mapbox 百度地图_面向自动驾驶的高精度地图及其应用方法

作 者 信 息

王 冕

(上海市静安区住房保障和房屋管理局，上海 200040)

“

【摘要】 随着我国“新基建”的加速推进，在智能交通领域，正在形成车辆智能化、道路智能化、运输智能化的全新维度，整体趋向于L3级甚至更高级别的自动驾驶。传统导航地图在精度、内容和更新频率等方面已不能够满足自动驾驶的需求，亟需应用高精度地图来补足。从自动驾驶垂直应用角度，分析不同级别应用对地图数据的要求，从而明确面向自动驾驶的高精度地图所必须具备的特征。同时结合经典机器人控制理论，深入探讨高精度地图在自动驾驶主要环节的应用优势，并从完善行业标准以及获得国家政策支持等方面提出了建议和设想。

【关键词】 高精度地图；自动驾驶；智能交通

【中图分类号】 P208 【文献标识码】 A 【文章编号】 1672-1586(2020)04-0109-06

”

引文格式：王 冕. 面向自动驾驶的高精度地图及其应用方法[J].地理信息世界,2020,27(4):109-114.

正文

0 引 言

国际地图学协会(International Cartographic Association，ICA)将地图定义为是现实世界的表现或抽象，以视觉的、数字的或触觉的方式表现地理信息的工具。随着信息技术的发展，地图以电子地图形式存在，在不同应用场景下，被赋予不同的内涵。在早期的人类驾驶活动中，地图常被用于路径计算、地理信息查询以及动态交通信息提醒，具有较强的引导功能，极大地提升了人们的出行效率。伴随着“互联网+”概念的提出，人工智能(Artificial Intelligence，AI)高速发展与应用，更多基于位置的新型服务和行业被提出，传统的导航地图的精度、涵盖内容、更新频率等，不足以支撑起交通领域日新月异的智慧化应用需求，因而衍生出新形式——高精度地图。高精度地图，即高分辨率地图(High Definition Map)，一方面指地图的绝对精度更高，另一方面指地图能够格式化存储交通场景中各种交通要素。由于高精度地图数据中丰富且准确的先验知识能够弥补车辆车载传感器的性能边界，实现协同感知和精密定位，因此高精度地图被视为是自动驾驶系统实现的核心基础模块。在地理信息系统(Geographic Information System，GIS)领域，众多学者也将其视为面向自动驾驶的专题图，被称为自动驾驶地图。

作为自动驾驶实现的关键一环，高精度地图得到业界前所未有的关注。不同于过去地图厂商垄断传统导航地图业，在高精度地图方面，形成地图厂商与车辆制造商、零部件供应商、互联网企业、初创公司、芯片厂商协作发展的局面，各自在相应领域充分发挥自身技术优势，推动高精度地图产业的发展。

目前，国外从事高精度地图采集和生产的地图厂商主要有TomTom、Here以及Waymo(原谷歌地图)。其中，Waymo的高精度地图目前仅用于自己的无人车，因而公开披露信息较少。TomTom以基于点云的RoadDNA技术为特色，将视觉传感器捕获的三维地图数据转换成二维视图，目前已覆盖欧洲及美国大部分主要高速公路。2018年的国际消费类电子产品展览会(International Consumer Electronics Show，CES)宣布提供在线的地图服务AutoStream，并与百度、高通深度合作，将AutoStream首度集成到百度的Apollo平台以及高通旗下的Drive Data Platform驾驶数据平台，探索更加行之有效的众包高精度地图绘制方法和更为精准可靠的定位。Here则是将其高精度地图定义为基于云端的服务，以快速在线更新为特色，通过众包形式，建立高精度地图的动态循环体系。经过多次股权变更，Here已汇集行业内的领先技术资源，分别与MobileEye的Roadbook进行融合开发，与大陆集团聚焦于自动驾驶和出行服务，与博世开展横跨汽车、工业物联网和交通多方面的合作。2019年，Here将开放位置平台(Open Location Platform，OLP)引入中国，支持用户导入自己的数据，创建新的图层和服务，实现数据共享与循环。

而在我国，由于严格的测绘政策，即高精度地图绘制必须由具有导航电子地图测绘资质的单位来承担，以及高精度地图外业采集、内业校对处理的较高技术门槛，在获得甲级测绘资质的22家(截止2019年12月)企业中，呈现以地图厂商四维图新、高德地图、百度地图(长地万方)三足鼎立的现状。上述三家企业均在2015年左右开始部署高精度地图的业务策略，试图获得行业先机。其中，高德地图侧重于基于位置的移动商业服务，旨在完成从地图供应商至数据服务商的转型，制定了动态地图服务商的发展目标，认为未来的地图不再是数据商品，而是行业发展共建共享的生态资源和基础设施。2016年，高德地图宣布在自动驾驶开发测试期间，免费向行业合作伙伴提供高精度地图数据，并与千寻位置合作提供“高精度地图+高精定位”的一体化解决方案；2018年，通过推出顺风车业务，期望形成出行生态闭环，促进地图行业新生态的构建。四维图新继续定位图商角色，通过自主设计的高精度地图采集车和编辑平台，目前可生产出绝对精度20 cm的地图数据，整体处于准备量产阶段。同时深化行业合作；在2019年，启动公安部PGIS2.0项目，助力公安服务创新，并与宝马签署了业内首个面向L3+自动驾驶系统的高精度地图订购，将为2021年宝马量产车型iNEXT提供地图服务。百度则是将自己的数据积累结合Apollo平台，提供完整的自动驾驶解决方案。

不同于在导航地图业深耕多年的地图厂商，众多初创企业通过差异化产品路线，建立各自在高精度地图方面的技术优势，如DeepMap、CivilMap、MobileEye、宽凳科技、滴滴出行在数据采集上引入众包模式；Mapbox专注为企业提供定制地图；Ushr设计激光雷达数据处理软件来抽取道路特征和专业绘制道路模型。

从国内外发展情况分析，目前的高精度地图是一全新领域，技术与规范等均处于探索阶段。梳理其主要脉络对下一步研究与应用的开展具有重要意义。因此，本文首先着眼于自动驾驶应用对地图数据的要求，以此展开讨论面向自动驾驶的高精度地图必须具备的特征；其次再从机器人控制理论切入，进一步探讨高精度地图在自动驾驶不同阶段的应用与功能优势，确定自动驾驶实现的高精度地图必要性；最后提出高精度地图未来发展的一些思考与建议。

1 自动驾驶的地图数据需求

在2014年，美国汽车工程师学会(Society of Automotive Engineers，SAE)首次颁布了自动驾驶分级标准J3016TM《标准道路机动车驾驶自动化系统分类与定义》，把自动驾驶划分为0～5级。2018年SAE根据车辆自动化系统能够完成动态驾驶任务的程度、执行动态驾驶任务中的角色分配以及有无设计运行域限制等再次细化了自动驾驶分级依据，进一步明确了不同级别自动驾驶技术之间的差异性。根据表1最新的定义，6个级别的自动驾驶系统对地图数据在内容、精度和频率等方面有不同层级的要求：

在L0～L2级，车辆驾驶行为主体是由人类驾驶员承担，基于人类自身的视觉识别能力和逻辑思维能力，在很多道路信息被弱化和精简的情况下，能够完成应用需求。当道路数据中增加道路曲率、坡度等高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)数据后，即可以支持自动驾驶系统同时并持续控制车辆的横向和纵向行为。

自L3级开始，机器成为周边环境监控和动态驾驶任务的执行主体，初步脱离人管因素，因而逐渐提高了对地图数据的现势性要求，并且米级的地图数据绝对精度已不能满足限定场景下的应用需求，此阶段需要地图数据输入较高精度的道路环境数据以及部分的实时交通信息。

L4级，在限定场景下，系统能整体控制车辆行驶，机器进一步替代人类响应自动驾驶系统发出的接管请求，处理系统行为失效的情况。此阶段系统必须自动具备最小风险状态，要求地图提供更高精度的道路环境以及全实时动态交通信息。

L5级，在所有行驶环境中，都可以实现全部由机器控制的自动驾驶，系统熟练具备传统驾驶员的能力。设计运行域的扩大要求地图具备高度智能化，可以基于多源数据的建模分析结果，自适应不同的交通环境。

表1 自动驾驶对地图数据的需求

Tab.1 The map requirements of autonomous driving

2 高精度地图的关键技术特征

针对表1列出的自动驾驶分级，从本质上来讲，从L3级开始才是自动驾驶实质性开端。在L3级之前的阶段，仅可称为辅助驾驶或部分自动驾驶阶段，出行人群是地图的主要服务对象，传统导航地图米级的绝对定位精度、季度或年度的数据更新频率、具备ADAS增量属性的道路网络即可支持目的地导航、兴趣点搜索以及诸如主动车道保持之类的主动安全应用。从L3级开始，机器成为地图服务的主要对象，成为动态驾驶任务的执行主体。传统导航地图在精度、内容和更新频率等方面已不能够满足自动驾驶上述高层次应用需求，亟需应用高精度地图来补足。高精度地图几乎实时的道路特征环境信息，能够更真实地刻画地理空间，作为先验信息输入，可支持面向L3级甚至更高级别的自动驾驶应用。本文归纳总结高精度地图有别于传统导航地图的关键技术特征如下：

1)几何高精度

测绘精度是高精度地图的首要核心指标。传统导航地图的测绘精度在米级别，而高精度地图则必须在厘米级。目前虽无明确标准规定，但普遍认为高精度地图的绝对精度应在5～20 cm之间，这样能够确保自动驾驶车辆5～20 cm的自定位误差

2)丰富的属性信息和语义信息

高精度地图必须包含道路网络以及周围环境的丰富属性信息和语义信息，以支持车辆感知、定位、规划与控制。在形态上，主流传统导航地图是2D地图，而高精度地图需完整记录地物3D信息、拓扑关系和路况信息。以道路网络数据为例，传统导航地图只记录道路级别的数据，而高精度地图则如图1所示，增加了更为详尽的道路限制属性，并延伸描述至车道级，详细记录每个独立车道相关属性(车道网路口、车道线类型、车道宽度、车道限制、车道虚拟连接线等)，交通控制设备(主要是交通标志和交通信号灯)的三维位置，以及诸如高架物体、防护栏、人行横道、道路边缘类型、道路标线、路边地标等其他静态道路元素的几何形状和语义。

图1 高精度地图道路网络

Fig.1 Lane level road network of high defifinition map

3)现势性

高精度地图数据必须及时更新，确保高度的现势性。根据博世在2007年提出关于无人驾驶时代所需的局部动态地图(Local Dynamic Map)的定义，按照更新频率划分可将所有数据划分为四类：持续静态数据(更新频率约为1个月，主要是道路网络、定位数据等)、瞬时静态数据(更新频率为1 h，主要是路侧的基础设施的信息，如交通标识和路标)、瞬时动态数据(更新频率为1 min，主要是红绿灯的相位、交通拥堵等实时路况相关信息)、高度动态数据(更新频率为1 s，主要是车辆、行人等交通参与者的实时状态数据)。前两者即可满足传统导航应用，而高精度地图为了应对车辆行驶过程中各类突发状况，保证自动驾驶的安全实现需要更多的瞬时动态数据以及高度动态数据，更新频率需要提升至分级甚至秒级。

3 高精度地图在自动驾驶中的应用与优势

高精度地图具备的高几何精度、信息丰富度和更新现势性特点使其成为交通资源全时空感知的重要载体，在整个自动驾驶领域扮演着核心角色，甚至成为整个产业的技术壁垒。根据机器人控制流程的3个核心步骤，即感知(Sense)、规划(Plan)、行动(Act)，自动驾驶系统可相应归纳为环境感知、决策控制、动作执行3个阶段。如图2所示，在自动驾驶系统中的高精度地图主要被运用在前两个阶段，即感知层面和规划识别层面。

图2 高精度地图在自动驾驶的应用

Fig.2 High defifinition map in autonomous driving

1)感知层面：通常情况下，感知指使用车辆配备的雷达、摄像头等视觉传感器结合定位传感器检测周边物体。高精度地图可视为车辆除开视觉传感器外的另一个虚拟数字传感器，提供完整的静态地物描述，延伸已有视觉传感器的感知边界，经数据融合得到高质量的感知结果，实现车辆对周围道路环境的精确认知。通过将检测到的特征地物与高精度地图数据进行匹配，不断修正全球导航卫星系统(Global Navigation Satellite System，GNSS)卫星定位的不确定性和航迹推算的累积误差，实现车辆自身位置和姿态的精确感知。

2)规划识别层面：通过输入感知层面不同数据融合结果，预测车辆周围物体的行为，约束与引导动态地图生成，包括路径规划和轨迹规划。路径规划首先是基于绝对定位和道路拓扑，计算车辆当前位置至终点的全局路径，其次是结合交通事件、天气等实时数据以及驾驶经验数据集，基于全局路径进行局部的车道级路径规划。轨迹规划则是尽量按照路径规划结果，考虑实际临时或者移动障碍物、交通信号实时状态、车辆速度、动力学约束等，生成的无碰撞风险、平滑轨迹路径集合，供车辆决策控制模块使用，解决自动驾驶车辆如何走的问题。

基于上述两个层面的应用，从技术功能角度剖析，高精度地图对于自动驾驶主要有以下三方面的优势：

第一，静态地物的语义识别。高精度地图中对静态地物的丰富标识可弥补视觉传感器探测效果不佳的情况，尤其是高速公路匝道出入口限速信息识别。视觉传感器在天气良好情况下，拥有理想的视距，可以检测到限速标志，但是限速标志的效用路段这种语义级信息难以标定，而地图数据库中一般详细记录了限速标志类的效用路段以及有效方向，这些信息的输入使得车辆在控制端免获错误信息的干扰，提升驾驶行为的可靠性。

第二，感知算法的效率提升。高精度地图中包含大量短时间内不会发生变化且客观存在的道路特征数据。自动驾驶系统多传感器数据融合的过程需要加工、处理大量传感器传回的数据，对芯片的计算能力有较高要求。地图数据库中大量道路相关的先验信息，如各类交通设施、车道线、坡度、曲率、航向、限高、限宽等，有助于固有地物的过滤，减少算法对冗余信息的消耗，这将大幅减少感知融合的复杂度，让有限的计算资源集中在可能影响当下驾驶行为的动态物体判断上，使得车辆控制端获得更为实时的数据输入。

第三，环境冗余信息的提供。一般情况下，应用系统诉求精简信息的输入以确保尽量及时的反馈。但是，对于自动驾驶系统而言，车辆诸如操纵、转向和制动等动态驾驶任务，将完全由机器执行，要求驾驶员没有任何控制，系统仍可以按照正确的路径和交通规则在约定的方向上行驶，安全性提升至前所未有的高度，因此冗余方案必不可少。地图数据可在不占用计算资源的情况下，高度还原外部交通环境，为感知融合算法提供“冗余”信息输入，进一步增加感知的准确性和安全性。

4 结束语

“传感器+人工智能”的技术路线完全类似于人类驾驶员自身的协作，但是目前的人工智能技术程度暂且无法使机器能够拥有人类一样的联想、解读能力，各类传感器也有不同程度的性能边界。因此，自动驾驶车辆在普通地图环境下按照机器逻辑与感知数据行驶在现阶段尚不可行。在当前技术条件下，高精度地图是车辆自动驾驶实现必不可少的基础设施。然而从现有产业链发展来看，我国高精度地图的进一步深化必须突破以下两方面的制约。

1)行业标准化

地图标准是地图生产与应用的指导性规范，行业标准的建立，有助于提升各企业间的协同性，避免企业间的数据孤岛效应，降低数据采集生产成本。目前相关地图标准在国际上以欧洲为主导，并且以采集式样、交换格式和物理存储格式的标准化为重点，如ISO TC204/WG3、NDS、ADASIS、CAICV HD MAP WG、 OpenDrive、SIP-ADUS等，其中CAICV HD MAP WG是由清华大学牵头，成立的自动驾驶地图工作组。鉴于自动驾驶几乎苛刻的安全性需求，建议在制定行业标准时，结合我国国情和终端用户的实际需求，进一步描述地图质量安全规范、地图功能安全技术要求、地图信息安全技术要求等细则，保证国家地理数据安全。另外，高精度地图与应用场景密切相关，可考虑精耕细作某一场景，分场景、分步骤实现高精度地图的标准化。

2)政策法规的完善

我国现有的法律法规与高精度地图的发展需求存在一定冲突，主要体现在数据偏转加密、部分地理信息表达受限、审图机制、数据回传，均不同程度影响着面向L3级以上自动驾驶高精度地图数据表述完整性、实时性的要求。高精度地图的应用不同于传统导航应用，是全新模式，建议完善与更新现有制度法规，制定符合产业需求的全新管理模式，从政策上支持高精度地图的发展。在确保国家安全的前提下，提升我国在该领域的核心竞争力，促进地理信息产业的繁荣发展。

随着“高速率、低延时、大带宽”的5G技术落地，万物万联的物联网时代越来越近，使高精度地图有了更大的施展空间和应用领域。在给汽车及相关产业带来全业态和价值链体系重塑的同时，高精度地图也将是互联网服务的重要内容承载平台，配合人工智能和大数据，带有精确地理位置的人物画像，是实现出行即服务(Mobility as a Service，MaaS)愿景的强大支撑。此外，更是城市管理数据的重要来源，通过发挥不同交通资源之间的联动，达到城市公共资源的最优调配，推动未来城市管理真正迈入智能化、一体化的新阶段，在应对公共卫生等突发事件时，提供“无人化”的新利器。

作者简介： 王冕(1986-)，男，上海人，硕士，工程师，主要从事地理信息系统开发与应用研究、房地产测绘等工作。

E-mail: mian.wang@foxmail.com

本期回顾

博士综述论坛

· 时空数据Web搜索的研究进展

· 基于精准时空信息的城市关键公共基础设施运行预警决策方法综述

全球网格位置框架与编码

· 地球剖分型GIS数据模型

· 基于全球剖分网格的不动产编码研究

· 目标网格编码支持的多源遥感影像地理匹配

测绘成果档案存储与服务

· 国家测绘档案业务管理系统设计与实现

· 大规模地理信息资源目录集成服务的技术框架及系统应用

· 国家测绘成果档案存储与管理总体设计与实现

· 国家级测绘地理信息系统数据成果备份设计与建设

· 国家级测绘地理信息系统异地容灾技术方案设计与实现

理论研究

· 数据粒度均衡的二维矢量瓦片构建方法

· 基于城市景观格局和连通性的地表温度贡献分析

· 一种无人机滑坡遥感影像的快速匹配算法

· 基于高清摄像机的高速公路路面散落物自动检测方法研究

· 一种顾及TOA数据优选的抗差卡尔曼滤波室内定位方法

邮箱变更声****明

·《地理信息世界》邮箱变更声明

网站开通公告

·关于开通《地理信息世界》网站的公告

诚聘特约审稿专家

·诚聘|《地理信息世界》诚聘特约审稿专家

专题组稿

·约稿函|《地理信息世界》关于开辟“博士综述论坛”专栏的约稿函