2014年出版的《位置情报大数据》一书经过全面修订，新增了位置情报技术、服务、产品及制度的最新动态，以及行业领军人物的访谈，从多个角度探讨“位置情报业务”的未来。本文节选并重新编辑自该书《位置情报创造的未来业务——AI与人流数据时代的数字社会基础》（作者：日本中岛圆、片冈义明，出版：日本印刷NextPublishing）。
位置情报业务的背景
位置情报业务始于1990年代的汽车导航系统，2000年代随着搭载GPS的手机兴起了位置情报游戏，2010年代则加入了位置情报大数据业务。汽车导航和位置情报游戏由日本率先推广至全球。2011年日本东北大地震时，汽车导航生成的位置情报大数据助力灾后重建；2020年新冠疫情期间，人流数据在防疫中发挥了重要作用。展望2030年，人流数据与AI融合正推动业务进一步发展。
迄今为止，位置情报业务已广泛应用于物流、设施管理、导航、信息服务、通信服务、点对点服务、农业、公共交通及安全服务等多个领域。
2020年疫情后，全球加快了基于位置情报大数据衍生的人流数据的应用，轻松掌握人们的行动模式和城市拥堵状况。日本媒体频繁发布显示“避免三密”（密闭、密集、密切）场所拥堵情况的地图。进入复兴阶段后，旅游业、城市建设及广告推广等领域也开始利用人流数据制定更精准的策略。
近年来，数字化转型（DX）推动位置情报的深入应用。物流和制造业中，作业人员和货物管理广泛采用位置情报，且开始与生成式AI融合。例如，传统商圈分析依赖人口统计和客户购买数据预测销售额，加入人流数据并通过AI学习后，销售预测精度显著提升。AI还被用于提升位置情报精度，如在卫星定位难以覆盖的室内环境，通过AI从照片中识别位置，甚至上传照片给生成式AI以确定当前位置。尽管存在AI黑箱问题，位置情报与AI的融合将持续加速。
位置情报业务的体系结构
“位置情报”一词早已存在，但2004年日本总务省将其定义为“持有移动终端者的位置相关信息”，使其在国内信息通信行业得到广泛认知。智能手机普及后，尤其是2010年左右开始配备GPS功能，位置情报成为大众熟悉的概念。基于位置情报的服务称为“基于位置的服务（LBS）”，涵盖导航、监护应用等，逐渐深入社会。本文为体现更广阔的市场前景，采用“位置情报业务”一词。
开启智能手机的位置功能，即可在地图应用中显示当前位置。知道位置后，用户可使用导航功能前往目的地，了解周边餐厅等信息。更进一步，了解家人或重要人物的位置和行动有助于安全保障，掌握游客行动有助于城市规划，分析运动员动作则可提升表现。追踪用户位置和行为的技术称为“位置情报追踪”，收集的数据称为“位置情报大数据”，广泛应用于广告和城市规划，未来有望成为更大规模的业务。考虑到智能手机自动产生位置情报及大数据，形成了可持续的生态系统（见图1）。
那么，位置情报究竟属于谁？这里的“属于”可理解为“谁负责管理”。这个问题看似简单却内涵深刻。是苹果、谷歌等智能手机操作系统持有者？是日本NTT DOCOMO、KDDI、软银、乐天等通信运营商？还是开发用户使用应用的企业？还是用户本身？实际上，用户购买手机、支付通信费用、订阅应用、观看广告，是位置情报最大的贡献者。卫星定位系统由各国政府出资发射和运营，因此也属于纳税国民的公共资源。
美国的GPS、中国的北斗、欧洲的伽利略等全球卫星定位系统均对全球用户开放，这也是位置情报业务得以发展的关键。日本的准天顶卫星系统（QZSS）“导引星”正朝着7颗卫星独立定位的目标推进。
室内空间因难以采用卫星定位，虽有无线定位等技术，但尚未普及。室内定位系统的成本和管理责任仍未明确。
图2展示了位置情报产生的机制。位置情报业务由多层次的企业构成，缺一不可。因此，位置情报应由所有相关方共同分担成本、共同培育，而非归属于某一方。
2010年后，基于位置情报积累的大数据业务兴起。位置情报大数据可分析人和车辆的行为，催生新广告业务，但因涉及高度隐私信息，商业应用引发争议。随后，位置情报匿名化技术发展，兼顾个人隐私保护，位置情报大数据也被称为“人流数据”（见图3）。本文将专指经过匿名化处理、注重个人隐私的人流数据。
目前，除部分开放数据外，人流数据由通信运营商和应用供应商有偿销售。管理位置情报大数据需庞大存储空间及隐私保护成本，价格较高。未来，降低人流数据成本、确保安全使用是业务发展的关键。
此外，位置情报相关的“地图信息”和“地理信息”概念易混淆。地图信息多指数字地图，作为位置情报的背景图使用。地理信息（或称地理空间信息）指空间中特定点或区域的位置及相关事件信息。日本国土地理院定义地理空间信息包含位置情报及其关联信息。位置情报与地理空间信息常在同一语境中使用，区分较难。也有称为地理数据或G空间信息的情况。
2030年位置情报业务展望
位置情报正逐渐商品化，成为日常生活中不可或缺的普通信息。这得益于智能设备、卫星定位系统、地图数据的进步，以及导航等多种系统和应用的普及。
以下介绍与位置情报业务相关的智能设备、卫星定位系统、地图数据新趋势，以及基于位置情报扩展的业务，重点解析城市数字孪生和自动驾驶。
智能设备方面，自2017年物联网（IoT）热潮以来，具备追踪功能的设备普及。智能手机自2007年苹果iPhone问世后迅速普及，虽近年发展趋缓，但折叠屏手机的出现预计将提升地图应用使用率。更大屏幕提升地图可视性，也为地图相关信息和广告提供更多展示空间。
可穿戴计算设备如Garmin和Apple Watch广泛应用于跑步等运动，结合位置情报可测量跑步距离、速度和节奏。近年来，健康监测功能增强，可检测血氧浓度、睡眠呼吸暂停、不规则心律等，未来将结合位置情报预防中暑和高血压，揭示运动与健康的关系。
智能眼镜利用位置情报实现远程作业支持。自2012年谷歌眼镜发布以来，智能眼镜更适合商业用途。2024年苹果发布的Apple Vision Pro备受期待，尽管价格高昂且尚未带来用户成功体验，但随着AR和MR空间计算的发展，智能眼镜将成为不可或缺的设备。空间计算融合现实与虚拟空间，硬件进步（如波导显示）、6G通信及杀手级应用的出现，或将推动智能眼镜普及。届时，连接空间的关键技术仍是“位置情报”。
卫星定位系统自2000年后迅速普及，全球智能手机均配备GNSS接收芯片。GNSS（全球导航卫星系统）涵盖美国GPS、俄罗斯GLONASS、中国北斗、欧洲伽利略、印度NavIC及日本导引星，全球卫星数量超过100颗（见图4）。韩国、土耳其计划发射卫星，英国则寻求独立于GPS和伽利略的方案。
小型低轨卫星定位导航计时系统（LEO-PNT）挑战已启动（见图5）。LEO-PNT在城市和山区等GNSS信号弱区域定位准确，抗干扰能力强，且提升垂直方向定位精度。美国、欧洲、中国和日本政府联合民间企业推进技术开发和验证。
GNSS和LEO-PNT难以覆盖的室内和地下空间定位技术也在发展。
使用地图应用时，手机会即时显示以当前位置为中心的地图。位置数据由纬度、经度和高度组成，但仅凭数字难以理解，需配合精确地图显示。自2005年谷歌地图问世以来，地图数据与位置情报业务共同发展。未来，随着定位精度提升，对高精度地图、航空和卫星影像需求增加，垂直定位精度提升则需更详细的3D地图。日本国土交通省主导的3D地图数据“PLATEAU”项目正推动3D城市模型建设，超过200个自治体提供开放数据。不同应用对3D地图细节层级（LOD）需求不同。
数字化转型中，位置情报在工厂自动化、建筑工地作业支持等领域发挥作用。医疗设备、药品及仓储物品管理传统依赖IC标签，现采用BLE信标等无线标签，实现医护人员和作业人员路径分析。虽然影响力不如社交媒体广告中的位置情报显著，但在必需领域稳步扩展。
此外，位置情报助力绿色转型（GX），即减少温室气体排放与经济增长并重。利用位置情报大数据，企业和个人可计算出行碳排放量。推广共享办公等便利方式可减少郊区驾车通勤，降低碳排放，准确位置数据交换至关重要。
以下重点介绍2030年位置情报贡献的两大业务：城市数字孪生和自动驾驶。
城市数字孪生
城市数字孪生即创建现实世界的数字复制品，基于3D或4D数据。虽然有将宇宙空间或人体等微观空间建模的想法，本文聚焦地球尺度的城市数据，强调3D地图数据的重要性。3D地图数据又称3D空间数据或三维空间信息。
数字孪生是一个循环系统，从物理空间实时获取数据，进行分析和模拟，再反馈至物理空间。因此，3D地图数据需尽可能实时更新（见图7、图8），数据过时会导致分析和模拟结果偏差。
日本国土交通省主导的“PLATEAU”项目自2020年启动，构建3D城市模型平台，汇聚超过200个自治体的开放数据。以横滨市为例，建筑模型数据可按LOD 0至3的CityGML和3DTiles格式下载。CityGML定义5级细节层级，数字孪生所需数据级别视具体服务和研究而定。
自动驾驶
导航和追踪技术中，位置情报是核心信息。自古以来，定位技术不断发展，GPS的出现彻底改变了世界。如今，技术和市场正从导航转向汽车、出租车、公交车和无人机等自动驾驶领域，位置情报依然至关重要。
自动驾驶根据系统自动化程度分为1至5级，通常称为自动驾驶的是3级及以上。
3级：条件自动驾驶
- 目前市售车辆多为此级别
- 需驾驶员响应接管请求
4级：特定条件下完全自动驾驶
- 在特定区域、天气、速度条件下实现无人驾驶
- 美国和中国已开始自动驾驶出租车（机器人出租车）服务
- 日本已完成法规制定，自动驾驶公交车（机器人公交）进入实证阶段
5级：完全自动驾驶
- 任何时间、地点、状况均可无人驾驶
- 事故责任归属仍是挑战
自动驾驶依赖摄像头、激光雷达（LiDAR）、雷达等传感器作为“眼睛”，保障安全。摄像头分辨率高，可识别标志和标线，但对障碍物距离和恶劣天气敏感。LiDAR能准确测距，但无法识别标志和车道。雷达探测距离远，但分辨率较低。通常多传感器融合使用。
GNSS接收设备提供精确位置，高精度地图提供道路周边信息。隧道或信号弱区利用摄像头和LiDAR的SLAM（同步定位与地图构建）技术估计位置。定位信息支持自动驾驶系统处理（见图9）。
未来AI摄像头是否能边定位边监测安全，或仍依赖静态地图数据，尚不确定。引领AI半导体业务的NVIDIA推动基于推理的视觉语言行为模型，值得关注。
无人机
无人机自动飞行被誉为空中产业革命，已在农业、土木测量、基础设施检查等领域实现目视内手动操控。日本2022年12月修订航空法，解禁目视外飞行（Level 4），即城市空中自动驾驶（自动飞行）（见图10）。Level 4实用化将带来多种可能，尤其是无人机配送。
无人机自动飞行技术
无人机自动飞行基于GNSS和RTK设备获取位置，陀螺仪和加速度传感器获取姿态和方向，由飞控系统控制。飞行时按预设航点避障飞行，遇异常（恶劣天气、电量不足）自动返航。
《位置情报创造的未来业务——AI与人流数据时代的数字社会基础》
- 出版日期：2026年4月24日
- 建议零售价：
- 电子书版（EPUB3格式）2200日元
- 按需印刷版（A5/黑白/210页）2420日元
目录
- 位置情报的历史与未来展望
- 位置情报业务现状
- 支撑位置情报业务的技术
- 进化中的位置情报设备
- 位置情报业务先进案例
- 未来展望访谈
※本文节选自第一章“位置情报的历史与未来展望”。
作者介绍
中岛圆 日本庆应义塾大学系统设计管理研究科博士，系统工程学博士，信息工程技术师，高级GIS技术专家。1990年代起参与政府和企业GIS开发，现任庆应义塾大学特任教授。著有多部GIS和数字地图相关书籍。
片冈义明 专注地理空间信息的自由撰稿人，运营地理与位置情报新闻网站“GeoNews”，测量师。著有多部关于地理信息和位置情报的书籍。
