Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

高精地图市场的「世纪难题」:成也众包, 败也众包

没想到,高精地图着力的焦点之一开始转移至汽车后市场。

距离 Mobileye 提出高精地图众包计划已过去三年,如今,依然没有实绩。

这家多款产品占据全球 ADAS 前装市场 90% 份额的「驾驶辅助系统之王」,从 2016 年便推出了被称为 REM(Road Experience Management,道路信息管理平台)的地图服务平台。而「众包」,是这个超级服务计划极为重要的组成模块——

高精地图所需的庞大道路数据量和对实时性的苛刻要求,凭一己之力绝无可能达成,因此,Mobileye 觉得「鸡毛」要从车厂身上撸。

因此,公司积极拉拢自己的 25 家主机厂与 13 家车厂客户加入 REM 联盟,甚至将 2017 年的 REM 平台的攻坚重点放在了亚洲市场,譬如与四维和上汽合作,在中国开启 REM 数据收集计划;与 Zenrin 和日产达成合作,计划利用 REM 技术采集日本所有高速公路道路数据……

但从目前来看,这条路能否走得通很值得怀疑。

「车厂能把数据都给你才见鬼了,」一位不具名的行业人士指出,走前装市场这条路注定很难:

「更何况众包平台性质的服务特点之一是开放,但车厂与车厂之间,车厂与平台之间的利益关系如何平衡?目前很多合作几乎都是定制化、极小范围的尝试,你很难让数据都汇集起来。」

作为一家 Tier1 厂商,再向车厂们把自己产品里的数据「讨」回来,很难。

换句话说,持续且实时收集大量不同地区的道路信息,很难。

当然,这一难题不是 Mobileye 的专属,而是几乎所有高精地图技术厂商的「心头痛」。
众包模块包括信息收集与渠道两个 part

成也众包,败也众包

随着「高精地图」在自动驾驶商业化落地进程中扮演角色的不可或缺性成为行业共识,高精地图市场在 2017 年末的爆发似乎在情理之中(高精地图——这曾无人问津的市场正被一些破局者悄然占领):

大图商们拍着胸脯说这是自己的专长(毕竟离不开地图制作流程);

拿到高额融资的高精地图创业公司们踌躇满志,想以技术为突破点,将火力集中在「高精」二字上;

部分自动驾驶技术公司也如梦初醒,自己给车装了这么多能精准捕捉周围环境特征的传感器,作为「副产物」,高精地图的生意似乎也是水到渠成。

因此,大家都能侃侃而谈高精地图的「质」,譬如有技术创业公司就想先从帮车企实现精准测绘并收取服务费的「小角色」做起;

而有些创业公司一上来就想叫板图商,坚持亲力亲为测遍全国城市高速公路的重模式。

然而,一涉及到高精地图的「量」,却又同时陷入沉默——或是采取避而不谈的态度,或是强调这是发展后期才会考虑的问题。

这里的「量」,既指足量且实时的有效道路数据,也指覆盖足够广的地域范围。

实现这个目标,除非自己往死里砸钱让测绘车去跑遍祖国万水千山(很多公司即便采取图商模式,也只是结构化道路,譬如高速公路),否则,「众包」就是唯一可走的路。

而让「众包」可行的前提,是百万甚至千万级的数据收集终端设备覆盖量。

因此,从成千上万辆私家车身上薅羊毛的思路并没错。

「跑在路上的海量私家车的确是好的数据源,但是做众包,一上来就想从前装市场拿数据,不太可行,」高精地图技术厂商极奥科技 CTO 王雪坤出身四维图新,对拿数据的难度感受颇深。

作为在地图行业沉浮十几年的人,王雪坤很清楚整个地图行业有着怎样的问题。

实际上,这个行业十几年前有什么问题,十几年后的今天依然没有被解决:

在高精度地图的更新上,并没有完全实现「精度」和「鲜度」(实时性)两条腿走路的状态。

而其中很重要的一个原因,就是高精度地图在实际生产的过程中需要庞大的实时数据作为支撑。而对制图有用的数据,几乎难以触及。

2012 年,王学坤曾主导过一个关于地图的众包项目,但那时候他便发现,技术路径是没有问题的,但数据却上不来:

「当时联网的只有前装车,车上都装了 T-box(车联网的一部分,主要用于与后台系统互联通信,实现后台系统/手机 APP 的车辆信息显示与控制),但是前装车不会轻易把数据给你。」

但反过来,此前王雪坤做导航地图测试时被 OEM 车厂问责最多的就是数据不够新,明明新开的路为何地图上没有,明明已经废弃的路为何依然可以规划

有时候,一件逻辑通但很难办的事情,换一个方向,也许绳子拧死的结就突然打开了。
极奥科技 CTO 王雪坤

众包突破口:汽车后装市场

前装的电子化趋势与车联网技术浪潮带来了汽车电子后装市场的崛起。

根据中国产业信息网提供的汽车后装市场报告显示,2010 年国内后装导航市场的规模才 400 万出头,但 2015 年却跃升至 1500 万;

而行车记录仪市场也在 2013 年前后开始起量,在之后的两年内,随着普通车主意识到行车记录仪的重要性,以及 360 等互联网巨头陆续进入市场,行车记录仪销量进入飙升期。

据中商产业研究院的报告显示,仅 2016 年,行车记录仪销量就达到 1400 万台左右(目前尚未查到关于 2017 年行车记录仪的第三方销量统计),至今都是汽车电子产品市场的最大赢家。

当然,还有一个绝对不能忽视的节点是 2014 年交通部颁布的著名「5 号令」——《道路运输车辆动态监督管理办法》。

这份具有标志性意义的文件规定,凡是用于公路营运的载客汽车、危险货物运输车辆,半挂牵引车以及重型载货汽车(总质量为 12 吨及以上的普通货运输车辆),都必须要安装 GPS 卫星定位行驶记录仪。

与此同时,全国通讯费用的逐步降低也成为后装设备规模化的另一个催化剂。

就这样,「天时地利人和」促成的规模化也意味着各种后装累计数据(定位数据、可视化数据)的量级已经不可小觑。

2014 年底,极奥科技创始人兼 CEO 王东明找到了王雪坤,两个人都嗅到了市场变化带来的异样味道:

许多汽车后装电子设备一定需要 SiM 卡。譬如车载 GPS 定位器,如果不插 SiM 卡,就无法联网把经纬度上传至服务器,那用户也无法查询到定位器的位置。

此外,大多行车记录仪支持云数据上传。这种记录仪一般带有专门的 APP 和云端服务,用户可以把实时录的东西上传到云端,并分享出去。

也就是说,后装设备的道路数据权限,掌握在设备厂商、运营商以及消费者手里。

「东明当时跟说现在汽车开始装 SiM 卡了,我说行,这事有得玩,然后我们就想着怎么去利用这些数据做一些事情。现在来看,我们踩准了好几个点。

很多做人工智能的人可能想不到,其实每年后装硬件销量都能达到 2000 万~2500 万。以行车记录仪、智能后视镜、大屏车机、OBD 为例,这些品类每年的销售量都会达到千万的量级,而其中在线的就有 30%~40%。」

2007 年就已经进入汽车后装市场的王东明,几乎是全国最早一批做行车记录仪的人之一。因此,在后装市场积累的资源,让极奥科技一开始就想着如何绕过让技术公司尴尬的冷启动问题,直接切中地图众包的核心痛点:

数据。

「东明跟后装市场任何一家能够叫的出品牌的企业都有联系。这就是做的早的好处,你能想到的后装设备的玩家跟我们都有一定的合作。

举个简单的例子,某个大平台级企业在 2018 年年初也想通过后装市场收集数据。他们财大气粗,放话说我就是拿钱买。

但是那些后装老板就说,我虽然有数据但我给不了你,数据现在都在极奥手上,你去找他们买吧。」

当前,根据极奥官方提供的数据,全国有将近 1000 万辆车「跑」在极奥的高精地图众包平台上,即便按照 30%~40% 的活跃度来计算,王学坤认为数据量也庞大到足以解决「众包」的实时性问题。

「我们总把全国的道路想象地特别特别长。其实说长也长,说短也短。」王雪坤顺便提出了一个可以难倒外行的基本问题:

全国公路里程到底有多长?

「事实上,全国公路总里程不足 500 万公里,而其中高速公路总长不到 14 万公里。

如果全靠自己去实地来回测,那么从资本与时间角度来考虑,里程真的特别长;但是如果靠众包,我们还是小瞧了这种方式的力量。」

由于缺乏切实有效的众包途径,现阶段有很多「反众包」声音,而这些声音并非没有道理:

道路信息过于碎片化,以至于有很多死角你肯定顾及不到,很多偏僻地区靠众包并不可行。

然而,王雪坤的看法恰恰相反:

「顾及不到,还是因为你众包的数据不够多;在达到一定量级后,众包能够覆盖的地区会完全超过你的想象。」

他打开了一张位于重庆山区的信息矢量图,一条极为蜿蜒的道路被清晰地标记出来:

「我们对比跟一些现有地图产品做过对比,像大城市就不用说了,我们都做的非常细,除了覆盖所有城区道路,甚至还有他们图里不存在的农村小道。

你看到的这条七扭八怪的山路,其实是重庆一个人迹罕至的地方,这就是众包的力量。」

就这样,四年前刚搭建众包平台还曾被行业嘲笑「商业模式不可取」的发展策略,突然在 4 年后被这股高精地图技术浪潮给证明了价值:

「现在只要是做高精地图的公司都在提众包,然而,我们在道路众包数据方面已经做到有壁垒了。」

极奥众包平台上的 1000 万车辆较均匀地分布在全国 300 个城市里,这些积极又活跃的普通车主就像网络世界中的爬虫,不断搜寻并反馈着全国每一条道路上的信息变化。

「很多高精地图公司要么一开始就做的重,做大图商要做的事情,自己去跑;要么就单纯依赖车厂,只做车企生意;要么就说自己先做自动驾驶,然后生成高精地图。

然而,有人说没有高精地图就不能做自动驾驶,但车辆不装那套硬件,就不能生成高精地图。」王雪坤认为,包括车厂在内,都会或多或少面临「鸡生蛋,还是蛋生鸡」的难题。

「所以我们想从一开始就想绕开常规做法,先解决数据沉淀,有了真实的众包能力再往上走。」

「后装众包」这条路被开辟后,极奥安然度过了冷启动阶段。

与此同时,随着数据一点点叠加,他们的地图信息从一开始只有 1、2 米精度,迅速过渡到亚米级精度,最后到了当下可以向外界公开的 20 厘米精度。

「这条路被证明是更稳健的,」他强调,

「而且最重要的是,一开始做,先不要依赖别人。」

实际上,根据我们了解的信息,已经陆续有大量高精地图公司开始将着力焦点转移至汽车后市场,亲自参与 C 端车载硬件研发,而这个 C 端消费级市场也许会随着高精地图及自动驾驶市场的爆发而持续升温。

AI 的角色开始不简单

通常来说,传统地图行业的完整制图流程被分为三个板块:外业(实地测绘)、内业(数据转换、标注、编辑与分析等工作)与生产。

人工智能,近年来被制图者逐渐视为内业工作最好的技术替代品之一。

「在我们公司有一个最高指导原则:任何一件事只要人重复做了两遍,这件事你就要自动化。」

王雪坤指出,各类道路细节如果要通过地图的形式输送给车并让后者能「掌握」分辨能力,就必须要通过技术,把大量细节抽象出一种「范式」。

如同把一本 500 页的书,归纳泛化出一份 2 页纸的报告,让汽车「消化」掉并掌握它。

这就是高精地图制作过程中最具有技术魅力的环节——通过人工智能大量运算抽象出各种范式模型。

简单来说就是,基于众包产生的大量视频数据,深度学习等技术模型完全有能力重构一个涵盖高精度地物、路口模型与车道边线的静态物理世界。

譬如,工程师可以利用像素级语义识别,沿着一个红绿灯的轮廓精确描线,将无用信息过滤掉的同时,还能提取物体的空间信息。
像素语义识别——类似于这种
如果说这个静态信息层是一块蛋糕胚,那么动态信息就是抹上的第一层奶油。

因为除了「九曲十八弯」这种客观存在的环境,没有人能比这些中国地图老炮儿们更了解到底有多少种奇奇怪怪的事情会在中国的道路上发生。

「细节就是魔鬼」,这是地图行业人士遵循的铁律。

「没有众包,你可能不会知道中国有一些道路竟然在一个节点上有九岔路口;」王雪坤做了十几年地图,表示什么路况自己都见过:
甚至有一些左转车道在最外侧,我们平常开车的时候都想像不到,如果开车开到这里可能都会骂街——把左转车道放在最外面车道,你让我怎么过去?但是中国道路就是有。」

因此,在极奥众包平台每天产生的 2 亿里程数据,其中超过一半都被证实在地图实时更新方面派上了用场。

完整的车道级静态信息,外加用来校正与更新的众包实时数据,被极奥统称为地图的「设施层」。

但这就等于一份合格的高精地图?

完全不够。

一定要把设备装上车

没了奶油层上的裱花与要吃的人,蛋糕也就没了意义。

因此,第一,没有一个人可以确定能建立完整公路高精地图的有效众包数据是否充足。(肯定不是所有众包数据都能用)

其次,为了更快商业化,需要跟如今的自动驾驶汽车一样,将高精地图应用限定在一个特定应用范围(场景),这也某种程度上会降低研发难度,缩减产出周期。

解决第一个问题,当然需要更多更多的数据冗余层来保证,这就回到了文章开始大家都想到的一条路——把自己的软硬件装在大量上路的汽车上。

「后装众包线」这第一道护城河,只是让王雪坤觉得创业开了一个好头,而接下要淌的河,同行的船必然将大大增加:

「把自己的硬件架到足够多的车上,是必然要做的事情。这一点我们跟其他公司没有分歧。」

极奥把众包分成了两条线,一个是走前面讲到的后装众包线(UGC 线),被用来保证地图的鲜活度;

而另一条则被其称为「专业众包线」——把自己的后装软硬套件与现有车队绑定,而且这套软件价格不能太高,因为「几万块就不能叫做众包了」。

这条路看起来与其他高精地图创业公司目前正在做的没有明显差别。

不过,虽然车厂在他们的合作名单上,但显然他们并没有把商业化的第一个筹码压在乘用车身上。

「我们大概是唯一一家现在提出来高精度地图不应该只为自动驾驶服务的地图公司吧?」

王雪坤坦白,自己觉得自动驾驶汽车的路还太长,毕竟他们把「绝对安全」放在第一位,对于像地图这样一个需要大量资金和大量时间沉淀的产业来说,死守车厂并不现实。

「如果你的变现周期又很长,那这家高精地图公司能不能活到自动驾驶实现的那一天,都是一个问题。」

那什么样的车上路量大,不像车厂对「安全」有近乎变态的要求,而且对地图的「精」与「新鲜度」有特殊需求?

答案似乎呼之欲出。

而且这个答案也同时回答了「第二个关于限定应用场景的问题」。

「这十几年地图不是白做的,」说这句话的时候,王雪坤露出了「老狐狸」的本色,

「我相信没有比我们更清楚,地图还有哪些场景、哪些行业是迫切想要的。」

极奥高精地图的四层概念

加速高精地图商业化的修饰语——行业专用

极奥的核心团队是一帮工龄 15 年以上的「老头子」。

如果说那些出身人工智能界、「血统纯正」的技术领导者擅长的是从未来中摸索机会,那么这群来自索尼、先锋、德尔福、四维图新、高德等传统硬件巨头与大图商的「老人」,拿手的可能是从历史中寻找正确答案。

作为码农,王雪坤亲身经历过十几年前,仅仅作为一家显卡公司努力在市场中生存的英伟达。那个时候,显卡(GPU)编程异常困难,需要通过机器码才能深入到显卡的内核才能完成编程。

「之后英伟达做了一件很造福人类的事情,」他回忆,「他们推出了并行计算平台 CUDA,把非常复杂的显卡编程包装成了简单的接口。」

除了让程序员更容易上手,CUDA 也让 GPU 的计算性能有了质的提高,目前很多深度学习、挖矿等等领域的应用都是基于这个平台的开发。

王雪坤相信,这些并没有获得大众太多关注的产品与产品形态,其实是零几年时已经濒临破产得英伟达,再度崛起成为当下最具价值芯片巨头之一的不可忽视的推动力。

「不仅仅是 CUDA,我们通过市场中一系列相似的产品发展历史总结出了一个经验:简单易用的软件接口形态能够在市场中迅速被接受并推广至各个细分领域。」

而极奥也想通过相同的方法,把非常复杂的高精地图与定位应用做一个简化包装,输送给有需要的行业。

换句话说,即插即用的高精地图接口(中间件),将是这家公司对外输出技术能力的主要产品形式。

但是,CUDA 所服务的是一块显卡,而显卡的能力是固定的;而高精地图接口所对外输出的信息,则需要根据不同的环境与应用场景做实时调整。

这就是所谓的「行业定制化」。

因为以运货为使命的物流车,与「安全为王」的自动驾驶汽车,对高精地图的需求点是截然不同的。

尽管可以用技术将大量采集来的数据进行筛检、识别并转换为道路静态与动态语义,再经过人工处理后便可获得一张地图,但可能连制图者自己都不清楚,这个能不能给物流公司用。

或者说,物流业凭什么要用你的高精地图——不仅仅是能帮到我,而且是要帮「赚」很多。

实际上,被物流公司找上门来时,王雪坤团队还曾多次设想究竟应该用一个怎样的高精地图产品来「击破」各个行业,是不是应该叠加足够多的属性,做到几厘米的精度,行业才能买账。

然而,物流公司压根就不关心这张地图做的有多细,轨道模型做的多好,他们关心的只有这类问题——

我的车队老被限行,有时候还被罚款,你地图能做到预警吗?

「有家物流公司在全国有 1 万多辆重卡物流车,今年冬至快来的时候,上海的宝山、嘉定、安亭,三个地方由于扫墓高峰需要封路,让扫墓的车辆先行,物流大货车不能走,什么时候开始封路,什么时候封路结束这些信息都不知道。这种情况处理不好,钱和时间方面的损失都特别大,」

而这种「限流」造成的损失,仅仅是物流公司遭遇的一种常见状况,与传统地图在限高、限重、限宽、限轴以及卡车限行、卡车专用道、危险品车辆专用道等数据方面的缺失有直接关系。

「另一个常见情况是卡车司机行驶到一个桥洞或是有顶的通道口,对自己驾驶车辆高度有明确的认识,很容易导致车辆、货物及路政设施的边角被损坏,原因就是因为地图缺失了限高等标识的信息。」

不过有意思的是,其实有一些被技术感知到的潜在成本问题,反而是物流公司也没有意识到的:

根据王雪坤的制图经验,地面的坡度、曲率以及地形地势与油耗的关系其实相当密切。下坡上坡由于耗油不同,不可避免地会产生额外的油耗、轮胎损耗以及刹车损耗。

「把握道路等级对于减少点轮胎摩擦系数、刹车摩擦系数、油耗的消耗可以起到关键作用。

而且不同的车型和不同的装载状态(空载和满载),也会影响在同一段路上行驶的油耗量。这些都是专业物流高精地图不可或缺的条件,对公司建立成本预估模型有重要作用。」

做行业的专属地图,胃口着实有一点大。

因为除了更容易部署软硬件数据采集设备的物流行业,共享出行,智慧城市,甚至于整个大安防产业,也显然有着对高精地图的潜在需求。

倒是自动驾驶乘用车市场没有被极奥列为商业化优先级选项。

其实反过来看,行业专用高精地图对「精」的要求是「聚焦」,而不是「全面」。

譬如,共享出行对「精」的要求在于「车辆流转率」,而智慧城市对「精」的要求在于「交通拥堵」与「事故预警」,实现系数反而要低于自动驾驶级高精地图。

「共享单车公司要解决的是什么时间什么地点在哪里停放多少车。因此这张地图,需要知道的是你到底是停在马路牙子上还是马路牙子下,这个马路牙子有没有斜坡,还是应该要跨马路牙子,而不是精度多么高的车道线。」

王雪坤表示绝不能小瞧这些停放位置,因为一个点都会对这辆车流转率产生十几个百分点的影响。

「我们要做什么呢?

就是要告诉他们,这辆车现在停在这儿位置不好,很影响流转,马上派个工人把这个车挪到什么位置。」

必要的启发

事实上,极奥提出的行业定制化地图理念不仅让我们感到一丝新奇,也触发了我们对高精地图产品的新一轮思考:

到底什么样的高精地图才算是一张好地图?

是拥有全部的交通标识?足够精确的物体轮廓?还是 20 厘米、10 厘米甚至是 5 厘米的误差度?

不,只有那辆车「说好」的地图才是好地图。

「大家一开始会经常去看,地图有没有标识出马路牙子,有没有灯杆,但是这些东西怎么用才是更关键的,」王雪坤揭开了当下市场中习惯于吹嘘产品的一个真相:

「像某些无良平台商,会说我有 400 多种属性,打开一看,30 公里限速牌子,40 公里限速牌子,45 公里限速牌子,竟然都作为一个独立属性。
那好办了,全国光交通标志牌 300 多种,那 300 多种我都有,而且我都有精准位置,那是不是就有 300 多种属性了呢,不能这么说吧?」

因此,比起一些公司为了吹嘘自己自动驾驶技术而放出一个 4 倍速无人车演示视频,或许一张静态图片更说明不了什么。

而真相,永远只有制图者与他们的 B 端用户知道。

此外,我们也发现——无论如何定义地图的「精」,这都将不可避免发生跨行业的碰撞,而引发碰撞的源头,则是众包来的大量多元化数据。

滴滴的共享出行平台收集的数据,阿里的城市大脑项目采集到的数据,甚至是安防技术公司参与的智慧小区项目所涉及到的数据,显然都与一份行业性高精地图所需的元素密切相关。

而合作还是竞争,参与还是旁观,只有一线之隔。

只能说,这个市场,还远没有达到它应有的繁荣度。

(我是机器之能高级编辑傅博(宇多田),关注自动驾驶与 AI+安防,欢迎自动驾驶与安防业内人士一起交流(微信:fudabo001))

产业自动驾驶高精地图众包平台极奥科技
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

暂无评论
暂无评论~