Page 196 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷第 10 期 黄 龙等：智能网联汽车高精地图安全监管分析与技术研究 2131

试 示 范 区 提 供 借 鉴 参 考 ，为 行 业 贡 献 北 京 强自动驾驶模型的应用水平，同样为高精地图的
经验 ［37］ 。 安全监管提供了巨大的潜力。未来，更智能化的
算法将进一步提高监管水平，确保数据的安全性
6 展 望 和 隐 私 保 护 ，为 智 能 网 联 汽 车 的 发 展 提 供 重 要

保障。
智能网联汽车作为新质生产力的重要体现
和典型应用，为行业发展注入新的动力。在这一 7 结 语
进程中，高精地图作为重要的基础资源与数据要
素，是自动驾驶产业与时空信息产业链上的重要 本文介绍了国内外高精地图安全监管现状，
一环，具有带动相关产业的潜力。在高精地图相 探讨了高精地图应用全流程的安全风险，建立了
关技术迅速发展的同时，其生产和应用过程中涉 智能网联汽车高精地图安全监管框架，梳理分析
及的地理信息数据安全也必须被重视并确保，以 了框架所涉及的高精地图脱密脱敏处理、安全审
保障国家和个人的利益。一方面，政府应加强法 查和时空数据溯源等关键技术难点；以高精地图
规政策宣传，提高从业人员的合规意识和维护国 安全监管北京试点为案例，介绍了其应用现状及
家主权、安全和利益的自觉性，同时采取技管结 探索经验，并对高精地图安全监管的发展趋势进
合的方式加强监管，研究高精地图数据分级分类 行了展望。
标准，建立数据分级指标库与安全等级模型实现 值得注意的是，尽管本文综合考虑了安全监
数据的分类分级管理。另一方面，从事测绘活动 管体系涉及的诸多关键技术，随着人工智能大模
的企事业单位也应加强地理信息数据安全意识 型等技术的飞速发展和产业变革，在监管实施过
与安全防护，规范高精地图内容表达，依法依规 程 中 仍 需 考 虑 新 技 术 引 发 的 成 本 与 政 策 因 素 。
履行地图审核程序，坚持自主可控、安全合规的 该研究为智能网联汽车高精地图安全监管提供
生产应用技术路线，守住安全底线，共同维护国 技术支撑及实践参考，希望在后续的研究中能够
家地理信息安全。 给行业提供更多切实可行的选项。
人工智能、大数据、云计算、5G 等新一代信息
参 考 文 献
技术的飞速发展使得计算更高效，硬件水平的提
升使得算力资源更丰富，未来智能网联汽车高精 ［1］ 刘经南，詹骄，郭迟，等 . 智能高精地图数据逻辑结
地图安全监管将朝着以下方面发展： 构 与 关 键 技 术［J］. 测 绘 学 报 ，2019，48（8）：939-
1）随着算力水平的持续提升，车端的实时监 953.
管成为可能。通过在车端使用具有更高算力的 LIU Jingnan，ZHAN Jiao，GUO Chi，et al. Data Logic
Structure and Key Technologies on Intelligent High-
硬件，车端系统能够更有效地处理大量传感器数
Precision Map［J］. Acta Geodaetica et Cartographi‑
据和相关的安全信息，同时也能支持运行更复杂
ca Sinica，2019，48（8）：939-953.
的监管算法，实现对车辆采集数据安全的实时监
［2］ 詹骄，郭迟，雷婷婷，等 . 自动驾驶地图的数据标准
测和分析。此外，算力提升有助于改善数据传输
比较研究［J］. 中国图象图形学报，2021，26（1）：36-
效率，加快监管信息上传到云端或监管中心的速 48.
度，实现更快的实时监管响应。在这种模式下， ZHAN Jiao， GUO Chi， LEI Tingting， et al. Com‑
高精地图监管将覆盖车端、路端、云端等地图使 parative Study on Data Standards of Autonomous
用端，监管实现全覆盖、实时化、无死角。 Driving map［J］. Journal of Image and Graphics，
2）人工智能等技术的升级将进一步优化算 2021，26（1）：36-48.
法，突破现有计算瓶颈，助力监管实现智能化、标 ［3］ XU H Z，GAO Y，YU F，et al. End-to-End Learning
准化、便捷化。大模型的引入将为高精地图监管 of Driving Models from Large-Scale Video Datasets
［C］ // IEEE Conference on Computer Vision and
带来革命性变化，例如，结合大模型的语义解析
Pattern Recognition，New York，USA，2017.
能力，可开发动态敏感区域识别算法，更高效识
［4］ CHEN L，SINAVSKI O，HÜNERMANN J，et al.
别政府建筑、军事设施等敏感位置；同时，利用大
Driving with LLMs：Fusing Object-Level Vector
模型生成自然语言描述，记录地图数据全生命周 Modality for Explainable Autonomous driving ［C］
期的溯源信息，并拓展语言交互查询，提高监管 //IEEE International Conference on Robotics and
效率。在智能网联汽车领域，这种升级不仅能增 Automation ，New York，USA，2024.