中国测绘 | 守正创新 推动智能驾驶地图安全合规

随着电动化、智能化和转型进程的提速，技术升级迭代带动全球汽车产业格局重塑。在智能驾驶领域，高精度地图一直以来都受到重点关注。近期，随着智能网联汽车相关企业选择向“重感知轻地图”的技术路线偏移，智能驾驶“有图”和“无图”之争再次成为行业关注的焦点，其技术路线的选择也在一定程度上影响着车企NOA（自动辅助导航驾驶）“进城”的快慢。

高精度地图相较于普通的电子导航地图，拥有更高的坐标精度与更丰富的交通信息元素。但目前采集成本高、鲜度低，高精度地图的采集依赖于专门的采集车和工作人员，数据采集、分析、处理成本高昂，后期伴有高昂的维护费用，较低的更新频率难以支撑对场景要求极高的自动驾驶车辆的需求。并且，由于车辆在自动驾驶过程中需要一个众源方式的数据闭环，现有链路无法完全打通。

“轻地图”并不是不使用地图，而是通过采用“轻量化”地图，使图商降低高精度地图要素采集、制作、更新的成本和周期，也使车企避免因购买多余的数据产生不必要的成本。相比“重地图”方案，“轻地图”更易覆盖城市道路、停车场等全场景，也可以满足智能网联量产车型向更大规模的城市自动辅助导航驾驶汽车拓展。目前乘用车上采用的轻地图方案，实际是在车端到云端实时生成一套完整的闭环地图，并不是使用已经采集好的传统的基础高精度地图。“重感知轻地图”路线的核心是，通过大规模真实与仿真道路数据的学习和训练，不断迭代升级辅助驾驶算法能力，从而提升车辆自身感知能力。以数据为驱动的感知能力提升，可以促进车辆决策规划的智能化与稳定性，从而解决智能网联汽车在城市道路行驶的复杂难题。

地图“轻量化”趋势下数据采集合规安全是关键。国内只有具备导航资质和保密性质的企事业单位才能开展高精度地图采集，部分开发自动驾驶技术的企业为了建立起自身自动驾驶系统的“护城河”，被迫在传统图商数据的基础上进行二次加工提取，导致数据违规采集、提取、传输和应用。数据生产商如何更好地满足智能网联汽车对道路基础地理数据的需求，数据应用商如何按统一标准实现基于智能网联汽车数据闭环安全合规，是一个亟待解决的问题。

自然资源部近年来不断规范数据采集和管理行为。地理信息对各行业支撑赋能的宽度和深度正在不断升级，数据产品与技术的跨界融合与创新也愈发增多。这一背景下，自然资源部围绕相关数据的采集、存储、处理、发布、应用等，陆续制定了相关法规和制度。如2022年8月出台的《关于促进智能网联汽车发展维护测绘地理信息安全的通知》明确规定，高精度地图测绘制作只能由具备导航电子地图制作甲级资质的单位承担。虽然此条款非最新规定，但确是针对自动驾驶行业的一次严令重申。2023年3月，自然资源部发布了《智能汽车基础地图标准体系建设指南（2023版）》，从基础通用、生产更新、应用服务、质量检测和安全管理等方面，对智能汽车基础地图标准化提出原则性指导意见，旨在促进智能汽车基础地图标准化、规范化，更好地统筹发展与安全，统筹行业领域优势，推动交叉领域融合，兼顾国际标准对接。

“重感知轻地图”对汽车感知系统软硬件的要求更高。随着当前行业技术趋势由高精度地图转向“重感知”和鸟瞰图视角+神经网络模型，智驾解决方案对“纯视觉”技术路线倾向性更强。尤其是当城市自动辅助导航驾驶的智驾等级划分停留在L2级，即驾驶员始终承担车辆行驶责任，行业对雷达的定位从之前的“功能件”开始向“安全件”转变，也因此对不同传感器的诉求有了分化。车用传感器愈发重要，前向和补盲激光雷达、4D成像雷达、800万像素接触式图像传感器等新品快速上车应用，同步带动传感器芯片需求攀升，车用传感器和芯片技术正进入快速迭代演进、快速降低成本发展新阶段。

“轻地图”可提供道路拓扑信息，图商纷纷提供轻量化解决方案。智能驾驶高级辅助地图介于普通导航地图和高精度地图之间，其在精度、要素的丰富度上，虽比高精度地图低，但是实用信息要比导航地图丰富很多。智能驾驶高级辅助地图可提供车辆超视距感知、车道拓扑信息以及复杂场景的语义理解，帮助整车厂获取所需信息，以加快推进城市自动辅助导航驾驶落地。

面对车企对高精度地图的需求变动，图商纷纷推出贴合自动驾驶需求的地图新产品，通过提供不同等级地图的方式适配车企需求。

百度对原有地图产品进行升级，为车企提供3种选择：车载导航地图、高精度地图、人机共驾地图，满足车企不同级别自动驾驶应用需求。

四维图新发布了服务于智能网联汽车的“场景地图”产品，解决安全通过路口的关键痛点，大幅降低成本，获得等同甚至更优于装配高成本激光雷达方案的路口通行体验。

大有时空以高精度卫星定位服务平台和地图数据更新平台为基础，构建了智能数字底座，围绕智能驾驶数据闭环，打造智能驾驶解决方案，提供精准位置信息平台服务、智能终端和轻量级高精度地图工具链。核心优势是能够赋能车厂，提升地图实时更新能力，帮助车厂建立整个数据闭环，提供自动化更新能力。大有时空不仅不需要车企数据，还能够把自身的基础数据、新型测绘数据以及运营车辆数据给车厂，赋能到客户数据中心，解决车厂数据量不足的问题。目前，大有时空已与主流车厂开展联合研发，在数据中心闭环自动化更新工具链、车端地图引擎、融合定位引擎、数据安全合规服务等方面正在开展深度合作。

众多车企也依托“轻地图”方案加速推动城市自动辅助导航驾驶。特斯拉率先提出了以纯视觉为感知基础，以大模型深度学习为实现路径的自动驾驶技术演进方向。全自动驾驶产品运用了鸟瞰图视角+神经网络模型技术，构建了围绕车辆的局部地图，从而摆脱了对高精度地图的依赖。同时，采取占用网络技术，赋予该局部地图高度和深度信息。最后，再通过车道网络技术构建行车轨迹，从而更有效地理解不同交通场景，构建车道级拓扑地图。特斯拉使用以上技术，通过高效闭环数据实现不依赖高精度地图的城市自动辅助导航驾驶落地，为其他自动驾驶企业或主机厂提供了“重感知轻地图”的可行性技术范本。小鹏汽车凭借先发和工程化优势，于2021年开始相关研发，并率先于广州和北京对外演示其“无图”方案。理想汽车在100座城市进行了通勤自动辅助导航驾驶内测。

无论是“重地图”“轻地图”，还是“无地图”，不同企业根据自身需求采取了不同的技术路线，但目前均处在探索阶段。“重感知轻地图”是智能网联汽车感知技术发展到一定阶段的必然过程。但无论是“重感知”还是“重地图”，本质不是能否采用高精度地图，而是如何快速更新高精度地图。经过多次道路实测证明，高精度地图方案可以让体验感实现越级提升。地图在现阶段依旧是自动驾驶能力攀升不可或缺的“超视距传感器”。L3级自动驾驶阶段，在车辆报警后驾驶员可随时接管控制车辆，现有的感知技术在城区直路或环境不复杂的道路可以满足车辆自动驾驶需求，因此企业根据感知能力高低仍对高精度地图有很大的自主选择空间。L4级及以上系统将完全替代驾驶员，高精度地图将必不可少。因而，不同的自动驾驶阶段面临不同的需求，不同技术路线没有绝对的优与劣。在相应的技术研究过程中，如何更好地运用算力、设计算法，以及如何应对智能网联汽车落地使用后的复杂场景、突发情况等，均需要在实践中不断探索。

“众源采集更新方式”将是高精度地图的重要发展方向。高精度地图商业化一直以来都存在困境，图商的采集效率和维护效率已经满足不了部分企业的需求。图商采取的主要采集手段，是通过专业的采集车进行集中制图，具有精度高、可靠性强的优势，但成本高、更新慢的缺点也暴露无遗。众源方式采集利用搭载了激 光雷达、摄像头等传感器的乘用车辆，在行驶过程中收集道路信息并上传到云端，图商在云端通过AI算法对道路数据进行处理，更新高精度地图，具有更新快、成本低优势，但采集的数据精度相对不足，且对数据融合要求较高。结合基础地图和众源采集，以基础地图为基础，用众源采集数据对高精度地图进行高频更新，将是更可行的方案。同时，国家通过批准智能网联汽车高精度地图应用试点，支持不同主体就不同技术路线、不同应用场景开展测试验证和应用推广，为解决高精度地图“鲜度低”“成本高”等瓶颈问题提供了技术路径及模式参考。当然，这里需要强调的是，在省级自然资源管理部门和地市级人民政府划定的自动驾驶试点测试区域（道路）以外，高精度地图采集活动必须由具备甲级导航电子地图制作资质的单位开展。

大有时空打造的众源数据闭环系统支持多源数据输入，众源闭环生产的轻量化地图数据可以增强融合定位产品功能，提高融合定位产品性能。通过AI算法形成仿真场景数据、标注数据、地图数据，能为智能驾驶仿真、算法训练、地图更新提供海量数据源，加速智能驾驶的算法验证与训练、研发迭代和地图众源更新，为车厂构建安全合规的数据闭环。

来源：《中国测绘》2024年第8期（作者系大有时空联合创始人、首席技术官）；转自：资源中国