戴姆勒公司董事會主席蔡澈博士曾指出，自動駕駛汽車將成為130多年前汽車發明以來最偉大的移動革命。世界經濟論壇預計，包括自動駕駛在內的汽車數字化將為全球帶來3萬億美元的經濟效益，是世界新一輪經濟與科技發展的戰略制高點之一。

國務院《中國制造 2025》《新一代人工智能發展規劃》和國家發展改革委《智能汽車創新發展戰略》（征求意見稿）都對自動駕駛汽車發展做出了規劃，意味著自動駕駛已經上升為國家戰略和國家行動。麥肯錫的研究報告顯示，2030 年中國將有800萬輛自動駕駛乘用車，與之相關的創收將超過5000 億美元， 中國可能成為全球最大的自動駕駛市場。

毫無疑問，自動駕駛帶來的移動革命將極大解放人類，深刻改變未來人們的生活方式，而地理信息是這場革命中的關鍵驅動力。盡管自動駕駛技術還處于發展初期階段，距離真正商用尚需時日，但“凡事預則立，不預則廢。”由于自動駕駛與測繪地理信息的密切聯系，自動駕駛的發展對于地理信息產業的轉型升級和結構調整，具有巨大的帶動效應，值得廣泛探討相關法規標準、產業政策的發展方向，從而未雨綢繆，超前布局，及早占領產業發展制高點。

地理信息是自動駕駛技術的重要支撐

雖然自動駕駛研究正如火如荼，各門派的技術路線還有所不同，但還是基本達成了一些共識，即自動駕駛主要包括“環境感知、分析決策、行動控制”三大系統。具體到技術層面，根據麥肯錫的報告，傳感器、處理器、算法軟件和高精地圖是自動駕駛的四大關鍵技術。從目前的研究情況來看，地理信息在自動駕駛系統中不可或缺，對推動自動駕駛技術的發展至關重要。

（一）從技術路線看

自動駕駛的實現離不開測繪地理信息的支撐。要實現自動駕駛，自動駕駛車輛必須能夠實時地感知其在哪里、周圍有什么，這些都離不開高精地圖和移動測量的支撐。其中，高精地圖主要負責車輛的全局定位和全局感知，移動測量主要負責車輛的局部定位和局部感知，自動駕駛系統在此基礎上對車輛的行進狀態進行分析，并據此決策進一步的控制。實際運作中，實時移動測量和高精地圖的形成更多時候是合為一體的。從目前的自動駕駛技術演進路徑看，自動駕駛系統高度依賴激光雷達等傳感數據、衛星導航定位數據和高精地圖，對自動駕駛車輛進行感知和定位。2016 年中國汽車工程協會發布的智能網聯汽車技術路線圖，也把精準定位和高精地圖作為自動駕駛的基礎支撐技術。可以說，測繪地理信息技術正在使自動駕駛的實現成為可能，是未來自動駕駛革命的關鍵因素。

（二）從硬件支撐看

自動駕駛感知離不開多種傳感器的移動測量。自動駕駛汽車主要配備 GPS/北斗、激光/毫米波雷達、光學相機、慣性導航裝置等一整套的傳感器， 利用這些傳感器對汽車周邊物體的形狀、大小、空間位置及其屬性等信息進行實時采集，工作原理與測量原理基本相同，采集過程與移動測量高度類似。特別是被譽為“自動駕駛的眼睛”的激光雷達，最早就應用在測繪領域。上世紀七十年代，美國航天局利用空載激光雷達測繪三維地形，隨后廣泛應用于獲取精確地面三維空間地理信息，構建數字城市三維模型等。法國市場研究與戰略咨詢公司 Yole Development 預計，到 2022 年包括激光雷達在內的自動駕駛傳感器市場規模將達 230 億美元。目前禾賽科技、北科天繪、數字綠土等國內廠商已經開始布局，并在激光雷達集成化、小型化方面取得了長足進步。

（三）從軟件支持看

自動駕駛決策離不開高精地圖和空間分析算法。高精地圖直接決定自動駕駛系統的安全、可靠以及效率，對自動駕駛車輛的定位、導航與控制至關重要。高精地圖能夠幫助識別車輛、行人及未知障礙物。如果自動駕駛車輛在行駛過程中發現當前高精地圖中沒有的物體，便有很大幾率是車輛、行人或障礙物，以提高自動駕駛車輛發現并鑒別障礙物的能力。同時，自動駕駛車輛上的各類傳感器所獲取的空間大數據，需要空間分析方法提供算法支持，處理相互間的拓撲關系、方位和距離等，支持自動駕駛路線規劃，以及大規模實現自動駕駛后的智能交通統籌，在自動駕駛決策和管理系統中發揮重要作用。目前，百度、高德、四維圖新等多家具有導航電子地圖制作測繪資質的企業已經進入自動駕駛領域，提供全面的空間位置信息服務，并日益成為推動自動駕駛技術發展的重要力量。

地理信息產業在自動駕駛時代面臨的挑戰

自動駕駛技術的發展離不開地理信息的支撐，地理信息產業在自動駕駛時代迎來前所未有機遇的同時，也面臨前所未有的挑戰，主要表現在以下三個方面：

（一）自動化基礎上的智能測繪挑戰

地理信息產業是天生的大數據產業。在攝影測量與遙感等測繪活動中，對道路網的提取、地物的精細分類、車牌和交通標志的識別等，早已普遍通過機器自動提取提高作業效率和準確度。對于自動駕駛而言，自動駕駛車輛需要通過各類傳感器不間斷自動采集車輛周邊各類地理信息，并通過云端實時的大數據分析、處理和分發，以極高現勢性和新鮮度的地理信息確保安全、高效的自動駕駛。在將來的完全自動駕駛時代，每一輛自動駕駛車同時也是一輛移動測量車，這種智能化的采集方式具有成本低、效率高、時效性好的優勢，能夠真正做到自動駕駛所需地理信息的動態實時更新。

在自動駕駛技術演進路徑中，機器學習已屬主流技術，但機器學習需要大數據的驅動才能達到高性能和高可靠性。為實現這一目的，走“群眾路線”的眾包模式是自動駕駛的必由之路。目前，很多自動駕駛技術都采取眾包模式，通過眾多自動駕駛車獲取的數據，處理形成高精地圖支持自動駕駛。地圖公司 HERE 與汽車廠商合作，每年有 700 萬輛車在路上實時采集并升級高清地圖。特斯拉的中央數據庫每天平均增加一百萬英里的駕駛數據。摩根士丹利的研究報告稱， 優步在 24 分鐘內收集到的數據，就相當于谷歌自動駕駛車自誕生以來記錄下的所有數據。正是有了這些自動化智能采集的地理信息大數據，才為機器學習提供了海量樣本，使得自動駕駛車輛的感知能力越來越強大。

(二）泛在化基礎上的精準測繪挑戰

自動駕駛要求更豐富、更真實、更高精度的地理信息，因而測繪的對象更加全面，道路上的機動車、非機動車、行人及其他一切交通參與者，以及車道標志線、交通標志、信號燈等自動駕駛車輛周邊的一切交通要素都要測繪。傳統導航電子地圖不用采集的比如道路的坡度、曲率、高程、側傾等信息，車道標志線的虛線、實線、雙黃線等，都是自動駕駛車決策和控制的重要信息，自動駕駛系統都必須采集，可謂“無時不測、無所不測。”同時，自動駕駛車輛對于位置服務的精度要求更高，所有交通參與方的位置信息都需要更加準確，方能實現更加安全的自動駕駛。因此，更高精度的地圖和更加精準的定位導航服務，是自動駕駛的重要支撐， 由此要求自動駕駛相關測繪更加泛在和精準。

（三）網絡化基礎上的共享測繪挑戰

自動駕駛車輛環境感知的海量數據和決策分析、行動控制對網絡的依賴程度非常高。借助信息通信技術來實現車與車、車與路、車與云端服務平臺等全方位網絡鏈接的車聯網，是實現高度自動駕駛的必要前提。在這個意義上講，沒有車聯網就沒有真正意義上的自動駕駛，更不用說未來智慧交通的實現。這也是為何 Google、百度等互聯網巨頭紛紛投身自動駕駛領域，憑借其強大的網絡技術優勢占得市場先機是重要原因之一。自動駕駛對信息共享的需求更加迫切。

自動駕駛車輛需要通過網絡進行車車交互，并通過云服務提供車輛遠端的交通信息。比如一輛自動駕駛車發現前方路面發生交通事故、有井蓋丟失或者路面結冰等突發信息，應該所有的車或者附近一定區域的車都立刻知道這個信息。同時，政府部門關于交通的臨時管理措施等也應當通過網絡第一時間發布，使得自動駕駛汽車第一時間對交通管制、道路施工、交通擁堵、交通事故、天氣等信息做出回應，而這些信息的實時共享對于實現安全可靠的自動駕駛至關重要。