戴姆勒公司董事会主席蔡澈博士曾指出，自动驾驶汽车将成为130多年前汽车发明以来最伟大的移动革命。世界经济论坛预计，包括自动驾驶在内的汽车数字化将为全球带来3万亿美元的经济效益，是世界新一轮经济与科技发展的战略制高点之一。

国务院《中国制造 2025》《新一代人工智能发展规划》和国家发展改革委《智能汽车创新发展战略》（征求意见稿）都对自动驾驶汽车发展做出了规划，意味着自动驾驶已经上升为国家战略和国家行动。麦肯锡的研究报告显示，2030 年中国将有800万辆自动驾驶乘用车，与之相关的创收将超过5000 亿美元， 中国可能成为全球最大的自动驾驶市场。

毫无疑问，自动驾驶带来的移动革命将极大解放人类，深刻改变未来人们的生活方式，而地理信息是这场革命中的关键驱动力。尽管自动驾驶技术还处于发展初期阶段，距离真正商用尚需时日，但“凡事预则立，不预则废。”由于自动驾驶与测绘地理信息的密切联系，自动驾驶的发展对于地理信息产业的转型升级和结构调整，具有巨大的带动效应，值得广泛探讨相关法规标准、产业政策的发展方向，从而未雨绸缪，超前布局，及早占领产业发展制高点。

虽然自动驾驶研究正如火如荼，各门派的技术路线还有所不同，但还是基本达成了一些共识，即自动驾驶主要包括“环境感知、分析决策、行动控制”三大系统。具体到技术层面，根据麦肯锡的报告，传感器、处理器、算法软件和高精地图是自动驾驶的四大关键技术。从目前的研究情况来看，地理信息在自动驾驶系统中不可或缺，对推动自动驾驶技术的发展至关重要。

（一）从技术路线看

自动驾驶的实现离不开测绘地理信息的支撑。要实现自动驾驶，自动驾驶车辆必须能够实时地感知其在哪里、周围有什么，这些都离不开高精地图和移动测量的支撑。其中，高精地图主要负责车辆的全局定位和全局感知，移动测量主要负责车辆的局部定位和局部感知，自动驾驶系统在此基础上对车辆的行进状态进行分析，并据此决策进一步的控制。实际运作中，实时移动测量和高精地图的形成更多时候是合为一体的。从目前的自动驾驶技术演进路径看，自动驾驶系统高度依赖激光雷达等传感数据、卫星导航定位数据和高精地图，对自动驾驶车辆进行感知和定位。2016 年中国汽车工程协会发布的智能网联汽车技术路线图，也把精准定位和高精地图作为自动驾驶的基础支撑技术。可以说，测绘地理信息技术正在使自动驾驶的实现成为可能，是未来自动驾驶革命的关键因素。

（二）从硬件支撑看

自动驾驶感知离不开多种传感器的移动测量。自动驾驶汽车主要配备 GPS/北斗、激光/毫米波雷达、光学相机、惯性导航装置等一整套的传感器， 利用这些传感器对汽车周边物体的形状、大小、空间位置及其属性等信息进行实时采集，工作原理与测量原理基本相同，采集过程与移动测量高度类似。特别是被誉为“自动驾驶的眼睛”的激光雷达，最早就应用在测绘领域。上世纪七十年代，美国航天局利用空载激光雷达测绘三维地形，随后广泛应用于获取精确地面三维空间地理信息，构建数字城市三维模型等。法国市场研究与战略咨询公司 Yole Development 预计，到 2022 年包括激光雷达在内的自动驾驶传感器市场规模将达 230 亿美元。目前禾赛科技、北科天绘、数字绿土等国内厂商已经开始布局，并在激光雷达集成化、小型化方面取得了长足进步。

（三）从软件支持看

自动驾驶决策离不开高精地图和空间分析算法。高精地图直接决定自动驾驶系统的安全、可靠以及效率，对自动驾驶车辆的定位、导航与控制至关重要。高精地图能够帮助识别车辆、行人及未知障碍物。如果自动驾驶车辆在行驶过程中发现当前高精地图中没有的物体，便有很大几率是车辆、行人或障碍物，以提高自动驾驶车辆发现并鉴别障碍物的能力。同时，自动驾驶车辆上的各类传感器所获取的空间大数据，需要空间分析方法提供算法支持，处理相互间的拓扑关系、方位和距离等，支持自动驾驶路线规划，以及大规模实现自动驾驶后的智能交通统筹，在自动驾驶决策和管理系统中发挥重要作用。目前，百度、高德、四维图新等多家具有导航电子地图制作测绘资质的企业已经进入自动驾驶领域，提供全面的空间位置信息服务，并日益成为推动自动驾驶技术发展的重要力量。

自动驾驶技术的发展离不开地理信息的支撑，地理信息产业在自动驾驶时代迎来前所未有机遇的同时，也面临前所未有的挑战，主要表现在以下三个方面：

（一）自动化基础上的智能测绘挑战

地理信息产业是天生的大数据产业。在摄影测量与遥感等测绘活动中，对道路网的提取、地物的精细分类、车牌和交通标志的识别等，早已普遍通过机器自动提取提高作业效率和准确度。对于自动驾驶而言，自动驾驶车辆需要通过各类传感器不间断自动采集车辆周边各类地理信息，并通过云端实时的大数据分析、处理和分发，以极高现势性和新鲜度的地理信息确保安全、高效的自动驾驶。在将来的完全自动驾驶时代，每一辆自动驾驶车同时也是一辆移动测量车，这种智能化的采集方式具有成本低、效率高、时效性好的优势，能够真正做到自动驾驶所需地理信息的动态实时更新。

在自动驾驶技术演进路径中，机器学习已属主流技术，但机器学习需要大数据的驱动才能达到高性能和高可靠性。为实现这一目的，走“群众路线”的众包模式是自动驾驶的必由之路。目前，很多自动驾驶技术都采取众包模式，通过众多自动驾驶车获取的数据，处理形成高精地图支持自动驾驶。地图公司 HERE 与汽车厂商合作，每年有 700 万辆车在路上实时采集并升级高清地图。特斯拉的中央数据库每天平均增加一百万英里的驾驶数据。摩根士丹利的研究报告称， 优步在 24 分钟内收集到的数据，就相当于谷歌自动驾驶车自诞生以来记录下的所有数据。正是有了这些自动化智能采集的地理信息大数据，才为机器学习提供了海量样本，使得自动驾驶车辆的感知能力越来越强大。

(二）泛在化基础上的精准测绘挑战

自动驾驶要求更丰富、更真实、更高精度的地理信息，因而测绘的对象更加全面，道路上的机动车、非机动车、行人及其他一切交通参与者，以及车道标志线、交通标志、信号灯等自动驾驶车辆周边的一切交通要素都要测绘。传统导航电子地图不用采集的比如道路的坡度、曲率、高程、侧倾等信息，车道标志线的虚线、实线、双黄线等，都是自动驾驶车决策和控制的重要信息，自动驾驶系统都必须采集，可谓“无时不测、无所不测。”同时，自动驾驶车辆对于位置服务的精度要求更高，所有交通参与方的位置信息都需要更加准确，方能实现更加安全的自动驾驶。因此，更高精度的地图和更加精准的定位导航服务，是自动驾驶的重要支撑， 由此要求自动驾驶相关测绘更加泛在和精准。

（三）网络化基础上的共享测绘挑战

自动驾驶车辆环境感知的海量数据和决策分析、行动控制对网络的依赖程度非常高。借助信息通信技术来实现车与车、车与路、车与云端服务平台等全方位网络链接的车联网，是实现高度自动驾驶的必要前提。在这个意义上讲，没有车联网就没有真正意义上的自动驾驶，更不用说未来智慧交通的实现。这也是为何 Google、百度等互联网巨头纷纷投身自动驾驶领域，凭借其强大的网络技术优势占得市场先机是重要原因之一。自动驾驶对信息共享的需求更加迫切。

自动驾驶车辆需要通过网络进行车车交互，并通过云服务提供车辆远端的交通信息。比如一辆自动驾驶车发现前方路面发生交通事故、有井盖丢失或者路面结冰等突发信息，应该所有的车或者附近一定区域的车都立刻知道这个信息。同时，政府部门关于交通的临时管理措施等也应当通过网络第一时间发布，使得自动驾驶汽车第一时间对交通管制、道路施工、交通拥堵、交通事故、天气等信息做出回应，而这些信息的实时共享对于实现安全可靠的自动驾驶至关重要。