腾讯位置服务把你用微信和手Q晒位置时用到的POI搜索窗口，变成了人工智能的推荐服务。
对于“位置服务+人工智能”，腾讯的位置服务团队做了很多尝试，比如帮助外卖和快递小哥提高送货的效率，或者帮助职业司机计算预计到达时间（ETA）等等。而在腾讯的社交基因背后，同样也离不开位置服务和人工智能的支持。
比如，去了个好地方，可能你会迫不及待地在微信朋友圈或手Q的好友动态里面发照片、发位置，秀上一把。但你殊不知，腾讯位置服务的技术团队已经开始利用人工智能，优化其中的位置签到与分享的体验。
数据显示，位置分享是强需
在5月21日举办的以“人工智能在LBS领域的创新”为主题的腾讯位置服务技术沙龙上，腾讯地图数据中心&检索中心总监郭昂提到，从2016年1月至今，用户通过微信、手机QQ主动分享的位置数据，在日均量上已经突破6000万条。在腾讯的两大社交软件端中，每个月分享位置超过10次的用户，占据了总分享用户量的10%，他们同时贡献了位置数据总量的48%；而每个月通过签到分享位置超过4次的用户，则占据了总分享用户量的31%，贡献了位置数据总量的75%。
正是有相当可观的用户群体在社交过程中都对位置分享有很强的需求，因而腾讯位置服务团队，想基于这些分享出来的海量位置数据，建立机器学习的模型，并旨在当前阶段，帮助用户在分享位置时，利用人工智能来预判他们最希望签到的位置。
简单的说，比如你出游的行程是在北京的天安门附近，当你想做基于位置的社交分享时，到底你是希望签到在天安门城楼，还是想签到在天安门广场、毛主席纪念堂、人民英雄纪念碑、人民大会堂，抑或附近的一个本不具有代表性，但在最近却非常热门的地点等等，其实都取决于你的喜好。总之，腾讯位置服务提供的人工智能算法，会优先给到你最想或最值得共享的位置的列表，而不仅仅是根据距离的远近，做简单地推送。
人工智能如何帮助热点位置的推送？
所以，腾讯位置服务把你用微信和手Q晒位置时用到的POI（即地图上表示每一个位置的“兴趣点”，Point of Interest）搜索窗口，变成了人工智能的推荐服务。要想让人工智能充分赋能，郭昂对此提到了三个维度的技术。
其中的一个维度，是建立一个由主要位置点和有若干延伸的子位置点组成的POI Rank，它是一个位置热度的排名体系。
例如，北京大学是一个比较具有代表性的位置点，如果我们视其为主要位置点，那么从它延伸出来的子位置点，就包括北大内部的各种学院和场所，比如北大经济学院、北大学生宿舍等，也有和北大间接产生联系的周边地点，比如“没名儿生煎（北大店）”等。技术团队在构建类似这样的位置热度排名体系模型时，会引入大量由用户分享的位置数据，从中验证该在POI Rank下的各种POI，到底哪些被用户分享的频率更高，从而形成一套以北京大学为核心位置的热点位置分享排名。同样，上面提到的天安门的例子，也可以按照这种方式，梳理出最分享热度的位置。
通过人工智能，系统将自建不同的POI Rank，动态化刷新最热的位置，最终在为用户分享热点位置时，提供参考。
另一个技术维度，在于让人工智能先去确定用户到底在什么位置，再根据这个位置做热门地点的推送。对此，技术团队建立了一个“区域理解引擎”。
区域理解引擎将现实世界划分成200m×200m的若干分区，针对每一个分区，技术团队会让人工智能导入该区域的用户所分享的历史位置数据，然后验证该区域下，到底最热门的位置分享有哪些。
再有一个维度，是根据每一位用户在分享位置时的历史行为习惯，让人工智能为其做出个性化的推荐。对此，技术团队推出了“用户个性化引擎”。
对个性化特征的挖掘，一个有代表性的应用，是让人工智能判断某一用户到底是不是本地人，根据历史的签到和分享位置数据，机器很容易判断，对同一地区的小区、商场、超市有位置签到和分享的用户，则基本上可以判断为是本地用户；在某地区的机场、火车站、酒店、景区集中分享了位置数据的用户，大有可能为非本地用户。因此，人工智能在区分本地人和外地人后，可以更有针对性地结合用户的潜在需求，做出不同的热门签到地点的推荐。
所有这些维度的算法，将综合到一起，最终给出对用户而言他们最想看到的结果。
为什么要做这样的服务？
当然，利用人工智能让用户在微信和手Q上分享地理位置时获得热门地点推送建议，还只是一个开始。郭昂强调，现阶段他们做的事，本质上仍然是要帮用户做场景感知。
腾讯位置服务团队目前根据现有基础地理信息数据，构建了位置的“三级轮廓数据”，包括第一级的商圈轮廓，第二级诸如景区、商场、餐馆、医院等POI轮廓，以及第三级的建筑轮廓，来为接下来的人工智能场景的感知提供数据层面的支持。
另外，腾讯在室内定位层面的布局，也将强化社交分享时对位置的感知能力。腾讯早在2015年8月战略投资过英国室内定位公司Sensewhere，并有相关技术能力为背书。郭昂提到，利用室内定位技术，微信、手Q将具备感知室内POI的能力，从而让用户在分享位置时，获得由人工智能优先推荐的室内POI信息，甚至基于对精准位置的感知，连接更多的服务。
在郭昂看来，日均6000万条位置签到和分享的数据，除了可以反哺签到和分享的位置推荐外，这些大数据可以客观反映出人们对于地点关注度的变化。郭昂告诉极智酱，后期腾讯位置服务会基于这些数据，结合人工智能的算法考虑策划一些报告，为行业用户和公众提供有价值的分析，呈现出规律和现象层面的一些东西。
比如可能你会认为，在朋友圈分享餐馆位置的人应该是最多的，因为这种消费带有很强烈的分享欲。但郭昂说这个答案是错的，分享住处地点的人才是最多的。看来中国人更重视先安居，再乐业。
但就目前来说，你在用微信和手Q分享位置时，仍然可以充分利用它的智能推荐，发现周边之前你还没注意到的一些好去处。
即便这地方你一直都没去，也可以先把这个地方分享到你的社交圈子晒出来。这很符合很多年轻人的心态，不是吗？
