劉經(jīng)南，詹 驕，郭 遲，李 瑩，吳杭彬，黃 鶴

1.武漢大學(xué)衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079；2.百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司，北京 100085；3.同濟(jì)大學(xué)測繪與地理信息學(xué)院，上海 200092；4.北京建筑大學(xué)測繪與城市空間信息學(xué)院，北京 102616

智能高精地圖(intelligent high-precision map)是汽車自動(dòng)駕駛的關(guān)鍵基礎(chǔ)設(shè)施，因此也被稱之為自動(dòng)駕駛地圖[1-3]。根據(jù)美國汽車工程師學(xué)會(huì)(Society of Automotive Engineers,SAE)的自動(dòng)駕駛等級(jí)劃分[4]，智能高精地圖也有著相應(yīng)不同的定義范圍(表1)：①L3級(jí)以下對(duì)于高精地圖沒有剛需，L0、L1級(jí)通過傳統(tǒng)地圖實(shí)現(xiàn)基礎(chǔ)的道路導(dǎo)航功能[5]，L2級(jí)引入ADAS(高級(jí)駕駛輔助系統(tǒng)，advanced driving assistant system)數(shù)據(jù)支撐汽車主動(dòng)安全；②L3級(jí)實(shí)時(shí)環(huán)境感知的主體由人類駕駛員變?yōu)樽詣?dòng)駕駛系統(tǒng)，高精地圖已成為必選項(xiàng)，且需要車輛實(shí)時(shí)位置與高精地圖能匹配一致[6-8]，L3級(jí)系統(tǒng)作用域?yàn)閳鼍跋鄬?duì)簡單的限定環(huán)境(如高速公路、封閉園區(qū)等)，地圖精度要求相對(duì)較低，且復(fù)雜度高的動(dòng)態(tài)目標(biāo)(如行人等)數(shù)量相對(duì)較少，實(shí)時(shí)傳感器數(shù)據(jù)足夠支撐有效的動(dòng)態(tài)目標(biāo)識(shí)別，地圖只需提供靜態(tài)環(huán)境與動(dòng)態(tài)交通(即實(shí)時(shí)路況)信息；③L4級(jí)自動(dòng)駕駛能夠完成限定條件下的全部任務(wù)，無須人工干預(yù)，安全性要求高、地圖精度要求高，且需地圖提供動(dòng)態(tài)交通和事件信息(包括實(shí)時(shí)路況與高度動(dòng)態(tài)信息)以輔助周邊環(huán)境模型構(gòu)建；④L5級(jí)能夠在任意環(huán)境條件下完全自動(dòng)駕駛[9]，作用域的顯著擴(kuò)大需要海量眾包源為地圖提供數(shù)據(jù)支撐，且需要地圖具備高度智能性，能結(jié)合分析數(shù)據(jù)實(shí)現(xiàn)對(duì)環(huán)境的高度自適應(yīng)。

表1 不同級(jí)別自動(dòng)駕駛對(duì)地圖的需求Tab.1 The map requirements in different levels of autonomous driving

測繪精度是智能高精地圖的核心指標(biāo)。目前雖無強(qiáng)制性標(biāo)準(zhǔn)規(guī)定，但普遍認(rèn)為智能高精地圖的絕對(duì)坐標(biāo)精度應(yīng)在5～20 cm之間[10-12]，并包含道路靜態(tài)與動(dòng)態(tài)環(huán)境信息，能夠以云端協(xié)同、車路協(xié)同等方式實(shí)現(xiàn)信息加載，輔助車輛感知、定位、規(guī)劃與控制且具備自學(xué)習(xí)、自適應(yīng)、自評(píng)估能力。

本文主要研究內(nèi)容包括：①從地圖學(xué)理論上提出智能高精地圖信息傳輸模型；②從實(shí)際使用上結(jié)合輪式機(jī)器人自主智能控制流程，提出智能高精地圖的數(shù)據(jù)邏輯結(jié)構(gòu)并分析其各層數(shù)據(jù)在自動(dòng)駕駛各環(huán)節(jié)中的作用；③從計(jì)算模式上總結(jié)“眾包+邊云協(xié)同計(jì)算”的智能高精地圖計(jì)算模式，并針對(duì)眾包采集的低質(zhì)量數(shù)據(jù)如何滿足高精地圖制圖要求這一問題，開展關(guān)鍵技術(shù)分析；④從應(yīng)用場景上分析未來智能高精地圖的有效應(yīng)用場景；⑤提出本領(lǐng)域未來發(fā)展的思考與建議。

1 信息傳輸模型

地圖信息傳輸模型是開展地圖研究的基礎(chǔ)，用以表現(xiàn)信息傳輸過程的主體構(gòu)成、傳輸指向及信息流。考慮到目前智能高精地圖在信息傳輸模型方面尚缺乏理論支撐，有必要對(duì)其信息傳輸模型進(jìn)行相關(guān)研究，為后續(xù)更進(jìn)一步研究提供理論基礎(chǔ)。下面通過結(jié)合傳統(tǒng)的地圖信息傳輸模型，提出一種智能高精地圖信息傳輸模型，并分析其模型構(gòu)成、特點(diǎn)及傳輸過程。

經(jīng)典的柯拉斯尼地圖信息傳輸模型可以用六元組TT=(P1，P2，U1，U2，C，M)表示，其中：①C表示客觀世界，M表示地圖；②P1與P2分別表示制圖者集合與用圖者集合；③U1為制圖者對(duì)空間環(huán)境的認(rèn)識(shí)；④U2為用圖者對(duì)空間環(huán)境的認(rèn)識(shí)。信息傳輸是從制圖者到用圖者的單向傳遞，基本過程為C→P1→U1→M→U2→P2：客觀世界通過制圖者的認(rèn)識(shí)形成概念，使用地圖語言變成地圖，用圖者通過對(duì)地圖圖形與符號(hào)的解析形成對(duì)客觀世界的概念。該模型將客觀世界、制圖者、用圖者與地圖統(tǒng)一在一個(gè)相互聯(lián)系的系統(tǒng)之中[13]，在推動(dòng)地圖學(xué)發(fā)展與應(yīng)用方面發(fā)揮了重大作用[14]。但由于其研究對(duì)象是傳統(tǒng)地圖，信息傳輸無法滿足智能高精地圖的實(shí)時(shí)和機(jī)器認(rèn)知的需求，其本身仍存在著一定的局限性：①U1、U2表示制圖者與用圖者對(duì)空間環(huán)境的認(rèn)識(shí)，是相對(duì)靜態(tài)的地圖空間認(rèn)知，缺乏對(duì)實(shí)時(shí)環(huán)境的動(dòng)態(tài)認(rèn)知；②P1與P2被隔離開，P2不直接參與地圖制作，只是被動(dòng)的信息接收者，M并不一定能很好地滿足用戶需求；③P1→M→P2的信息傳遞過程中，制圖者和用圖者依靠自身空間認(rèn)識(shí)與圖形思維能力去制作與理解地圖，其專業(yè)知識(shí)素養(yǎng)會(huì)對(duì)地圖信息傳輸產(chǎn)生較大影響，信息傳輸效率不高。此后隨著互聯(lián)網(wǎng)地圖、個(gè)性化地圖等新興地圖的出現(xiàn)，柯拉斯尼模型也被不斷進(jìn)行補(bǔ)充與完善[15-17]。

(1)用戶模型構(gòu)建階段：獲取個(gè)性信息F，構(gòu)建用戶模型。

(3)信息加工階段：基于制圖者對(duì)環(huán)境的認(rèn)識(shí)，智能化信息加工，通過互聯(lián)網(wǎng)傳輸，形成智能高精地圖M。

(5)交互反饋階段：用戶對(duì)地圖個(gè)性化服務(wù)的評(píng)價(jià)，制圖者對(duì)反饋的響應(yīng)，兩者間通過網(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)交互。

(6)行為指導(dǎo)階段：基于用戶對(duì)環(huán)境的認(rèn)識(shí)，為實(shí)際行動(dòng)提供基礎(chǔ)。

信息傳輸模型的研究對(duì)智能高精地圖具有重要指導(dǎo)意義，有助于準(zhǔn)確把握智能高精地圖的本質(zhì)及內(nèi)容結(jié)構(gòu)，為實(shí)際應(yīng)用提供支撐。例如：信息傳輸模型的三大特點(diǎn)：動(dòng)態(tài)化、個(gè)性化、眾包化，可以輔助智能高精地圖確定數(shù)據(jù)內(nèi)容(動(dòng)態(tài)信息、用戶信息)及數(shù)據(jù)來源。

2 數(shù)據(jù)邏輯結(jié)構(gòu)及應(yīng)用分析

智能高精地圖由多層數(shù)據(jù)組合而成，其數(shù)據(jù)邏輯結(jié)構(gòu)應(yīng)能準(zhǔn)確反映道路環(huán)境，實(shí)現(xiàn)地圖數(shù)據(jù)的多尺度標(biāo)定和高效存儲(chǔ)，支持定位、路徑規(guī)劃、決策控制，并能滿足導(dǎo)航中基于空間索引的需求[20]。許多研究者對(duì)智能高精地圖進(jìn)行了研究，但在數(shù)據(jù)邏輯結(jié)構(gòu)與實(shí)際應(yīng)用等方面缺乏統(tǒng)一認(rèn)識(shí)。基于此，下面通過結(jié)合輪式機(jī)器人自主智能控制流程及相關(guān)地圖數(shù)據(jù)邏輯結(jié)構(gòu)，提出一種相對(duì)完整且準(zhǔn)確的智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)，并分析其各層數(shù)據(jù)在自動(dòng)駕駛各環(huán)節(jié)中的作用。

2.1 智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)

有效且合理的數(shù)據(jù)邏輯結(jié)構(gòu)是智能高精地圖領(lǐng)域的研究重點(diǎn)：①在靜態(tài)數(shù)據(jù)邏輯結(jié)構(gòu)方面，文獻(xiàn)[21]將高精地圖分為4層：道路層、車道網(wǎng)絡(luò)層、車道線層與交通標(biāo)志層；文獻(xiàn)[22]建立了用于車道路徑導(dǎo)航的3層車道級(jí)地圖體系結(jié)構(gòu)，設(shè)計(jì)了道路層、中間層與車道級(jí)層；國際導(dǎo)航數(shù)據(jù)標(biāo)準(zhǔn)協(xié)會(huì)(Navigation Data Standard Association,NDS)提出用于改進(jìn)導(dǎo)航定位與路徑規(guī)劃的Open Lane Model[23]，存儲(chǔ)高達(dá)1 cm分辨率的車道拓?fù)渑c高精度幾何圖形。②基于現(xiàn)實(shí)環(huán)境的動(dòng)態(tài)性與復(fù)雜性，僅依靠靜態(tài)地圖數(shù)據(jù)不足以刻畫真實(shí)的周邊環(huán)境，為了保證出行安全，還需引入動(dòng)態(tài)地圖數(shù)據(jù)。BOSCH公司最早于2007年提出局部動(dòng)態(tài)地圖(local dynamic map,LDM)概念[24]，引入動(dòng)態(tài)數(shù)據(jù)，將地圖分為4層：靜態(tài)數(shù)據(jù)層、半靜態(tài)數(shù)據(jù)層、半動(dòng)態(tài)數(shù)據(jù)層、動(dòng)態(tài)數(shù)據(jù)層，這種動(dòng)態(tài)數(shù)據(jù)邏輯結(jié)構(gòu)是當(dāng)前高精地圖設(shè)計(jì)的一個(gè)重要參考。③考慮到智能駕駛除了必需的安全性之外，還需提供更加人性化與智能化的舒適體驗(yàn)，相關(guān)機(jī)構(gòu)還提出了智能數(shù)據(jù)邏輯結(jié)構(gòu)。如HERE公司提出的高精度動(dòng)態(tài)地圖(HD live map)，結(jié)合長期存在的道路內(nèi)容、臨時(shí)信息及分析數(shù)據(jù)，提供豐富的環(huán)境信息與實(shí)時(shí)道路信息，并通過分析長期基于位置的駕駛行為獲取速度剖面數(shù)據(jù)，提供特定情況下的速度配置文件(http:∥360.here.com/2015/04/23/humanized-driving)。

總體來說，智能高精地圖的數(shù)據(jù)應(yīng)包含豐富且準(zhǔn)確的場景語義信息、實(shí)時(shí)路況信息及駕駛經(jīng)驗(yàn)信息用以輔助環(huán)境感知、車輛定位與規(guī)劃控制，實(shí)現(xiàn)當(dāng)前情況下最優(yōu)駕駛策略，支撐自動(dòng)駕駛汽車的未來出行。結(jié)合信息傳輸模型的特點(diǎn)及現(xiàn)有數(shù)據(jù)邏輯結(jié)構(gòu)的數(shù)據(jù)類型特征，本文確定智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)的內(nèi)容構(gòu)成應(yīng)滿足三大要求：一要高精，意味著地圖需要非常準(zhǔn)確與詳細(xì)的數(shù)據(jù)，能真實(shí)反映出地圖目標(biāo)在現(xiàn)實(shí)世界中的準(zhǔn)確位置；二要?jiǎng)討B(tài)，意味著地圖需要高度動(dòng)態(tài)的道路信息以刻畫真實(shí)的周邊環(huán)境，保證現(xiàn)勢(shì)性以有效應(yīng)對(duì)各種突發(fā)情況；三要自適應(yīng)，意味著地圖需要能主動(dòng)適應(yīng)各種復(fù)雜環(huán)境的適時(shí)變化，結(jié)合駕駛經(jīng)驗(yàn)數(shù)據(jù)集提供與當(dāng)前情況最為匹配的駕駛與信息服務(wù)。

基于上述要求，綜合分析前面所述數(shù)據(jù)邏輯結(jié)構(gòu)的分層特點(diǎn)，及參考OpenDrive[25]等相關(guān)地圖標(biāo)準(zhǔn)對(duì)內(nèi)容組成與分類的定義。本文將智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)劃分為4層：靜態(tài)地圖層、實(shí)時(shí)數(shù)據(jù)層、動(dòng)態(tài)數(shù)據(jù)層、用戶模型層(其中局部代價(jià)地圖為局部范圍內(nèi)的靜態(tài)地圖層、實(shí)時(shí)數(shù)據(jù)層與動(dòng)態(tài)數(shù)據(jù)層的組合，用以表征真實(shí)的周邊環(huán)境，主要分為靜態(tài)層與障礙物層)。

2.1.1 靜態(tài)地圖層

靜態(tài)地圖層是當(dāng)前制圖的重點(diǎn)。主要目的在于精準(zhǔn)刻畫靜態(tài)駕駛環(huán)境，提供豐富的道路語義信息約束與控制車輛行為。主要包含道路網(wǎng)、車道網(wǎng)、交通設(shè)施與定位圖層(表2)。

表2 智能高精地圖靜態(tài)地圖層Tab.2 The static map layer diagram of intelligent high-precision map

道路網(wǎng)主要由道路基準(zhǔn)線網(wǎng)絡(luò)構(gòu)成，以描述道路幾何、表達(dá)與交通設(shè)施間的關(guān)系，包括道路基準(zhǔn)線、道路基準(zhǔn)線連接點(diǎn)、路口等。車道網(wǎng)主要由車道級(jí)道路網(wǎng)絡(luò)構(gòu)成，記錄車道網(wǎng)中每個(gè)獨(dú)立車道相關(guān)屬性，以描述車道幾何、道路顯示等，包括車道級(jí)道路、車道基準(zhǔn)線、車道標(biāo)線等(如圖2所示)[26]。交通設(shè)施根據(jù)不同種類，可區(qū)分為平面表示與實(shí)體表示兩種表示形態(tài)，如圖3所示。上述3層組成靜態(tài)地圖層的基本數(shù)據(jù)結(jié)構(gòu)，是關(guān)乎國家地理數(shù)據(jù)安全的基礎(chǔ)地理信息數(shù)據(jù)，應(yīng)由國家主導(dǎo)，相關(guān)企業(yè)、地方政府與智能高精地圖管理中心之間相互協(xié)作，保證相關(guān)資料與數(shù)據(jù)的傳輸、處理與更新，保證國家地理數(shù)據(jù)安全。定位圖層包含企業(yè)發(fā)布的不同數(shù)據(jù)類型的定位數(shù)據(jù)，以適應(yīng)不同原始設(shè)備制造商(original equipment manufacturer，OEM)的傳感器設(shè)置與定位方案，是基于基礎(chǔ)地理信息數(shù)據(jù)的衍生性服務(wù)應(yīng)用，由各方參與進(jìn)行市場競爭。

圖2 智能高精地圖道路網(wǎng)與車道網(wǎng)Fig.2 The road and lane network schematic diagram of intelligent high-precision map

2.1.2 實(shí)時(shí)數(shù)據(jù)層

實(shí)時(shí)數(shù)據(jù)層包含更新頻率較高的實(shí)時(shí)路況信息，根據(jù)數(shù)據(jù)類型的差異可大致分為交通限制信息、交通流量信息及服務(wù)區(qū)信息(如表3所示)。這些信息有許多來源：道路傳感器網(wǎng)絡(luò)、交通管理部門、道路管理部門、氣象局、車載傳感器等，最重要的是來自海量行駛車輛的傳感器數(shù)據(jù)。當(dāng)路況發(fā)生改變時(shí)車載傳感器檢測路況變化，并與路上其他車輛或道路傳感器網(wǎng)絡(luò)的輸入數(shù)據(jù)在云端進(jìn)行交叉檢查與數(shù)據(jù)融合，實(shí)時(shí)更新路況信息。

圖3 智能高精地圖交通設(shè)施Fig.3 The traffic facilities schematic diagram of intelligent high-precision map

2.1.3 動(dòng)態(tài)數(shù)據(jù)層

動(dòng)態(tài)數(shù)據(jù)層包含車輛、行人、交通信號(hào)燈等高度動(dòng)態(tài)的信息，更新頻率快。通常有兩種不同類型的信息來源：①車載傳感器如攝像頭、雷達(dá)等直接采集獲取的環(huán)境信息，即主動(dòng)感知?jiǎng)討B(tài)信息；②由智能交通系統(tǒng)(intelligent traffic system)或類似的外部系統(tǒng)提供的信息，即被動(dòng)感知?jiǎng)討B(tài)信息，主要是道路用戶的V2X(vehicle to X)信息，包括GNSS數(shù)據(jù)、航向、速度等(如表4所示)。車輛通過動(dòng)態(tài)信息預(yù)測附近運(yùn)動(dòng)物體(包括潛在運(yùn)動(dòng)物體)的軌跡路徑、獲取實(shí)時(shí)交通信號(hào)，彌補(bǔ)在能見度低的交叉盲點(diǎn)上車載傳感器的視野盲區(qū)，保證行駛安全。

2.1.4 用戶模型層

智能高精地圖的基本出發(fā)點(diǎn)就是以用戶為中心，監(jiān)測、識(shí)別并自適應(yīng)用戶需求與場景變化，通過自我調(diào)整與自我組織提供與當(dāng)前情況最為匹配的信息服務(wù)與駕駛服務(wù)。同時(shí)對(duì)自適應(yīng)結(jié)果進(jìn)行評(píng)估，通過對(duì)用戶滿意度評(píng)估標(biāo)準(zhǔn)的制定、滿意度獲取及結(jié)果反饋，使得整個(gè)系統(tǒng)不斷優(yōu)化，實(shí)現(xiàn)自學(xué)習(xí)、自適應(yīng)、自評(píng)估的自主智能控制功能。為此需要增加用戶模型層，記錄、分析與應(yīng)用用戶個(gè)性化信息。由駕駛記錄數(shù)據(jù)集與駕駛經(jīng)驗(yàn)數(shù)據(jù)集兩個(gè)方面的內(nèi)容構(gòu)成(如表5所示)：駕駛記錄數(shù)據(jù)集是特定條件下用戶對(duì)數(shù)據(jù)、界面、控制、感知、預(yù)測的所有操作記錄；駕駛經(jīng)驗(yàn)數(shù)據(jù)集則是對(duì)海量記錄數(shù)據(jù)進(jìn)行多維時(shí)空大數(shù)據(jù)挖掘、分析與處理后為用戶提供的經(jīng)驗(yàn)信息，用以輔助車輛實(shí)現(xiàn)特定約束條件下的最優(yōu)行駛策略。

表3 智能高精地圖實(shí)時(shí)數(shù)據(jù)層Tab.3 The real-time data layer diagram of intelligent high-precision map

表4 智能高精地圖動(dòng)態(tài)數(shù)據(jù)層Tab.4 The dynamic data layer diagram of intelligent high-precision map

表5 智能高精地圖用戶模型層Tab.5 The user model layer diagram of intelligent high-precision map

2.2 數(shù)據(jù)邏輯結(jié)構(gòu)在自動(dòng)駕駛汽車自主導(dǎo)航中的應(yīng)用

結(jié)合輪式機(jī)器人運(yùn)行控制流程(流程基于經(jīng)典的概率機(jī)器人[27]運(yùn)行控制流程)，從實(shí)際應(yīng)用的角度詳細(xì)闡述高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)在自動(dòng)駕駛中的應(yīng)用(如圖4所示)。

控制流程通常分為“感知-規(guī)劃決策-控制”3個(gè)步驟：

(1)在感知層面，引入局部代價(jià)地圖的靜態(tài)層數(shù)據(jù)。實(shí)際應(yīng)用中，機(jī)載傳感器實(shí)時(shí)感知周邊環(huán)境及自身粗略位置，通過定位器接收感知數(shù)據(jù)及靜態(tài)層數(shù)據(jù)，經(jīng)數(shù)據(jù)融合生成高質(zhì)量的感知結(jié)果，實(shí)現(xiàn)車輛對(duì)周邊環(huán)境的精確感知認(rèn)知。通過將檢測到的具備語義意義的特征與靜態(tài)層數(shù)據(jù)進(jìn)行地圖匹配，實(shí)現(xiàn)相對(duì)定位；經(jīng)過坐標(biāo)轉(zhuǎn)換，實(shí)現(xiàn)絕對(duì)定位。

圖4 智能高精地圖數(shù)據(jù)邏輯結(jié)構(gòu)及應(yīng)用Fig.4 The data logic structure and application of intelligent high-precision map

(2)在規(guī)劃決策層面，引入局部代價(jià)地圖、靜態(tài)地圖層的道路網(wǎng)、用戶模型層的駕駛經(jīng)驗(yàn)數(shù)據(jù)集以及全局范圍的實(shí)時(shí)地圖數(shù)據(jù)。實(shí)際應(yīng)用中，目前自動(dòng)駕駛主要采用層次化路徑規(guī)劃方式，各規(guī)劃層分別引入不同地圖數(shù)據(jù)約束與引導(dǎo)車輛軌跡路徑：①全局規(guī)劃：首先基于絕對(duì)定位與道路網(wǎng)，確定起終點(diǎn)間的全局規(guī)劃路徑；②語義規(guī)劃：引入實(shí)時(shí)地圖數(shù)據(jù)與駕駛經(jīng)驗(yàn)數(shù)據(jù)集，充分考慮道路語義(如擁擠程度)和用戶語義(如必須途經(jīng)點(diǎn))，基于全局規(guī)劃路徑進(jìn)行全局二次規(guī)劃，得到語義規(guī)劃路徑；③局部一次規(guī)劃：基于相對(duì)定位與局部代價(jià)地圖，在語義規(guī)劃路徑的基礎(chǔ)上生成局部范圍內(nèi)無碰撞可執(zhí)行的軌跡路徑，實(shí)現(xiàn)局部一次規(guī)劃；④局部二次規(guī)劃：引入駕駛經(jīng)驗(yàn)數(shù)據(jù)集，根據(jù)當(dāng)前實(shí)際情況優(yōu)化局部一次規(guī)劃路徑，生成滿足用戶需求的平滑軌跡，提高自動(dòng)駕駛安全性與舒適性，實(shí)現(xiàn)局部二次規(guī)劃。

(3)在控制層面，控制器將局部二次規(guī)劃生成的軌跡路徑轉(zhuǎn)換為機(jī)器人的控制指令，控制機(jī)器人運(yùn)動(dòng)，并向定位器進(jìn)行信息反饋以修正誤差。地圖雖與控制器之間無直接連接，但在實(shí)際應(yīng)用中，通過實(shí)時(shí)環(huán)境感知與地圖匹配，獲取交通標(biāo)志、障礙物等相對(duì)于動(dòng)態(tài)車輛的精確位置，能對(duì)特定情況下的自動(dòng)駕駛車輛實(shí)行基于行駛規(guī)范(如交通規(guī)則、地圖數(shù)據(jù)約束)與駕駛經(jīng)驗(yàn)(如不同場景下的速度配置)的駕駛行為控制，這是傳統(tǒng)導(dǎo)航地圖不具備的功能。

3 計(jì)算模式與更新技術(shù)

3.1 “眾包+邊云協(xié)同計(jì)算”計(jì)算模式

維護(hù)更新是地圖計(jì)算層面的重要問題。針對(duì)智能高精地圖復(fù)雜多樣的數(shù)據(jù)類型與龐大的數(shù)據(jù)體量，如何實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)更新與有效的數(shù)據(jù)處理之間的平衡是一個(gè)巨大的挑戰(zhàn)。終端有限的計(jì)算能力難以獨(dú)自應(yīng)對(duì)實(shí)時(shí)產(chǎn)生的大量數(shù)據(jù)處理要求，傳統(tǒng)以云計(jì)算模型為核心的集中式大數(shù)據(jù)處理方法也會(huì)因?yàn)樵贫素?fù)擔(dān)過重而無法實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)處理。為了解決這些問題，需要建立新的計(jì)算模型。

邊緣計(jì)算是一種在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算的計(jì)算模型[28]，其邊緣是指從數(shù)據(jù)源到云計(jì)算中心路徑之間的任意計(jì)算和網(wǎng)絡(luò)資源[29-30]。邊緣計(jì)算能通過將中心云的部分計(jì)算任務(wù)轉(zhuǎn)移至邊緣側(cè)來減輕中心云計(jì)算負(fù)擔(dān)，提供當(dāng)前云計(jì)算技術(shù)無法保證的低時(shí)延、高可靠、高帶寬。結(jié)合邊緣計(jì)算基本理念與云計(jì)算技術(shù)，出現(xiàn)了一種構(gòu)筑在邊緣基礎(chǔ)設(shè)施之上的彈性云計(jì)算平臺(tái)，即邊緣云。作為中心云的延伸，邊緣云具備網(wǎng)絡(luò)邊緣側(cè)的計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)等能力，并與中心云和終端形成“云邊端三體協(xié)同”的端到端技術(shù)架構(gòu)[31]。

同時(shí)，智能高精地圖為了保持周期性數(shù)據(jù)更新，需要大范圍內(nèi)足量且實(shí)時(shí)的有效道路數(shù)據(jù)作為支撐。僅依靠專業(yè)測繪難以實(shí)現(xiàn)對(duì)道路的全時(shí)空實(shí)時(shí)覆蓋?；谟脩舯姲谴_保智能高精地圖實(shí)時(shí)性的必要來源，也是業(yè)內(nèi)公認(rèn)的高精地圖未來形態(tài)。眾包作為群智感知的一種分布式任務(wù)分配與執(zhí)行機(jī)制，能把過去需要分配給特定個(gè)人完成的任務(wù)以自由自愿的形式外包給非特定的大眾完成，充分利用群體智能以較低的成本完成計(jì)算機(jī)難以完成的任務(wù)[32]。

綜上，為了保證數(shù)據(jù)處理與交互的實(shí)時(shí)性，本文提出“眾包+邊云協(xié)同計(jì)算”的智能高精地圖計(jì)算模式(如圖5所示)。以“終端-邊緣云-中心云”3層架構(gòu)作為技術(shù)支撐，融合集中式在處理能力與分布式在信息效用方面的優(yōu)勢(shì)；以眾包化的任務(wù)分發(fā)機(jī)制作為策略支撐，充分利用群體智能以較低的成本有效完成復(fù)雜任務(wù)，實(shí)現(xiàn)地圖實(shí)時(shí)更新的低成本和可量產(chǎn)化。實(shí)際運(yùn)用中：①中心云端建立智能高精地圖數(shù)據(jù)服務(wù)中心，側(cè)重于非實(shí)時(shí)、長周期數(shù)據(jù)、集中式?jīng)Q策的全局性業(yè)務(wù)需求，如大數(shù)據(jù)分析與挖掘、AI機(jī)器學(xué)習(xí)、數(shù)據(jù)存儲(chǔ)等，實(shí)現(xiàn)地圖生成與增量更新、駕駛行為分析、全局性眾包任務(wù)分發(fā)等功能；②邊緣云端建立區(qū)域性地圖數(shù)據(jù)服務(wù)節(jié)點(diǎn)，側(cè)重于實(shí)時(shí)性、短周期數(shù)據(jù)、多源異構(gòu)處理等要求較高的區(qū)域性業(yè)務(wù)需求，如區(qū)域數(shù)據(jù)的實(shí)時(shí)處理與可視化等，實(shí)現(xiàn)路況監(jiān)控、事故預(yù)警等功能，同時(shí)，邊緣云之間互聯(lián)，根據(jù)應(yīng)用區(qū)域、優(yōu)先等級(jí)及處理性能等實(shí)現(xiàn)高效的任務(wù)調(diào)度并通過互聯(lián)網(wǎng)與中心云互聯(lián)，實(shí)現(xiàn)數(shù)據(jù)協(xié)同、任務(wù)協(xié)同、管理協(xié)同、安全協(xié)同；③終端(包括車載單元、移動(dòng)設(shè)備、路側(cè)設(shè)施等基本數(shù)據(jù)采集與處理節(jié)點(diǎn))進(jìn)行初步的數(shù)據(jù)采集、對(duì)齊和處理，如感知特征識(shí)別、地圖要素矢量化等，在頂層調(diào)度下協(xié)作完成感知任務(wù)，以眾包的方式提高信息與服務(wù)的實(shí)時(shí)性。

圖5 智能高精地圖"眾包+邊云協(xié)同計(jì)算"計(jì)算模式Fig.5 The computing mode schematic diagram of “Crowdsourcing+Edge-Cloud Collaborative Computing” of intelligent high-precision map

3.2 “眾包+人工智能”更新技術(shù)

通過眾包方式實(shí)現(xiàn)智能高精地圖數(shù)據(jù)的實(shí)時(shí)更新，滿足功能測試與車輛自動(dòng)駕駛要求等，理想狀態(tài)是各方采用統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，通過互換與共享數(shù)據(jù)實(shí)現(xiàn)道路信息的全時(shí)空覆蓋，基于基礎(chǔ)高精地圖網(wǎng)以眾包方式進(jìn)行數(shù)據(jù)采集與更新。然而目前眾包更新技術(shù)存在的一些問題，制約著地理信息的快速便捷使用。如何提高眾包數(shù)據(jù)質(zhì)量以滿足智能高精地圖的制圖要求，是其中的關(guān)鍵問題。

針對(duì)眾包數(shù)據(jù)目前存在的終端層數(shù)據(jù)冗余或缺失、云端層數(shù)據(jù)混雜等質(zhì)量缺陷，人工智能技術(shù)是一個(gè)有效的解決方案?！氨姲?人工智能+攝像頭”的眾包更新技術(shù)路線已成為目前各大參與企業(yè)的主流方案，并取得顯著進(jìn)展。下面結(jié)合實(shí)際應(yīng)用，詳細(xì)闡述人工智能技術(shù)對(duì)眾包數(shù)據(jù)的影響(見圖6)：

(1)在終端層：一方面終端層數(shù)據(jù)體量大，全部傳至云端容易造成數(shù)據(jù)冗余，可能導(dǎo)致有效數(shù)據(jù)被掩蓋；另一方面，由于天氣、光照、拍攝距離、角度的不同、物體自身發(fā)生形變或磨損以及被其他物體所遮擋而導(dǎo)致物體感知特征的多樣性與模糊性，終端有限的性能容易造成有效數(shù)據(jù)缺失。因此需要在終端層進(jìn)行數(shù)據(jù)一次加工，包括感知特征的有效提取與地圖要素矢量化，以提高眾包數(shù)據(jù)質(zhì)量，降低眾包數(shù)據(jù)體量。實(shí)際應(yīng)用中，深度學(xué)習(xí)(deep learning)技術(shù)[33]以其高準(zhǔn)確性、高穩(wěn)健性、低成本[34]的優(yōu)點(diǎn)已成為目前眾包數(shù)據(jù)處理領(lǐng)域新的研究熱點(diǎn)。作為人工智能技術(shù)的代表，深度學(xué)習(xí)技術(shù)能依靠GPU(graphics processing unit)強(qiáng)大的并行處理能力自動(dòng)地從大量人工標(biāo)注訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)特征[35]，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型能夠?qū)D像數(shù)據(jù)等進(jìn)行實(shí)時(shí)高效的自動(dòng)化處理[36]，將非結(jié)構(gòu)化的原始數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，包括目標(biāo)位置、姿態(tài)、種類、語義信息等?；谏疃葘W(xué)習(xí)方法構(gòu)建的各類卷積神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)等極大提高了眾包數(shù)據(jù)中目標(biāo)檢測、跟蹤及分割等視覺任務(wù)的效率與精度[37-47]，為解決場景理解、圖像描述、事件檢測和活動(dòng)識(shí)別等更復(fù)雜更高層次的視覺任務(wù)提供支撐[48]。同時(shí)，對(duì)感知特征高效且精準(zhǔn)的提取，也為地圖要素矢量化提供數(shù)據(jù)支撐。

圖6 基于人工智能技術(shù)的眾包數(shù)據(jù)處理參考圖[38，41-42，49，52-53]Fig.6 The reference diagram of crowdsourcing data processing based on artificial intelligence technology[38，41-42，49，52-53]

(2)在云端層：云端層匯集海量眾包數(shù)據(jù)，傳感器性能差異、數(shù)據(jù)格式差異等導(dǎo)致眾包數(shù)據(jù)質(zhì)量參差、類型混雜。需要有效的分析與學(xué)習(xí)方法進(jìn)行數(shù)據(jù)二次加工，包括特征提取、質(zhì)量優(yōu)化、數(shù)據(jù)融合及場景推理等，實(shí)現(xiàn)無效信息過濾與有效信息提取，提高眾包數(shù)據(jù)精度與可信度。實(shí)際應(yīng)用中，主要利用人工智能以及大數(shù)據(jù)處理等技術(shù)，從海量眾包數(shù)據(jù)中獲取有效信息。如：①特征提取方面，廣泛使用的基于深度學(xué)習(xí)的目標(biāo)檢測、分割等機(jī)器視覺技術(shù)，基于云端強(qiáng)大的計(jì)算能力足夠?qū)崿F(xiàn)高質(zhì)量的特征提??；②質(zhì)量優(yōu)化方面，圖像超分辨率(super-resolution)技術(shù)增強(qiáng)圖像與視頻分辨率[49-51]，使低質(zhì)量的眾包影像數(shù)據(jù)得到顯著改善；③數(shù)據(jù)融合方面，基于眾源軌跡數(shù)據(jù)空間分布特征，融合海量車載軌跡數(shù)據(jù)來實(shí)現(xiàn)車道級(jí)道路路段幾何與屬性信息的自動(dòng)識(shí)別[52-53]；④場景推理方面，語義修補(bǔ)(semantic inpainting)技術(shù)根據(jù)場景語義推斷圖像缺失區(qū)域[54-56]，經(jīng)圖像數(shù)據(jù)修補(bǔ)能提高源數(shù)據(jù)質(zhì)量。

4 智能高精地圖與車路協(xié)同一體化

智能高精地圖作為交通資源全時(shí)空實(shí)時(shí)感知的載體，要求區(qū)域大規(guī)模聯(lián)網(wǎng)與信息交互以實(shí)現(xiàn)對(duì)靜態(tài)、動(dòng)態(tài)信息的有效集成與更新。目前應(yīng)用場景中，通常僅依靠當(dāng)前車輛車載傳感器對(duì)于周邊環(huán)境的主動(dòng)感知作為主要地圖數(shù)據(jù)來源，這顯然是不夠的：①數(shù)據(jù)模型方面，從傳感器之外的各種來源(即被動(dòng)感知)獲取信息，對(duì)于提高數(shù)據(jù)模型質(zhì)量至關(guān)重要，尤其對(duì)于動(dòng)態(tài)及實(shí)時(shí)數(shù)據(jù)層。動(dòng)態(tài)數(shù)據(jù)層僅包含自身車載傳感器直接采集獲取的動(dòng)態(tài)環(huán)境信息(即主動(dòng)感知?jiǎng)討B(tài)信息)，無法實(shí)現(xiàn)對(duì)視野盲區(qū)的覆蓋，且基于傳感器的固有局限也無法實(shí)現(xiàn)視野范圍內(nèi)的絕對(duì)精確感知(如對(duì)交通燈信號(hào)的識(shí)別，即使使用人工智能技術(shù)也無法保證100%的檢測精度)；實(shí)時(shí)數(shù)據(jù)層的路況信息主要來源于交通管理部門、道路管理部門等相關(guān)機(jī)構(gòu)，缺少路上其他車輛的路況感知數(shù)據(jù)，時(shí)效性較低，難以實(shí)時(shí)更新路況信息。②計(jì)算模式方面，“云邊端”三層技術(shù)架構(gòu)要求區(qū)域大規(guī)模聯(lián)網(wǎng)聯(lián)控，眾包的實(shí)施策略要求足夠數(shù)量的基本感知單元相互協(xié)作，實(shí)現(xiàn)計(jì)算任務(wù)的有效調(diào)度與計(jì)算結(jié)果的實(shí)時(shí)交互。

隨著5G、V2X(Vehicle to X)等現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)的發(fā)展，未來智能高精地圖的應(yīng)用場景將會(huì)是協(xié)同感知與協(xié)同精密定位技術(shù)支撐下的車路協(xié)同一體化(如圖7所示)。車輛、道路、行人等交通參與者將成為智能交通系統(tǒng)中的信息節(jié)點(diǎn)，并通過信息通信技術(shù)實(shí)現(xiàn)區(qū)域聯(lián)網(wǎng)與信息交互。將基于傳感器的主動(dòng)感知與基于V2X技術(shù)的被動(dòng)感知數(shù)據(jù)相融合，突破自主式系統(tǒng)對(duì)于實(shí)時(shí)周邊環(huán)境的感知局限，實(shí)現(xiàn)道路全范圍全天候全時(shí)段的協(xié)同感知，提高智能高精地圖質(zhì)量，有效支撐車輛感知與自定位：

圖7 智能高精地圖車路協(xié)同一體化應(yīng)用場景Fig.7 The application scenario of vehicle-infrastructure integration of intelligent high-precision map

(1)在感知層面，通過協(xié)同感知彌補(bǔ)感知盲區(qū)與提升感知可靠性。協(xié)同感知能從時(shí)間維度上預(yù)知附近車輛運(yùn)動(dòng)、交通擁堵狀況、交通事故、紅綠燈變換、天氣預(yù)報(bào)等駕駛環(huán)境未來狀態(tài)信息；從空間維度上突破單車視野限制，彌補(bǔ)視角盲區(qū)，感知彎道盲區(qū)、車輛遮擋盲區(qū)等可視范圍外的潛在物體，輔助刻畫真實(shí)的周邊駕駛環(huán)境[57]。實(shí)現(xiàn)智能高精地圖與環(huán)境感知系統(tǒng)實(shí)時(shí)數(shù)據(jù)交互，輔助感知系統(tǒng)信息獲取與數(shù)據(jù)置信度驗(yàn)證，并按需求與規(guī)則篩選數(shù)據(jù)后實(shí)現(xiàn)地圖的動(dòng)態(tài)更新與動(dòng)態(tài)建庫，保證環(huán)境感知的準(zhǔn)確性。

(2)在自定位層面，基于精準(zhǔn)感知實(shí)現(xiàn)協(xié)同精密定位。目前主流的自定位技術(shù)均存在一定局限，衛(wèi)星信號(hào)易受天氣條件與城市環(huán)境的干擾，差分技術(shù)能有效提高精度但是成本昂貴；航跡推算容易累積誤差導(dǎo)致較大偏移；攝像頭與激光雷達(dá)易受天氣條件影響[58]。依靠單一的傳感器和算法很難滿足實(shí)際應(yīng)用的定位需求，多傳感器與算法融合的方案是一種有效的解決辦法[59]，然而這種多傳感器融合定位技術(shù)依賴于對(duì)實(shí)時(shí)周邊環(huán)境的精準(zhǔn)感知。協(xié)同感知技術(shù)能有效保證環(huán)境感知的準(zhǔn)確性，通過將感知結(jié)果與智能高精地圖相匹配，實(shí)現(xiàn)協(xié)同精密定位。

5 思考與建議

根據(jù)中國《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，到2020年，標(biāo)準(zhǔn)智能汽車的路網(wǎng)設(shè)施、法規(guī)標(biāo)準(zhǔn)等框架基本形成；到2025年標(biāo)準(zhǔn)智能汽車路網(wǎng)設(shè)施、法規(guī)標(biāo)準(zhǔn)等全面形成，“人-車-路-云”實(shí)現(xiàn)高度協(xié)同。歐盟從互聯(lián)網(wǎng)道路環(huán)境資源聚合與智能網(wǎng)聯(lián)汽車兩方面來發(fā)展智能交通，計(jì)劃在2050年前完成目標(biāo)重合。日本于2015年開展自動(dòng)駕駛的靜態(tài)數(shù)據(jù)調(diào)研，2016年開展動(dòng)態(tài)數(shù)據(jù)調(diào)研，成立動(dòng)態(tài)地圖公司，對(duì)動(dòng)態(tài)地圖數(shù)據(jù)用例、要素內(nèi)容等展開討論，計(jì)劃在2020年實(shí)現(xiàn)高精地圖日本全覆蓋。綜上，預(yù)測我國未來智能高精地圖發(fā)展的階段與任務(wù)，如圖8所示。

圖8 智能高精地圖發(fā)展路線圖Fig.8 The development roadmap of intelligent high-precision map

智能高精地圖作為實(shí)現(xiàn)汽車自動(dòng)駕駛的關(guān)鍵基礎(chǔ)設(shè)施，是交通資源全時(shí)空實(shí)時(shí)感知的載體和交通工具全過程運(yùn)行管控的依據(jù)。從我國相關(guān)產(chǎn)業(yè)發(fā)展來看，仍然存在一些對(duì)智能高精地圖發(fā)展的制約：

(1)地圖必要性方面：部分學(xué)者認(rèn)為，智能高精地圖在自動(dòng)駕駛中也不是必需的。人類駕駛員通過自身的“傳感器”(眼睛、耳朵)與“智能”(人腦)協(xié)作完成駕駛?cè)蝿?wù)，這類似于現(xiàn)在自動(dòng)駕駛“傳感器+AI”的技術(shù)路線，自動(dòng)駕駛汽車完全可以在無圖或普通地圖環(huán)境下按照機(jī)器邏輯與感知數(shù)據(jù)行駛。然而，一方面，即使使用人工智能技術(shù)與傳感器相結(jié)合以提高環(huán)境感知能力，仍舊難以完全彌補(bǔ)車載傳感器的固有局限(包括性能限制、覆蓋范圍限制等)；傳統(tǒng)導(dǎo)航電子地圖與傳統(tǒng)機(jī)器人導(dǎo)航地圖(障礙物地圖、特征地圖、對(duì)象地圖、語義地圖[60-63])承載的信息量也不足以實(shí)現(xiàn)當(dāng)前情況下最優(yōu)駕駛策略，難以滿足自動(dòng)駕駛汽車作為商業(yè)可行性產(chǎn)品的安全性與舒適性需求。另一方面，智能高精地圖的車道標(biāo)志線、拐彎交通標(biāo)志牌等的位置三維坐標(biāo)和相關(guān)參數(shù)(如彎道半徑、坡度等)具有駕駛行為控制功能，是在視覺或雷達(dá)等車載環(huán)境感知系統(tǒng)失效時(shí)最后的駕駛控制依據(jù)，為車輛安全行駛提供重要的冗余保障，這種地圖的控制功能是傳感器與傳統(tǒng)地圖所不具備的。可能未來到了機(jī)器超過人類所具有的實(shí)時(shí)感知、推理、決策與控制能力的時(shí)候，人工智能技術(shù)充分安全且舒適的指引車輛行駛，可能就不需要智能高精地圖。但在目前人機(jī)共駕環(huán)境下，通過智能高精地圖實(shí)現(xiàn)自動(dòng)駕駛汽車的導(dǎo)航與研發(fā)，是很有必要的。

(2)法律法規(guī)方面：我國現(xiàn)有法律法規(guī)與智能高精地圖的實(shí)際需求存在一定的沖突，主要體現(xiàn)在3個(gè)方面：基本地理信息采集資質(zhì)、地圖偏轉(zhuǎn)加密、地圖部分地理信息表達(dá)受限。為了減少法律法規(guī)對(duì)產(chǎn)業(yè)發(fā)展的影響，建議完善與更新現(xiàn)有制度法規(guī)，制定符合各產(chǎn)業(yè)需求的全新管理模式與法律規(guī)程，從國家政策上支持智能高精地圖的發(fā)展，提升我國在該領(lǐng)域的核心競爭力。

(3)地圖標(biāo)準(zhǔn)方面：地圖標(biāo)準(zhǔn)作為地圖生產(chǎn)的指導(dǎo)性規(guī)范，其制定可分為基于技術(shù)推動(dòng)的與基于需求推動(dòng)的兩類，由于安全性需求幾乎超高苛刻，因此很多標(biāo)準(zhǔn)需要和法規(guī)同步制定。目前相關(guān)地圖標(biāo)準(zhǔn)在國際上以歐洲為主導(dǎo)，如歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)(European Telecommunications Standards Institute)和傳感器接口規(guī)范創(chuàng)新平臺(tái)(sensoris)的一些標(biāo)準(zhǔn)。相比之下，國內(nèi)地理信息標(biāo)準(zhǔn)化工作委員會(huì)、中國智能交通產(chǎn)業(yè)聯(lián)盟等也開始著手相關(guān)標(biāo)準(zhǔn)制定工作，但進(jìn)度相對(duì)滯后且還需要進(jìn)一步協(xié)同立場，亟待整合測繪、汽車、交通全行業(yè)資源制定具有我國特色的行業(yè)統(tǒng)一標(biāo)準(zhǔn)，包括智能高精地圖生產(chǎn)技術(shù)標(biāo)準(zhǔn)規(guī)范(數(shù)據(jù)采集工序、數(shù)據(jù)處理指標(biāo)及要求等)、智能高精地圖數(shù)據(jù)規(guī)范(統(tǒng)一的靜態(tài)/動(dòng)態(tài)數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)交換格式等)、保證國家地理數(shù)據(jù)安全的數(shù)據(jù)發(fā)布與控制標(biāo)準(zhǔn)等。

綜上，智能高精地圖也將是未來出行即服務(wù)(mobility as a service,MaaS)的關(guān)鍵組成部分。出行即服務(wù)的出現(xiàn)旨在深刻理解公眾出行需求，以人為中心，從交通基礎(chǔ)設(shè)施、運(yùn)載工具及運(yùn)行系統(tǒng)等方面綜合推進(jìn)交通運(yùn)輸資源在線集成和共享，充分利用大數(shù)據(jù)決策實(shí)現(xiàn)最優(yōu)資源調(diào)配，使出行便捷安全[64-66]。而智能高精地圖可實(shí)現(xiàn)城市交通資源的最優(yōu)化配置，充分發(fā)揮不同交通資源之間的聯(lián)動(dòng)效果，從源頭上解決城市之間交通資源的供需矛盾，實(shí)現(xiàn)高效高質(zhì)量出行，實(shí)現(xiàn)“出行即服務(wù)”愿景。