人工智能和机器学习正逐步使智慧城市和基于数据的物联网导航成为现实。通过Microsoft Azure Maps的产品经理，去了解先进的定位技术将如何彻底改变从自动驾驶汽车到城市的一切。

位置数据是技术的基础：它绑定设备和用户，用户所处的环境。随着位置数据移动到云并变得更加智能， Azure Maps首席负责人Chris Pendleton表示，由人工智能和机器学习提供支持，智能位置数据的潜在应用爆炸式增长。我们正处于建立在数亿个连接在一起的设备上的智能社会的门槛外，下面的一步是共同创造物联网。

“这就是我们所生活的这个星球，我们总是需要知道事情的真相，现在定位的含义的确被扩大了，这些知识更易于使用。”

物联网概念建立在四大支柱上：首先是外部地图平台，这是用户现在所熟悉的地理位置数据，为我们提供了地图上的房屋和商业列表的指引。其次是室内测绘，或换句话说，就是能够找到建筑物内的位置和通道，这实际上是一种非常不同的测绘方法。然后是关于位置的分析或商业智能，最后是导航，这已经延伸到了自动驾驶。

Pendleton说，第一个支柱已经相当复杂，但随着新传感器技术的发展，其他三个支柱也越来越受到重视，并且本地化得到改善。

GPS是在城市回廊中表现得非常不准确。当你穿过一座充满摩天大楼的城市时，你可能已经注意到了这种现象，回声或反弹使GPS信号在建筑物上跳动并抵消你的位置。使用附加传感器，例如汽车中的摄像头，可以更准确地定位该位置。

例如，从前置摄像头，实际上可以查看图像索引并准确地确定你的位置，因为只有那一个地方，可能在一平方公里内，看起来完全就在那一点上，甚至精确到一条单一车道和一个摄像头投影的位置。使用相机传感器和计算机视觉识别物体，并将其转换为矢量映射，可以让我们更精确定位。

然而，他指出，这不是一次性使用并完成的，这只适用于自动驾驶汽车。

例如，智能映射出制造工厂的内部工作，从机器人和车辆通道到人类十字路口，并使交通在整个优化路线中平稳有效地移动。

“我们不仅可以创建制造工厂的地图，而且不仅可以建立行程，还可以让所有移动部件相互磨合并进行优化，”Pendleton说。

它几乎就像一个缩小的智能城市，展示了不断更新的连接基础设施和再生地图的潜力，使系统能够预测事件，动态调整或仅通过数据渗透发现潜在问题。它可以更快地识别交通事故，更快地让医护人员到达现场，甚至可以缓解交通压力。

“这是我们试图做的事情之一：解决交通拥堵的问题，总体使用数据的方式，但也需要基础设施。”

他兴奋地指出另一个完全不同的情景，即寄养系统可能发生的变化，参与者可以识别系统服务，例如可用于其地区的医疗保健和食品，然后找到运输网络，乘坐公共汽车或轻轨去那里。计划下一步，确定寄养家庭集中在哪里及他们需要的服务，以及如何优化这些人的交通运输，使其更容易被运送到目的地并得到服务。

展望未来，他说：“第一套地图服务已经存在，但如果开始考虑数据模型和实施，那么就是在自己的世界构建有体系的、拓扑性质的、暂时的图表。”

换句话说，可以从一个世界，一块大陆，美国，华盛顿，一个县，一个城市的角度来看数据，以及来自所有这些地区的数据如何随着时间的推移而接触，重叠，移动和转移，这是一种新的绘图方式的基础。

“这一变化很重要，”Pendleton说。“我们逐步理解地图的关键性和重要性，地图数据质量，数据的复杂性以及设备聚合在一起，不仅利用地图作为参考，而且要实际创建地图。微软正在与世界上一些最优秀的公司建立合作伙伴关系，使技术更进一步。”