美国大选，地图说谎了吗？

在尘埃落定的2020年美国大选中，有一幕颇值得玩味。

在火热的实时计票中，大家都会看到这一张地图，蓝色代表民主党候选人拜登获胜的州，红色代表共和党候选人特朗普获胜的州，红色遍布了大片领地，这给广大吃瓜群众带来了一定的迷惑性。

单看这张地图，你能猜出谁会笑到最后吗？

当大选进入尾声，以拜登为代表的民主党（蓝色）赢得超过290席的选票时（超过270席赢得大选），除个别州以外，这张地图在视觉上并未发生逆转性的改变（下图2020）；甚至与前两次的大选地图——2012年、2016年，也大同小异：没有在视觉上呈现大选结果的倾向，也没有显示近几届全美选举变迁趋势，或新近发生的重大事件所产生的影响。

面对这三张地图，不如玩个“大家来找茬”的游戏？

是地图可视化失效了吗？

除去美国大选的“赢家通吃”复杂规则影响之外，对比地理人口热力图来看，选举地图上民主党赢得区域大多人口密度高，其中包含了全美科技、教育、文化较为发达的加州、纽约州、马萨诸塞州、伊利诺州等，所以投给民主党候选人拜登的选举人，并非地图呈现得那么少。

而影响这3届选举结果的内外效因，并非单纯一张静态地图视觉能够包容和呈现的：经济形势与失业率、新冠与种族歧视、每个选区的移民与少数民族占比、婴儿潮时代生人与新生代人口比例，甚至单个选举人的经济状况、教育水平、信仰、政治理念、信息接触，都对大选结果的走向产生着错综复杂的耦合作用。

所以，并非地图说了谎，而是想要深度学习进而实现预测性结果，地图需要、并且正在发展出新的特征：融合时空数据的多维性与语义化，向实时感知、深度挖掘和个体精细化延展。

深度融合时空数据，地图发展认知特性

古代与地理大发现时代，地图曾是人类认识和探索世界的工具；大众互联网时代，电子地图又成为出行导航、物流配送，和大多数互联网应用不可或缺的底色，可以说，地图伴随着人类认知世界的渴望而生。

地理大发现时代的荷兰海图（1654）

当下，技术手段的进步和大众信息化的普及，互联网和物联网数据涌入、全天候高密度的对地观测，以及高精度地图对世界描述方式的颠覆，地图的信息容量正在急剧扩张，同时形态也变得更加多样化。

美国选举各州投票实况、澳洲大火蔓延、新冠疫情，地图越来越频繁地出现在新闻和大众视野中，形象地帮助人们感受世界正在发生着什么；

2020年3月 COVID-19的全球发展趋势 | 超擎科技

另一方面，对于企业和城市管理者来说，饱含海量信息的地图，更是成为一种深度认知和洞察世界的工具，帮助他们预防灾害、更加精确主动地参与到改造世界的过程中。

此时，地图正在不限于形式地渗透到信息世界和现实社会中——

深度认知人类行为的商业价值：谁，在哪里，做什么？

无独有偶，另一场选举中，也有动态时空数据参与其中。以真实事件为基础改编的英剧《脱欧：无理之战》（《Brexit: The Uncivil War》）就讲述了这样一个情节，脱欧公投竞争胶着，留欧派采用主流媒体大肆宣传，脱欧派则请来了一位技术宅，采用大数据算法对各地选民采取精细定位宣传模式，从而获得成功。

《脱欧：无理之战》剧照

正如剧中人物所声称的那样，线上世界创造了人类历史上从未有过的全新形式——社交数据层，倒映我们看什么，关注什么，以及，这样做时的位置。

消费者用脚投票，每天都在发生的商业竞争，本质上也是一场场赢取消费者的“品牌竞选”。

“谁、在哪里、做了什么”——传统的信息三要素转化为数据后，在线上世界中重塑了一幅时空地图，但这并不够，想要深度挖掘潜在信息，我们需要将对这个问题做出扩展：怎样的人，在怎样的场景里，做了怎样的事？

在《广告是如何影响消费者决策的？》中，作者讲述了模拟用户小明，如何通过下班途中、电梯上的苹果手机广告牌，线上的朋友圈、视频流广告，到促销活动，从一个没想过更换手机的“路人”，成为一个迅速下单的“上帝”的消费者故事。虽然没有苹果品牌的高昂预算，很多广告主依然可以基于时空数据，采取更为精妙的打法。

此时单纯位置数据并不能展示这个世界的多元化，我们需要融合时空数据标签，进行多维度的聚合分析。

在时空大数据公司超擎科技展示的轨迹大数据展示大屏上，每条时空轨迹数据都带有标签。标签显示着这些轨迹拥有者的各种属性，即回答了“怎样的”这个问题。

这些属性可以是行驶的车辆种类，公交车、出租车、警车、货车、私家车...

越多的数据标签种类设置有利于细分市场数据的聚合分析 | 超擎科技

这样的时空数据标签种类，可以延伸到车主的社会特征，和驾驶车辆的款式、颜色、品牌各种类别，进一步与社交数据层融合，并结合图形数据进行多维运算和深度学习，这意味着“线上社交层”与“线下行为层“数据的交互与打通，通过深度学习，我们可以了解预测“高精度人群”的出行去向、空间场景需求与偏好模式，对于广告投放，信息流、视频音频流的推荐，将带来“升维”式的精准商业价值；

如何基于时空数据与算法，做广告信息流推荐？这是当下很多企业在商业投放时忽略的。图 | 超擎科技

同时，基于海量数据积累人们的行为模式学习，可以让地图数据分析在“产品文化创新”上做出有益启发和导向，从而打造爆款。这一点上，福特的做法很有启发性，他们在90年代成功挖掘了都市人群潜在的“边疆意识”，从而打造了探险者SUV这款“现象级”汽车产品，至今仍广受欢迎。

29年后，福特探险者仍是北美地区最受欢迎的SUV车型之一 图|福特中国

同步感知世界变化的价值：此时，世界在发生什么？

除了地图的精细运算与推荐模式，随着卫星互联网的急剧发展，让宏大的时空深度感知，也有路径可循。

每天，全球有400颗以上的遥感卫星在不断凝视着地球的每个角落，它们被广泛满足于气象、海洋、测绘、环境监测等社会需求，成为对气候变化和自然灾害进行预报和评估的利器，每年挽回自然灾害损失达数百亿美元。遥感卫星能在规定的时间内覆盖整个地球或指定的任何区域，它们也被称为“天眼”。

图 | EESA

与此同时，全球对地观测也进入“准实时”时代：

中国正在建设全球最大的自主对地观测网络，今年预计实现全球任意地点刷新率30分钟，2030年将缩短为仅仅10分钟；

2017年，加拿大MDA公司收购了美国数字地球公司Digital Global，旗下的高分辨率星座将重访周期刷新到“恐怖“的36分钟；

美国卫星公司Planet Labs，则拥有100多颗遥感卫星群，以1-3米的分辨率，每天覆盖全球一次；

...

这些卫星采集到的大规模数据，通过遥感数据软件的实时处理与云共享，让人们能够几乎同步地洞晓大部分自然灾害：基于多时相影像的对比与高精度定位，如北斗，精确地了解或预测它们发生在何时何处。

运用多时相遥感发现火灾。随着遥感卫星分辨率提升、重访周期更短，超擎采用遥感数据实时处理技术，每15分钟更新单幅影像，实现”准实时“数据刷新率。图 | 四维地球

在危机中，融合遥感解译与卫星、无人机数据建模，人们可以绘制栩栩如生地构建线上虚拟世界与空间，迅速了解受灾情况，快速制定最优救援行动方案。

2020年2月29日 云南省香格里拉市松园上村发生森林火灾，国土部门3月31日获取高分四号中红外数据对火场进行监测，同步制作了三处火场的三维立体场景，经快速处理及初步解译，宾川县乌拉乡火场影像可见过火面积约为220公顷。图|自然资源部国土卫星遥感应用中心

遥感技术在防御灾害的同时，也在关注成长。

高分影像数据广阔的视野与精细的波谱特征，不仅能让人们犹如拥有“机器之眼”，快速分辨土地利用率，识别每一块农田里种植的是哪些作物，同时还能关注农田长势、潜在风险如气候、气象、病虫害因素对其的影响，并对农作物进行估产、灾害预报，作为农业保险和农业期货投资的精准依据。

图 | 长光卫星

对于城市而言，它们能够在几分钟之内分辨一座城市所有的新兴建筑，或是道路的变化，为城市地图的实时更新准备好数据素材。

基于PIE的道路信息提取 图 | 航天宏图

但如果我们需要更加细致入微、同步地感知道路环境与动态，例如前方是否有行人穿越马路，行驶车道是否有车辆，这就需要引入新的地图形态——高精度地图。

高精度地图虽然被誉为“为机器而生”的地图，这并不意味着它只能为自动驾驶或辅助驾驶服务。高精度地图中可以包含更为实时和离散的数据，使这张地图具备更为深层次的价值，那就是精细的语义化，这让地图的每个数据点都成为丰富、多源信息的入口。

根据地图技术获取周边交通信号灯信息 图 | 易图通

语义化，说的是“地图能够完整地、动态地了解周边世界，它可以从现实世界中不断学习，持续、实时地改进自己对世界的认知”。

这对于无论人类或机器驾驶，都将带来福音。例如，高精度地图会告诉你前方1000米有什么，静态信息如交通信号灯、监控探头、匝道口；常态信息如道路拥堵程度、周边环境指数等；动态偶发信息，如雨雾，交通事故，路面异常等。

你可以将红色的位置点设想成很多场景，异常停车、交通事故，或者自然灾害造成的路面断裂，当地图超前感知到车道前方有异常时，在极端时间内通知驾乘人员调整车道、规避风险，这对于人们来说，是生命的价值。

精确、快速、深度地认知世界，成为地图的下一站使命。

而地图本身也在进化与“下沉”之中。

数字底座：时空深度与实时度的进击

现在很多人在提“数字底座”的概念，而它与地图正是有着千丝万缕的联系。

从前面案例中，我们可以看到：当地图成为海量、多源信息的载体时，地图正在转变一种底层数字基础，一种既非地图、也非数据库的综合体。

它正成为每个组织、个体可运行的信息架构，一种兼具图形与信息属性的I/O数字组织形式——互联网时代担任底色的”地图“正在迁跃成为”数字底座“。它的形态是由空间数据为秩序（图形化架构）串联起非空间数据（泛语义信息）的数字综合体，目的在于帮助城市（群）、行业、组织或个体自动化监控、精准成长和发展，降低或抵御风险。

箩筐技术打造的数字底座：通过矢量核心技术串联更为广泛、多源的时空数据，为政企提供整体服务。图 | 箩筐技术

它的信息组织形式与大脑的运作原理在某种程度上相似。

在《大脑中的地图，在帮我们理解世界？》一文中，作者介绍了最新的大脑研究——脑地图，根据这种理论，

“大脑就像个地图册。它包含很多地图——身体的、视觉世界的、我们生活的空间的。大脑工作时，一个神经元表达的抽象信息与它的物理位置之间不一定要有任何关联，但因为表达相似信息的细胞总是需要互相沟通，所以把它们放在一起可以减少通讯消耗。”

所以，数字底座在底部的图形化联通，绝非仅为形态上的重塑。

一座工厂有它自身的数字底座：描绘它的内部空间结构是怎样的，管道和电线如何设置，设备如何摆放；每个车间是什么样子；而这座工厂并不是孤立的，它与外部道路联通，也是构成一座城市的一部分，这是我们所说的创建一个线上数字体的概念。

但我们详尽地描绘它，是希望得到有益信息或运行建议：这座工厂的能源供给是否能保证其正常运作，或产生能源浪费？每台设备是否正常运作，或需要检修？每个生产环节是否安全？它又与所在的城市有着怎样的联系？再深入一些，这些设备是在加工哪些产品，是否符合市场和供应链需求，发生产能过剩或不足的情况？

图 | 超擎科技

从上面这个例子，我们可以知道，即使我们将工厂描摹地再栩栩如生，没有数据组织管理与分析的内在驱动力，我们很难得知实际运行状态和数字建议。如果数据无法告诉我们有意义的信息，那么追求极致精细的”克隆“也是一种内卷。

为了得到深度信息，数字底座集合了数据资源、数据存储管理能力、算法分析模型和数据应用功能的最佳组合：相对地图，它提升了其中各个组成项目的弹性和灵活性，使之成为“变量”。

例如我们要弄清楚全球水资源如何变化，科学家可能会选取从最早的卫星记录影像，直到最近最新影像，结合气候和测量等多源数据，搭建数据模型，计算水资源在全球内的变化趋势，与哪些因素是强相关的关系。这里就需要庞大的遥感数据，和与之相应的海量遥感数据处理软件和遥感分析功能，得出科学客观结论。

图| 网络

但如果需要实时监测自然灾害的脚步，就需要运用遥感处理软件实时更新遥感数据、传感器数据，运用智能识别算法监测或预警。

当我们希望高速路上“40辆车连环相撞”这样的惨烈安全事故不再发生时，高速交通管理者可能会选取高精度地图、高精度定位功能，和实时读取分析软件，形成一套系统，去通知附近一定距离内的司机变换车道并保持高度集中的注意力，保证自身和他人的安全。

而回到最初提到的竞选与数字营销的维度上，则需要空间或室内地图、人群的标签化数据、社交层数据和行为数据的空间交互分析，从而发掘出深层的商业价值和新的市场。

可以说数字底座并非一个概念，而是可以真实应用的产品。

但它对服务提供方提出了更高的要求：广泛、多源的数据资源，深度时空数据积累，以及强大的数据驱动力和多维度的复杂分析能力。

这个市场也将留给全面发展的”优等生“，也或是在业内建立链路更多、更长的“社交达人”，让我们拭目以待。

结语

站在即将到来的2020年与2021年交汇点上，

不禁会问，地图还会转变成何种形态？

很难预测，可能它会变得更加形象逼真，植入我们脑海，成为一种虚拟现实；

或变得更加抽象，通过复杂的算法，直接成为一种知识、一条建议或指令。

但就像2020我们还未完成的科幻世界KPI一样，

先让我们跨越底层信息共享鸿沟吧。