武汉大学资源与环境科学学院，武汉430079

摘要：高精地图作为自动驾驶系统的核心支撑，其数据准确性与审查效率直接关乎自动驾驶的安全性与落地进程。随着自动驾驶的政策持续完善、试点应用不断拓展，以及时空数据采集量呈指数级的增长，传统审查模式已难以满足高精地图快速核验和即时落地应用的需求，构建智能化审查系统成为提升地图审查效率的关键途径。本文针对高精地图的共性特征与差异化属性，依据数据的重要性、敏感程度及潜在风险，进行数据分类分级，建立高精地图数据审查规格；针对高精地图数据表的结构化特征，从图层结构、属性定义、取值范围三个维度确定地图智能审查规则与流程，实现审查数据规格统一与审查规则统一；并进行验证分析。结果表明，相较于实际数据，本文方法结果未出现明显漏检、错检的现象，展现出审查平台的稳定性和可用性。研究成果不仅能够推动高精地图产品的快速迭代优化，更能为自动驾驶市场的健康活跃发展提供关键技术保障。

关键词：高精地图；自动驾驶；分类分级；智能审查；审查规格；审查流程

引用格式：应申, 邱牧原, 陶璐. 2025.自动驾驶高精地图智能审查方法. 时空信息学报, 32(5): 516-526Ying S, Qiu M Y, Tao L. 2025. Intelligent review method for high-definition maps in autonomous driving. Journal of Spatio-temporal Information, 32(5):516-526, doi:10.20117/j.jsti.202505009

1引言

自动驾驶高精地图能表达高精度、高丰度的时空信息，是时空地图在自动驾驶领域中的特殊情境化表达，是智能网联汽车实现自动驾驶功能的关键基础设施（张攀和刘经南，2021；陈军等，2025；刘经南等，2019）。由于数据安全风险突显、安全事件频发，我国高度关注网络和数据安全问题。高精地图的生产与使用存在非法测绘或泄露敏感数据的可能性，事关国家地理信息安全，因此发布前需要依法进行审查（吴佳桐等，2024）。

随着自动驾驶相关政策的逐步推进，一方面自动驾驶试点区域增多，时空数据采集量不断膨胀，高精地图正在进行高丰度的全量更新，审查难度不断提升；另一方面，为提升自动驾驶的安全性，地图应用端对地图的现势性提出更高要求，这依赖于保障高精地图鲜度的增量更新，却又受限于地图审查效率。传统审查模式已难以满足高精地图快速核验、即时落地应用的需求。因此，为适应地图的不同更新模式，解决保护地理信息安全与促进行业发展的矛盾，传统人工审查流程亟需替换为精细化、高效化的智能审查流程（陈召洋等，2024；梁宇和左栋，2023）。具体地，针对地图全集进行全量审查，针对在线增量数据集进行快速增量审查，在总体审查过程中进行动态更新管理。

目前，地图审查相关研究主要包括以下两方面。一是，地图审查内容方面。目前地图审查内容主要包括纸质地图、互联网地图、导航电子地图的可视化要素、关注点（point of interest，POI）等基础地图，同时还包括地理信息，如位置精度和敏感信息等（刘万增等，2023）。基于高精地图送审内容的现状，审查对象形式通常可分为文本类、图片类和数值类（吴佳桐等，2024）。我国互联网地图POI存在某些涉密问题并具有一定的产生原因（左栋和张雨心，2016）；为此，刘万增等（2022）提出了一种自动化审查技术框架，从高度依赖专家经验的人工检测走向混合智能的自动判断。同时，面向地图的可视化要素，周熙然等（2022）探讨了利用地理空间人工智能技术识别地图图像内容，为图像智能识别研究奠定基础。此外，针对“问题地图”，可采用基于主动学习和卷积神经网络的地图要素识别方法来识别（任加新等，2021）；针对地图的POI审查，可通过进行POI的一致化处理、自动分类等基本处理技术来实现（王勇等，2019；李秀茹等，2022）。然而，上述研究主要面向普通应用的互联网地图或地形图，并没有针对面向自动驾驶的高精地图内容，因此有待拓展。二是，地图审查机制构建与监管方面。虽然信息化辅助的地图审查和监管系统已具备一定基础与能力，例如，可开展审图流程、审批系统的构建与优化（白敬辉，2019；陈其宏，2013；吴佳桐和梁宇，2021）；构建互联网地图与地理信息的监管平台和系统（陈万志等，2011；金宜和翟永聪，2022）。但是高精地图作为一类特殊的电子地图应用到车辆的规划、导航和控制中，人工审查难以全面覆盖高精地图的数字化信息内容，地图审查面临着在线提交、审查和反馈的新挑战。

基于上述现状，本文提出一种面向自动驾驶高精地图的智能审查方法。针对高精地图的共性特征与差异化属性，进行数据分类分级，建立高精地图数据审查规格；从图层结构、属性定义、取值范围三个维度确定地图智能审查规则与流程，实现高精地图的智能化审查。并通过例证验证方法的有效性和可用性。

2  高精地图审查内容

高精地图是高级辅助驾驶地图上的继承与延伸，通常为综合自动驾驶企业所应用。根据《高级辅助驾驶地图审查要求》（GB/T 44489—2024），高精地图需要审查的内容包括界线、实体和参数三个方面，如图1所示。

（1）界线描述地图的行政边界和道路边界。行政边界方面，地图内涉及的国界与省（市、区）界应符合《公开地图内容表示要求》（GB/T 35764—2017）的规定；道路边界方面，只允许表达面向公众开放的道路，表达范围严格限定在路面边缘及路缘石范围内，禁止表达距边境一定范围内的边海防执勤路、未硬化的低等级道路、单位或住宅区的内部道路和专用道路。

（2）实体包括高精地图表达的与道路相关的实体和单独表达的地物实体。前者需要以点状符号表达路侧设施的位置，不采用点云、实景影像等实测结果表达地图信息；后者具体包括军事设施、要害部门、重要管线和重要仓库。

（3）参数包括高精地图的高程信息、精度信息和结构信息。高程信息分为路面高程、地物高程和地形高程；精度信息分为平面精度、分档精度、分辨率精度和高程精度；结构信息分为铺设材料和载重量等。其中，精度信息为限制表达信息，如坡度角度值分档细度不优于0.1°，曲率值分档细度不优于1×10^-5m^-1；高程信息和结构信息不得表达。

3高精地图审查规格标准

3.1审查规格标准确立

为提升高精地图审查效率，需要根据国家、部省（市、区）关于地图审查的有关文件和要求，建立高精地图数据审查规格标准，确定基本属性和重点审查属性，明确属性定义域与审查优先级，约束图层、属性命名及空间范围。图2展示了高精地图送审规格标准按照特征提取、属性确定、属性分级、持续优化的路线建立流程。

（1）特征提取。高精地图数据来源广泛，包括图像数据、点云数据、测绘数据等，需要对多源异构数据进行特征提取，分析数据编码规则与存储结构，归纳公共特征与差异化特征。公共特征，如道路、车道、路口等，是构成高精地图的基本元素；差异化特征可能体现在地图数据对局部区域的特殊描述方式上。

（2）属性确定。安全性在自动驾驶中处于核心地位，不同的地图属性对行驶安全的影响程度不同。地图属性覆盖的范围是否全面，直接影响地图在自动驾驶中发挥的功能。依照图层、要素、取值的包含关系与逻辑顺序，综合考虑多种因素，建立属性优先级矩阵，初步筛选地图数据中的关键属性；明确要素属性取值边界，如车速限制范围应符合实际道路情况，防止出现超速或低速限制值。

（3）属性分级。以自动驾驶等级及应用场景为基础，构建分类分级指标体系，主要包括如下六个方面：①空间精度，不同自动驾驶场景对地图数据的精度要求不同，如路口等复杂道路场景，需要精度更高的地图数据；而高速公路场景对精度的要求相对宽松。②几何特征，如道路的曲率、坡度等，会影响自动驾驶车辆的行驶策略，需要建立合理的分档表达机制。③属性因素，涵盖道路类型、车道数量等信息。通常根据属性与自动驾驶安全性、可靠性和高效性的关系，以及属性是否必要，对属性的重要性进行综合评估。④时间因素，涉及地图数据的更新频率，其中，对于动态变化频繁的区域，数据更新时间间隔应更短。⑤范围因素，包括地图覆盖区域的大小，限定了自动驾驶汽车的运营范围。⑥泊车场景、长途行驶场景等实际应用场景，对高精地图数据的需求不同，也需纳入分级考量。通过对上述因素进行综合分析，构建科学合理的分级审查规格标准。

根据高精地图数据的重要性、敏感程度和潜在风险，将其划分为可公开数据（如道路名称、车道数）、低敏感数据（如交通流量）、敏感数据（如三维模型、高精度坐标）、高敏感数据（如军事设施位置）四类；并以不同等级的图层进行管理，设立操作与访问权限。其中，敏感数据需要限制表达，高敏感数据不得表达。

（4）持续优化。大量的送审数据中，可能存在数据缺失、错误标注等异常情况。通过数据挖掘技术，对真实送审数据进行异常模式挖掘分析，形成数据驱动下的动态演化机制。审查规格标准需要不断调整和优化，以适应实际应用的需求。

3.2审查规格标准

高精地图的审查可以从高精地图的数据组织结构、审查规格标准，以及重点审查属性与基本构成属性三个方面，来详细描述。

1）数据组织结构

为适应自动化地图审查，提高审查效率与覆盖程度，接受审查的高精地图数据应严格按照图层–属性–取值的基础结构进行组织。如图3所示，待审查图层应为自动驾驶实践中直接使用的图层产品，主要包括道路图层、POI图层、影像图层、DEM图层，不包括点云等原始数据。

图层属性表示相应图层表达的具体属性，如道路图层包括类型、长度、宽度、限制速度等属性。取值规定属性表达的数据类型，包括文本类型、类别类型、数值类型和分档类型等。其中，类别类型由JSON格式进行定义，例如，道路限制方向可表达为{“1”：“直行”，“2”：“左转”，“3”：“右转”，“4”：“掉头”}。

道路图层包括道路中线、车道中线、车道边线、地理围栏、路面标识、交通设施等矢量图层，需要对图层所包含的属性、表达属性的取值范围进行全量审查。而POI图层、影像图层、DEM图层等是在道路图层基础上实现功能拓展的辅助图层，对其只进行元数据审查，包括图层ID、编码、名称、类别、时空精度、高程信息等。

2）审查规格标准

高精地图审查规格标准如图4所示。面向界线、实体、参数三方面审查要求，基于审查标准确立流程，建立辅助图层和道路图层的审查规格标准。

3）重点审查属性与基本构成属性

确保高精地图数据可用性的基础道路属性，称为基本构成属性。涉及道路表达范围、禁止表达的对象或实体，以及禁止表达或限制表达的属性、平面位置精度等信息的敏感属性，称为重点审查属性。高精地图的重点审查属性与基本构成属性如图5所示。辅助图层的基本构成属性为各图层的元数据，重点审查属性包括时空分辨率和高程信息等。

道路图层的基本构成属性主要由以下四部分组成：①道路、车道线信息，如道路边缘线、车道线、路面交通标识、路口面、停止线、人行横道等；②道路基本属性，如车道数量、限速、类型、通行时间、施工状况等；③路侧和道路交通设施，如交通灯、交通标牌、杆状物、障碍物（如安全岛）等；④地面标志相关对象，如标识标线，禁止停车区域等。道路图层的重点审查属性主要包括平面精度、连续覆盖道路里程、累计覆盖道路里程、坡度分档精度、曲率分档精度、路侧设施类型、遥感影像分辨率、DEM高程精度、等高线等高距、建筑物相对高度精度、敏感POI信息等。

4高精地图智能审查方法与实践

4.1智能审查方法

传统地图审查主要聚焦于几何形状、空间关系、分布规律与制图知识。为保障高精地图的丰度与鲜度，需进一步明确高精地图的审查内容与方法，构建全量审查、增量审查、动态更新管理相结合的快速审查机制。高精地图审查的重点是全量审查。全量审查分为地图的拓扑特征审查和数据表特征审查两方面。前者，重点审查道路边界的曲率连续性、车道线间距的均匀性，以及交叉路口连接拓扑的合理性，以确保地图数据几何特征符合现实道路工程规范；后者，按照高精地图审查规格标准，分为图层审查、属性审查、取值审查三个环节，如图6所示。

1）图层审查与属性审查

图层审查，面向道路图层和辅助图层，确认各图层是否在标准定义表中，输出未匹配到标准定义的图层。属性审查，对于POI图层等辅助图层，审查图层的元数据，确保图层符合公开地图的相关规定，如禁止表达敏感POI、不得高于规定的时空精度、不得表示多余的高程信息。对于道路图层，进一步审查图层下的属性名称与实际含义是否符合标准定义表图层的属性，如图7（a）所示，从重点属性筛查和基本属性审查两方面出发，先后进行重点审查属性的精度与表达检查、基础构成属性的完整性验证，收集数据缺失、结构错误，判断数据中是否含有异常属性、异常取值。

2）取值审查

取值审查，对于属性的取值，按照不同数据类型进行相应的取值审查，文本类型和数值类型的取值需要符合审查规格标准，对于类别类型的取值，通常采用JSON格式进行定义。例如，对于车道通行状况的定义为{“1”：“双向通行”，“2”：“单向通行”；“3”：“禁止通行”}，说明合规的取值为“1”“2”“3”。若出现取值“4”，说明存在异常。

高精地图数据中敏感信息的审查，需要依次进行图层、属性、取值审查，以保障地理信息安全。对于高程信息，路面高程信息可能包含于道路、车道的属性，地物高程信息可能包含于交通设施的高程属性和建筑物、POI的高程值，地形高程信息可能存储于DEM图层；对于涉密信息，道路、路侧设施和POI的用途审查十分重要，且需要审查道路、桥梁和隧道的属性详细程度，尤其是影响通过性的重要参数，以判断数据表达是否合规，如图7（b）所示。

4.2  应用实践

高精地图涉及海量地理信息数据，采集、传输与存储过程面临数据泄露、篡改等风险。自动驾驶企业对高精地图的广泛运用，对审查效率提出更高要求。随着自动驾驶技术向L3级及以上级别迈进，高精地图作为构建车路云一体化自动驾驶体系的核心基础设施，需满足合规性审查与高效审查的双重要求。构建在线智能审查平台，可以快速进行地图合规性认证，解决地图现势性与监管效率的冲突。

针对地图审查的相关要求，各地存在一定的差异。构建统一的智能审查平台，可兼容各地域、各层级审查标准，通过角色权限管理和模块化规则引擎，实现审查业务的无缝衔接。高精地图智能审查平台主要面向高精地图的数据表特征审查，功能包括地图上传、地图展示、映射文件上传、审查结果展示，基于Vue3、WebSocket、PostGIS搭建。

智能审查平台数据处理流程如图8所示。在线审查的高精地图文件需要符合审查规格标准的SHP文件，且需要包含完整的属性表数据。如果存在审查规格标准中未定义的图层、属性、取值，统一判定为不合规元素。为解决各制图单位对于同一属性的不同命名问题，可以同时上传符合一定规则的字段映射文件，表明高精地图数据属性命名与审查规格要求的规范属性命名之间的映射关系。

后端处理阶段，如果进行全量审查，首先对上传图层进行分类，并进行图层检查；如果进行增量审查，则仅进行变更属性的定位与比对。对于不同的图层，需通过预先存储在数据库的标准定义表，进行属性、取值两方面的比对。标准定义表是*.csv格式的数据表，定义每个图层应当包含的属性及每个属性的合理取值范围，具体格式与审查规格标准相对应；可以根据审图需求的变化，适当调整标准定义表的内容。审查完成后，在平台前端展示审查结果，并提供异常报告，对于审查通过的地图进行认证，并赋予地图水印。

实验以某实际路段数据为例，修改其中部分数据后进行审查。审查结果将统计总记录数、问题记录数、属性与值域的错误数，显示当前图层下各属性的错误数，展示定义域错误与值域错误，并列出每一条问题记录的详细参数，展示在平台前端页面。平台审查结果如图9所示。结合表1可知，未出现漏检、错检现象。这表明了审查平台的稳定性和可用性。

5结论

高精地图在自动驾驶的路径规划、定位、运动决策、安全保障等方面扮演着不可或缺的重要角色，地图审查是高精地图生产与应用的关键环节。随着国家车路云一体化建设的蓬勃发展，越来越多的智能驾驶应用场景迈入现实；时空数据不断膨胀，也为地理信息安全带来更加严峻的挑战。这些都对地图审查的质量和效率提出更高要求。目前，各图商、车企所采用的高精地图格式多样，各地政策进度不一，高精地图审查出现了“一地一策”的现象。

本文从图层结构、属性定义、取值范围三个维度，确定了统一的地图智能审查规则与流程，在增进审查效率的同时，还有助于企业、有关部门之间进行地图数据交换。高精地图智能审查方法的确立和实践将填补审查工具方面的空白，为大范围高精地图的快审需求、每天一次地图更新的实时审查提供了有力的技术支持，促进了高精地图产品和自动驾驶市场的活跃。

本文主要对全量高精地图审查开展了论证。未来在增量审查、全流程数据加密安全、实时大数据量审查等方面，仍有较多实际工作需要完善。

参考文献（References）

白敬辉. 2019. 地图审核在线审批系统分析与设计. 测绘通报,(7): 109-113 [Bai J H. 2019. Analysis and design of online map audit and approval system. Bulletin of Surveying and Mapping, (7): 109-113 (in Chinese)]

陈军, 张继贤, 程鹏飞, 蒋璟璟, 金勇. 2025. 莫干山地信实验室的方向与任务. 时空信息学报, 32(4): 341-349[Chen J, Zhang J X, Cheng P F, Jiang J J, Jin Y. 2025. Direction and mission of Moganshan Geospatial Information Laboratory. Journal of Spatio-temporal Information, 32(4): 341-349 (in Chinese)]

陈其宏. 2013. 地图审核目前存在的问题及解决办法. 测绘与空间地理信息, 36(11): 215-218 [Chen Q H. 2013. Map audit the current problems and solutions. Geomatics & Spatial Information Technology, 36(11): 215-218 (in Chinese)]

陈万志, 刘纪平, 王勇. 2011. 互联网地理信息安全监管平台架构研究. 测绘通报,(8): 73-75, 80[Chen W Z, Liu J P, Wang Y. 2011. Research on supervision platform of Internet geographic information security. Bulletin of Surveying and Mapping, (8): 73-75, 80 (in Chinese)]

陈召洋, 黄炜, 吴杭彬, 应申, 李必军, 刘春. 2024. 一种面向自动驾驶高精地图的更新策略. 时空信息学报, 31(5): 585-595[Chen Z Y, Huang W, Wu H B, Ying S, Li B J, Liu C. 2024. A strategy for updating high definition maps in autonomous driving. Journal of Spatio-temporal Information, 31(5): 585-595 (in Chinese)]

杜凯旋, 王亮, 王勇, 车向红. 2020. 主动学习和卷积神经网络的地图图片识别方法. 测绘科学, 45(7): 139-147 [Du K X, Wang L, Wang Y, Che X H. 2020. An identification method of map images based on activate learning and convolutional neural network. Science of Surveying and Mapping, 45(7): 139-147 (in Chinese)]

工业和信息化部, 公安部, 住房和城乡建设部, 交通运输部.2023. 工业和信息化部 公安部 住房和城乡建设部 交通运输部关于开展智能网联汽车准入和上路通行试点工作的通知.中华人民共和国公安部公报, (6):7-32 [Ministry of Industry and Information Technology, Ministry of Public Security, Ministry of Housing and Urban-Rural Development, Ministry of Transport. 2023. Notice of the Ministry of Industry and Information Technology, Ministry of Public Security, Ministry of Housing and Urban-Rural Development, Ministry of Transport on conducting pilot work for the access and road traffic of intelligent connected vehicles. Bulletin of the Ministry of Public Security of the People’s Republic of China, (6): 7-32 (in Chinese)]

金宜, 翟永聪. 2022. 地图审查与互联网地图监管系统设计与实现. 地理空间信息, 20(8): 151-154, 157 [Jin Y, Zhai Y C. 2022. Design and implementation of map review and Internet map supervision system. Geospatial Information, 20(8): 151-154, 157 (in Chinese)]

李秀茹, 王晓, 李朋朋, 李绪红, 罗安. 2022. Word2Vec和支持向量机的POI自动分类方法. 测绘科学, 47(6): 195-203 [Li X R, Wang X, Li P P, Li X H, Luo A. 2022. POI automatic classification method based on Word2Vec and support vector machine. Science of Surveying and Mapping, 47(6): 195-203 (in Chinese)]

梁宇, 左栋. 2023. “问题地图”智能检测发展现状与关键技术. 测绘通报, (10): 111-116 [Liang Y, Zuo D. 2023. The development status and key technologies of intelligent check for “problem maps”. Bulletin of Surveying and Mapping, (10): 111-116 (in Chinese)]

刘经南, 詹骄, 郭迟, 李莹, 吴杭彬, 黄鹤. 2019. 智能高精地图数据逻辑结构与关键技术. 测绘学报, 48(8): 939-953 [Liu J N, Zhan J, Guo C, Li Y, Wu H B, Huang H. 2019. Data logic structure and key technologies on intelligent high-precision map. Acta Geodaetica et Cartographica Sinica, 48(8): 939-953 (in Chinese)]

刘万增, 陈军, 赵勇, 李然, 章炜, 翟曦, 王新鹏, 王勇. 2023. 地理信息保密安全评估的基本问题与对策. 时空信息学报, 30(4): 474-481[Liu W Z, Chen J, Zhao Y, Li R, Zhang W, Zhai X, Wang X P, Wang Y. 2023. Fundamental issues and countermeasures of geographic information security assessment. Journal of Spatio-temporal Information, 30(4): 474-481 (in Chinese)]

刘万增, 陈军, 任加新, 徐琛, 李然, 翟曦, 蒋志浩, 张晔, 彭云璐, 王新鹏. 2022. 基于混合智能的地图自动审核技术框架. 武汉大学学报(信息科学版), 47(12): 2038-2046 [Liu W Z, Chen J, Ren J X, Xu C, Li R, Zhai X, Jiang Z H, Zhang Y, Peng Y L, Wang X P. 2022. Hybrid intelligence-based framework for automatic map inspecting technology. Geomatics and Information Science of Wuhan University, 47(12): 2038-2046 (in Chinese)]

任加新, 刘万增, 李志林, 李然, 翟曦. 2021. 利用卷积神经网络进行“问题地图”智能检测. 武汉大学学报(信息科学版), 46(4): 570-577 [Ren J X, Liu W Z, Li Z L, Li R, Zhai X. 2021. Intelligent detection of “problematic map” using convolutional neural network. Geomatics and Information Science of Wuhan University, 46(4): 570-577 (in Chinese)]

王勇, 罗安, 曹元晖, 刘纪平. 2019. 语义因子支持的多源POI分类信息一致化处理. 测绘科学, 44(6): 285-290 [Wang Y, Luo A, Cao Y H, Liu J P. 2019. Consistency processing of POI classification information based on semantic elements. Science of Surveying and Mapping, 44(6): 285-290 (in Chinese)]

吴佳桐, 梁宇. 2021. 新闻媒体类地图“即送即审”网络审核模式探讨. 国土资源信息化,(1): 19-22 [Wu J T, Liang Y. 2021. Discussion on “timely submission and review” for online review model of news media maps. Land and Resources Informatization, (1): 19-22 (in Chinese)]

吴佳桐, 狄琳, 黄龙. 2024. 智能驾驶高精地图数智化审查研究. 测绘通报, (10): 174-178 [Wu J T, Di L, Huang L. 2024. Research on digital review of high-precision maps for intelligent driving. Bulletin of Surveying and Mapping, (10): 174-178 (in Chinese)]

张攀, 刘经南. 2021. 通用化高精地图数据模型. 测绘学报, 50(11): 1432-1446 [Zhang P, Liu J N. 2021. A generalized data model of high definition maps. Acta Geodaetica et Cartographica Sinica, 50(11): 1432-1446 (in Chinese)]

周熙然, 李德仁, 薛勇, 汪云甲, 邵振峰. 2022. 地图图像智能识别与理解: 特征、方法与展望. 武汉大学学报(信息科学版), 47(5): 641-650 [Zhou X R, Li D R, Xue Y, Wang Y J, Shao Z F. 2022. Intelligent map image recognition and understanding: Representative features, methodology and prospects. Geomatics and Information Science of Wuhan University, 47(5): 641-650 (in Chinese)]

左栋, 张雨心. 2016. 国内互联网地图POI存在的涉密问题及其解决办法. 测绘通报, (9): 108-111[Zuo D, Zhang Y X. 2016. The classified issues and solutions of POI in domestic internet maps. Bulletin of Surveying and Mapping, (9): 108-111 (in Chinese)]