美國大選，地圖說謊了嗎？
在塵埃落定的2020年美國大選中，有一幕頗值得玩味。
在火熱的實時計票中，大家都會看到這一張地圖，藍色代表民主黨候選人拜登獲勝的州，紅色代表共和黨候選人川普獲勝的州，紅色遍布了大片領地，這給廣大吃瓜群眾帶來了一定的迷惑性。
當大選進入尾聲，以拜登為代表的民主黨（藍色）贏得超過290席的選票時（超過270席贏得大選），除個別州以外，這張地圖在視覺上並未發生逆轉性的改變（下圖2020）；甚至與前兩次的大選地圖——2012年、2016年，也大同小異：沒有在視覺上呈現大選結果的傾向，也沒有顯示近幾屆全美選舉變遷趨勢，或新近發生的重大事件所產生的影響。
是地圖可視化失效了嗎？
除去美國大選的「贏家通吃」複雜規則影響之外，對比地理人口熱力圖來看，選舉地圖上民主黨贏得區域大多人口密度高，其中包含了全美科技、教育、文化較為發達的加州、紐約州、麻薩諸塞州、伊利諾州等，所以投給民主黨候選人拜登的選舉人，並非地圖呈現得那麼少。
而影響這3屆選舉結果的內外效因，並非單純一張靜態地圖視覺能夠包容和呈現的：經濟形勢與失業率、新冠與種族歧視、每個選區的移民與少數民族佔比、嬰兒潮時代生人與新生代人口比例，甚至單個選舉人的經濟狀況、教育水平、信仰、政治理念、信息接觸，都對大選結果的走向產生著錯綜複雜的耦合作用。
所以，並非地圖說了謊，而是想要深度學習進而實現預測性結果，地圖需要、並且正在發展出新的特徵：融合時空數據的多維性與語義化，向實時感知、深度挖掘和個體精細化延展。
深度融合時空數據，地圖發展認知特性
古代與地理大發現時代，地圖曾是人類認識和探索世界的工具；大眾網際網路時代，電子地圖又成為出行導航、物流配送，和大多數網際網路應用不可或缺的底色，可以說，地圖伴隨著人類認知世界的渴望而生。
當下，技術手段的進步和大眾信息化的普及，網際網路和物聯網數據湧入、全天候高密度的對地觀測，以及高精度地圖對世界描述方式的顛覆，地圖的信息容量正在急劇擴張，同時形態也變得更加多樣化。
美國選舉各州投票實況、澳洲大火蔓延、新冠疫情，地圖越來越頻繁地出現在新聞和大眾視野中，形象地幫助人們感受世界正在發生著什麼；
另一方面，對於企業和城市管理者來說，飽含海量信息的地圖，更是成為一種深度認知和洞察世界的工具，幫助他們預防災害、更加精確主動地參與到改造世界的過程中。
此時，地圖正在不限於形式地滲透到信息世界和現實社會中——
深度認知人類行為的商業價值：
誰，在哪裡，做什麼？
無獨有偶，另一場選舉中，也有動態時空數據參與其中。以真實事件為基礎改編的英劇《脫歐：無理之戰》（《Brexit: The Uncivil War》）就講述了這樣一個情節，脫歐公投競爭膠著，留歐派採用主流媒體大肆宣傳，脫歐派則請來了一位技術宅，採用大數據算法對各地選民採取精細定位宣傳模式，從而獲得成功。
正如劇中人物所聲稱的那樣，線上世界創造了人類歷史上從未有過的全新形式——社交數據層，倒映我們看什麼，關注什麼，以及，這樣做時的位置。
消費者用腳投票，每天都在發生的商業競爭，本質上也是一場場贏取消費者的「品牌競選」。
「誰、在哪裡、做了什麼」——傳統的信息三要素轉化為數據後，在線上世界中重塑了一幅時空地圖，但這並不夠，想要深度挖掘潛在信息，我們需要將對這個問題做出擴展：怎樣的人，在怎樣的場景裡，做了怎樣的事？
在《廣告是如何影響消費者決策的？》中，作者講述了模擬用戶小明，如何通過下班途中、電梯上的蘋果手機廣告牌，線上的朋友圈、視頻流廣告，到促銷活動，從一個沒想過更換手機的「路人」，成為一個迅速下單的「上帝」的消費者故事。雖然沒有蘋果品牌的高昂預算，很多廣告主依然可以基於時空數據，採取更為精妙的打法。
此時單純位置數據並不能展示這個世界的多元化，我們需要融合時空數據標籤，進行多維度的聚合分析。
在時空大數據公司超擎科技展示的軌跡大數據展示大屏上，每條時空軌跡數據都帶有標籤。標籤顯示著這些軌跡擁有者的各種屬性，即回答了「怎樣的」這個問題。
這些屬性可以是行駛的車輛種類，公交車、計程車、警車、貨車、私家車...
越多的數據標籤種類設置有利於細分市場數據的聚合分析 | 超擎科技
這樣的時空數據標籤種類，可以延伸到車主的社會特徵，和駕駛車輛的款式、顏色、品牌各種類別，進一步與社交數據層融合，並結合圖形數據進行多維運算和深度學習，這意味著「線上社交層」與「線下行為層「數據的交互與打通，通過深度學習，我們可以了解預測「高精度人群」的出行去向、空間場景需求與偏好模式，對於廣告投放，信息流、視頻音頻流的推薦，將帶來「升維」式的精準商業價值；
如何基於時空數據與算法，做廣告信息流推薦？這是當下很多企業在商業投放時忽略的。圖 | 超擎科技
同時，基於海量數據積累人們的行為模式學習，可以讓地圖數據分析在「產品文化創新」上做出有益啟發和導向，從而打造爆款。這一點上，福特的做法很有啟發性，他們在90年代成功挖掘了都市人群潛在的「邊疆意識」，從而打造了探險者SUV這款「現象級」汽車產品，至今仍廣受歡迎。
29年後，福特探險者仍是北美地區最受歡迎的SUV車型之一 圖|福特中國
同步感知世界變化的價值：
此時，世界在發生什麼？
除了地圖的精細運算與推薦模式，隨著衛星網際網路的急劇發展，讓宏大的時空深度感知，也有路徑可循。
每天，全球有400顆以上的遙感衛星在不斷凝視著地球的每個角落，它們被廣泛滿足於氣象、海洋、測繪、環境監測等社會需求，成為對氣候變化和自然災害進行預報和評估的利器，每年挽回自然災害損失達數百億美元。遙感衛星能在規定的時間內覆蓋整個地球或指定的任何區域，它們也被稱為「天眼」。
與此同時，全球對地觀測也進入「準實時」時代：
中國正在建設全球最大的自主對地觀測網絡，今年預計實現全球任意地點刷新率30分鐘，2030年將縮短為僅僅10分鐘；
2017年，加拿大MDA公司收購了美國數字地球公司Digital Global，旗下的高解析度星座將重訪周期刷新到「恐怖「的36分鐘；
美國衛星公司Planet Labs，則擁有100多顆遙感衛星群，以1-3米的解析度，每天覆蓋全球一次；
...
這些衛星採集到的大規模數據，通過遙感數據軟體的實時處理與雲共享，讓人們能夠幾乎同步地洞曉大部分自然災害：基於多時相影像的對比與高精度定位，如北鬥，精確地了解或預測它們發生在何時何處。
運用多時相遙感發現火災。隨著遙感衛星解析度提升、重訪周期更短，超擎採用遙感數據實時處理技術，每15分鐘更新單幅影像，實現」準實時「數據刷新率。圖 | 四維地球
在危機中，融合遙感解譯與衛星、無人機數據建模，人們可以繪製栩栩如生地構建線上虛擬世界與空間，迅速了解受災情況，快速制定最優救援行動方案。
2020年2月29日 雲南省香格裡拉市松園上村發生森林火災，國土部門3月31日獲取高分四號中紅外數據對火場進行監測，同步製作了三處火場的三維立體場景，經快速處理及初步解譯，賓川縣烏拉鄉火場影像可見過火面積約為220公頃。圖|自然資源部國土衛星遙感應用中心
遙感技術在防禦災害的同時，也在關注成長。
高分影像數據廣闊的視野與精細的波譜特徵，不僅能讓人們猶如擁有「機器之眼」，快速分辨土地利用率，識別每一塊農田裡種植的是哪些作物，同時還能關注農田長勢、潛在風險如氣候、氣象、病蟲害因素對其的影響，並對農作物進行估產、災害預報，作為農業保險和農業期貨投資的精準依據。
對於城市而言，它們能夠在幾分鐘之內分辨一座城市所有的新興建築，或是道路的變化，為城市地圖的實時更新準備好數據素材。
但如果我們需要更加細緻入微、同步地感知道路環境與動態，例如前方是否有行人穿越馬路，行駛車道是否有車輛，這就需要引入新的地圖形態——高精度地圖。
高精度地圖雖然被譽為「為機器而生」的地圖，這並不意味著它只能為自動駕駛或輔助駕駛服務。高精度地圖中可以包含更為實時和離散的數據，使這張地圖具備更為深層次的價值，那就是精細的語義化，這讓地圖的每個數據點都成為豐富、多源信息的入口。
語義化，說的是「地圖能夠完整地、動態地了解周邊世界，它可以從現實世界中不斷學習，持續、實時地改進自己對世界的認知」。
這對於無論人類或機器駕駛，都將帶來福音。例如，高精度地圖會告訴你前方1000米有什麼，靜態信息如交通信號燈、監控探頭、匝道口；常態信息如道路擁堵程度、周邊環境指數等；動態偶發信息，如雨霧，交通事故，路面異常等。
你可以將紅色的位置點設想成很多場景，異常停車、交通事故，或者自然災害造成的路面斷裂，當地圖超前感知到車道前方有異常時，在極端時間內通知駕乘人員調整車道、規避風險，這對於人們來說，是生命的價值。
精確、快速、深度地認知世界，成為地圖的下一站使命。
而地圖本身也在進化與「下沉」之中。
數字底座：時空深度與實時度的進擊
現在很多人在提「數字底座」的概念，而它與地圖正是有著千絲萬縷的聯繫。
從前面案例中，我們可以看到：當地圖成為海量、多源信息的載體時，地圖正在轉變一種底層數字基礎，一種既非地圖、也非資料庫的綜合體。
它正成為每個組織、個體可運行的信息架構，一種兼具圖形與信息屬性的I/O數字組織形式——網際網路時代擔任底色的」地圖「正在遷躍成為」數字底座「。它的形態是由空間數據為秩序（圖形化架構）串聯起非空間數據（泛語義信息）的數字綜合體，目的在於幫助城市（群）、行業、組織或個體自動化監控、精準成長和發展，降低或抵禦風險。
籮筐技術打造的數字底座：通過矢量核心技術串聯更為廣泛、多源的時空數據，為政企提供整體服務。圖 | 籮筐技術
它的信息組織形式與大腦的運作原理在某種程度上相似。
在《大腦中的地圖，在幫我們理解世界？》一文中，作者介紹了最新的大腦研究——腦地圖，根據這種理論，
「大腦就像個地圖冊。它包含很多地圖——身體的、視覺世界的、我們生活的空間的。大腦工作時，一個神經元表達的抽象信息與它的物理位置之間不一定要有任何關聯，但因為表達相似信息的細胞總是需要互相溝通，所以把它們放在一起可以減少通訊消耗。」
所以，數字底座在底部的圖形化聯通，絕非僅為形態上的重塑。
一座工廠有它自身的數字底座：描繪它的內部空間結構是怎樣的，管道和電線如何設置，設備如何擺放；每個車間是什麼樣子；而這座工廠並不是孤立的，它與外部道路聯通，也是構成一座城市的一部分，這是我們所說的創建一個線上數字體的概念。
但我們詳盡地描繪它，是希望得到有益信息或運行建議：這座工廠的能源供給是否能保證其正常運作，或產生能源浪費？每臺設備是否正常運作，或需要檢修？每個生產環節是否安全？它又與所在的城市有著怎樣的聯繫？再深入一些，這些設備是在加工哪些產品，是否符合市場和供應鏈需求，發生產能過剩或不足的情況？
從上面這個例子，我們可以知道，即使我們將工廠描摹地再栩栩如生，沒有數據組織管理與分析的內在驅動力，我們很難得知實際運行狀態和數字建議。如果數據無法告訴我們有意義的信息，那麼追求極致精細的」克隆「也是一種內卷。
為了得到深度信息，數字底座集合了數據資源、數據存儲管理能力、算法分析模型和數據應用功能的最佳組合：相對地圖，它提升了其中各個組成項目的彈性和靈活性，使之成為「變量」。
例如我們要弄清楚全球水資源如何變化，科學家可能會選取從最早的衛星記錄影像，直到最近最新影像，結合氣候和測量等多源數據，搭建數據模型，計算水資源在全球內的變化趨勢，與哪些因素是強相關的關係。這裡就需要龐大的遙感數據，和與之相應的海量遙感數據處理軟體和遙感分析功能，得出科學客觀結論。
但如果需要實時監測自然災害的腳步，就需要運用遙感處理軟體實時更新遙感數據、傳感器數據，運用智能識別算法監測或預警。
當我們希望高速路上「40輛車連環相撞」這樣的慘烈安全事故不再發生時，高速交通管理者可能會選取高精度地圖、高精度定位功能，和實時讀取分析軟體，形成一套系統，去通知附近一定距離內的司機變換車道並保持高度集中的注意力，保證自身和他人的安全。
而回到最初提到的競選與數字營銷的維度上，則需要空間或室內地圖、人群的標籤化數據、社交層數據和行為數據的空間交互分析，從而發掘出深層的商業價值和新的市場。
...
可以說數字底座並非一個概念，而是可以真實應用的產品。
但它對服務提供方提出了更高的要求：廣泛、多源的數據資源，深度時空數據積累，以及強大的數據驅動力和多維度的複雜分析能力。
這個市場也將留給全面發展的」優等生「，也或是在業內建立鏈路更多、更長的「社交達人」，讓我們拭目以待。
結語 /Ending/
站在即將到來的2020年與2021年交匯點上，
不禁會問，地圖還會轉變成何種形態？
很難預測，可能它會變得更加形象逼真，植入我們腦海，成為一種虛擬實境；
或變得更加抽象，通過複雜的算法，直接成為一種知識、一條建議或指令。
但就像2020我們還未完成的科幻世界KPI一樣，
先讓我們跨越底層信息共享鴻溝吧。