“畫”一張地圖有多難？

云賀

未來，要想讓自動駕駛中人工介入程度更淺、頻次更少，高精度地圖的繪制與完善是不可或缺的一環。

作為自動駕駛技術推廣應用的關鍵所在，高精度地圖繪制既是繞不過去的重點環節，也是難點之一。為了突破技術障礙、協調各方資源形成合力，近年來全球車企、科技企業乃至政府機構都頻頻發力。

2015年3月，Uber收購了位于加州的地圖和搜索創業公司deCarta;在政府支持下，日本10余家企業在2016年6月成立了“動態地圖基盤企劃株式會社”;今年4月底，以色列科技巨頭Mobileye與日產汽車簽訂協議，共同創建適用于自動駕駛的新一代地圖。各方如此大動干戈，這張地圖真的那么難“畫”嗎？

高精度地圖有什么不一樣

區別于日常生活中用于導航的普通電子地圖，適用于自動駕駛汽車的高精度地圖主要有兩大特點。

一是包含更加豐富和詳細的數據信息。這些數據按照動、靜兩方面來劃分。靜態數據既包括基礎性的二維道路數據——如車道標記、周邊基礎設施等，也涵蓋了交通管制、道路施工、廣域氣象等準靜態數據。

此外，高精度地圖還囊括了事故、擁堵情況以及周邊車輛、行人及信號燈等瞬息萬變的動態信息數據。與普通地圖幾個月甚至幾年更新一次不同，高精度地圖必須保持分鐘級、乃至秒級的更新速度。

二是定位精準度更高。在手機上使用的GPS導航，其精準度一般在5-10米范圍內，在樓宇密集地區或地下隧道的精度還要更低一些。而自動駕駛技術所需的高精度地圖則要達到厘米級精度。

當前，走在全球高精度地圖繪制前沿的企業——包括科技巨頭谷歌和地圖軟件服務商HERE等，都聲稱在不久的將來有能力達到10-20cm的定位精度。豐田則宣稱其空間信息生成技術“COSMIC”，可將直線道路定位精度控制在5cm以內。

自動駕駛需要怎樣的地圖

隨著自動駕駛技術不斷進步，未來要想讓人工介入程度更淺、頻次更少，使車輛行駛更加安全可靠，高精度地圖的繪制與完善是不可或缺的一環。

為何自動駕駛汽車對地圖的詳細度和精準度要求如此之高？其原因還要從地圖的服務對象說起。普通電子地圖直接服務于駕駛者，通過提供周邊路況信息、路徑規劃等服務，最終將決策判斷權和操作權留給駕駛者。而高精度地圖的服務對象，卻是搭載自動駕駛系統的車輛本身，通過結合傳感器對行駛環境的實況感知，幫助車輛對道路及周邊環境進行預判，最終交由車輛的決策和控制系統綜合判斷并做出響應。

在自動駕駛狀態下，車輛必須像駕駛員一樣，擁有極高分辨率的“眼”和極快反應速度的“腦”。高精度地圖所扮演的角色就是為了能讓車輛視野更廣，“看”得更清晰、更及時。

例如，行駛中的汽車常常會遇到壓線問題。許多道路交通標線的寬度都定在20cm，普通車輛的駕駛員可以根據視覺判斷和行車經驗避免壓線。但是自動駕駛汽車的“眼睛”必須將定位精準度限制在20cm以內，才能保證車輛安全、規范地行駛在車道內，而低精度地圖根本無法達到這一要求。

此前曾有車企提出，先進傳感器能彌補低精度地圖的不足，二者結合同樣可以滿足自動駕駛系統的需要。實際上，目前路面上配備了ADAS（高級駕駛輔助系統，Advanced Driver Assistance Systems）的汽車就是采取這種方式，利用車輛傳感器感知周圍環境、辨識動靜態物體，再通過系統運算分析，輔助駕駛者做出決策判斷。

可是，這一構想只限于處于較低級別水平的自動駕駛。按照美國國家公路交通安全管理局（NHTSA）的分類，就是2級以下、隨時需要“駕駛員之眼”介入的級別。尤其是，當該類型的自動駕駛車輛遭遇雨雪天氣時，激光雷達傳感器很可能無法辨識路面標識，而低精度地圖又不能給出清晰的預判信息，這將為行車安全帶來嚴重隱患。更何況，在真實路況下，道路指示牌、障礙物等有可能被周邊高速行駛的車輛和行人暫時掩蓋，容易造成傳感器的“視覺盲區”。

難點在“信息數據的收集共享”

從高精度地圖采集測繪數據的方式來看，全球主要有兩大流派。一種以谷歌、HERE的地圖測繪車為代表。例如，HERE高精度測繪車上的激光雷達傳感器可以一秒內感知約60萬個掃描點（包括周邊建筑物、樹木等）;在一天內，測繪車能夠收集和處理超過100G的數據。

另一種則以特斯拉的“車隊學習網絡”（Fleet Learning Network）為代表，相當于利用量產車，把測繪任務“眾包”出去，調動整個車隊的所有傳感器來收集數據，并通過云技術上傳到中央數據庫，最終每一輛車都是地圖數據貢獻者，也是獲得者。該方法彌補了由于測繪車數量不足，而造成的數據實時更新緩慢的缺點。

無論采取何種方式，高精度地圖的繪制與完善，在全球范圍內都存在著一些共性難題。除了不斷突破技術障礙提高測繪水平、完善道路基礎設施（如道路標識和標線等）方便車輛系統辨識之外，高精度地圖在信息數據的收集共享方面，還存在著兩大難題：

一是數據開放與分享問題。當前，高精度地圖所需的各類數據散布于車企、地圖提供商等各個主體。最理想的狀態是各方能通過互換和共享數據，實現道路信息全覆蓋，助力自動駕駛技術的進步與普及。

為協調各方關系，打通自動駕駛系統所需的數據接口，2016年，包括車企、地圖繪制商等10余家日本企業，在日本政府的支持下成立了“動態地圖基盤企劃株式會社”。但這一努力能否得償所愿還是未知數。

在我國，從去年高德宣布免費向合作車企提供高精度地圖數據，到今年上海車展開幕當天百度發布“阿波羅計劃”，均引發爭議。各方圍繞數據歸屬問題展開了利益博弈：地圖供應商想通過開放換取更多數據，而車企卻擔心喪失核心數據，淪為科技企業的“代工廠”。

二是數據隱私與安全問題。往小了說，地圖測繪可能會涉及非法獲取個人隱私;往大了說，這是關乎國家安全的大事。

在十分重視個人隱私保護的歐盟國家，因為擔心地圖測繪采集車會在有意無意間獲取到公民通過非加密無線網絡發布的個人信息，當地政府曾多次對谷歌做出處罰。而出于國家安全考慮，許多國家的相關政府部門對公共地圖的信息采集與繪制也有諸多規定——包括對于精確度、測繪區域、機構和人員等諸多限制條件。

眼下，如何在保障信息安全和鼓勵自動駕駛技術發展之間，找到最佳平衡點和解決方案，已成為擺在各國政府面前的一道難題。