空间尺度则更有意义。
此外，地图数据处理和分析还可以结合其他数据源和技术手段，进行多层次、多维度的数据融合和分析。
例如，地图数据可以和遥感影像数据结合，利用遥感技术对地表特征进行提取和分析；地图数据还可以和社交媒体数据进行关联，揭示地理现象背后的社会活动和人类行为。
综上所述，地图测绘数据的处理与分析是一个复杂而关键的过程。
GPGGA数据分析方法
GPGGA数据分析方法1.位置信息分析：GPGGA数据中包含了纬度、经度和海拔高度等位置信息。
可以将这些数据进行可视化展示，通过地图或者图表的方式展示不同时间点的位置信息。
可以标注起点、终点以及途经的路径，观察移动轨迹和活动范围。
2.时间信息分析：GPGGA数据中还包含了时间信息，可以对时间进行分析，了解位置信息随着时间的变化情况。
可以计算平均速度、行驶时间等指标，对行程进行细化评估。
3.卫星数量及信号强度分析：GPGGA数据中记录了接收到的卫星数量以及信号强度等信息。
可以通过统计卫星数量的变化，了解固定位置的卫星数量分布情况，判断信号强弱对定位精度的影响。
可以将卫星数量和信号强度绘制成线图或者柱状图，直观地展现数量和强度的变化。
4.定位模式及精度分析：GPGGA数据中的定位模式标识了GPS定位的模式，一般包括未定位、单点定位、差分定位等。
可以对定位模式进行统计，了解在不同模式下的定位精度和可用性。
同时，也可以分析水平精度指标，对比不同定位模式下的精度差异。
5.异常数据分析：GPGGA数据中的位置和时间信息可以用于异常数据检测。
可以通过绘制速度、加速度等指标的曲线，对异常值进行判断和排除。
可以进行数据清洗和处理操作，提高数据的质量和可靠性。
6.数据关联性分析：GPGGA数据可以与其他环境数据进行关联性分析。
例如，可以将GPS数据与天气数据、地图数据等进行合并，了解位置信息与环境因素之间的关系。
可以分析位置与天气的相关性、位置与周边设施的相关性等，辅助决策和分析。
7.轨迹预测与路径规划：通过对GPGGA数据进行分析，可以预测和规划未来的行动轨迹和路径。
可以结合历史数据和位置信息，使用算法建立模型，从而预测出最可能的移动路径和行动规划。
8.数据挖掘与可视化：除了以上的分析方法，还可以运用数据挖掘技术和可视化手段，对大量的GPGGA数据进行挖掘和展示。
可以使用聚类算法对位置数据进行聚类分析，发现不同区域的特点和规律。
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。
- 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。