量产前夜，重新定义智能网联之地图

导  读

智能网联已到了量产前夜，新兴行业不再是之前单纯的汽车、单纯的交通，也不是单纯的运营商。模式也在不断演进，虽然这个行业还没有完全成熟，但如果没能尽早融入，成熟之日可能蛋糕早就分完了。

相对以往的导航地图，高精地图是智能网联交通的共性基础技术，其服务对象并非只是人类驾驶员，也包括智能网联/自动驾驶汽车。我们来看看几家做图的公司在干什么。

1  智能网联趋势向上，问题有待解决

十四五规划中整整用了一个章节来定义中国数字建设框架，明确提出智能汽车、新能源汽车、物联网、智能交通具体的工作目标，给整个行业做了非常详实的定义。

今年2月，国家印发《国家综合立体交通网规划纲要》，要求各地区各部门结合实际认真贯彻落实。规划纲要提出了智慧交通发展的一个非常关键的指标，2035年前，希望用15年左右时间将所有基础设施的90%数字化和网联化，这是一个非常巨大的市场空间，值得重点关注。

近几年，国内智能网联行业发展风生水起，呈现出四个特点：

·  第一，政策引领非常积极，各地政府不断出台相关法律法规，3月，《深圳经济特区智能网联汽车管理条例》公开征求意见，拟规定“无人驾驶”等智能网联汽车登记上牌后，可以和传统汽车一样上路行驶。

·  第二，近年来落地项目规模逐渐变大，从之前的4000、5000万元的示范项目，到现在40亿、50亿，甚至投入百亿。地方政府已经看到自动驾驶落地将给经济带来帮助。

·  第三，从目前情况看，装备智能网联终端的汽车可能在短期内急剧爆发。《智能汽车发展战略纲要》中提到，2025年新生产的汽车要50%网联化，有可能在2022、2023年就能达到100%。

·  第四，现在的标准解决了第一步问题，不同厂家、供应商、主机厂有了共同语言，但是还没有打通公安、国土、交通、电信等行业的标准框架，各大部委正在努力推动。

四维图新车路协同研究院副院长郭磐石指出，要让这个事情稳稳落地，顺利展开，还有一些问题需要解决：

·  第一是项目很多，但应用都比较简单，V2I的协作性感知能力只有一些示范，量产的几乎没有。

·  第二，主机厂很关注V2X，但不同主机厂互认存在很大问题，量产高级应用场景非常缺乏。

·  第三，商业模式尝试了很多，但有点像当年的通信基础设施，刚开始是邮政部门投入建设，发展到一定规模、体量时，再形成共同运营资产，出现运营商，车联网建设可能也会这样，现在顶层模式还在摸索。

2  智能网联行业地图应用和定位

在智能网联行业，高精度地图能发挥什么作用呢？

·  第一是云端。24小时不间断运行的地图与云进行数据交互和更新。这不仅要打通路端与车/主机厂服务器的协同，还要打通新生的路侧协同，包括智能服务和高速公路。

·  第二是边缘端。边缘计算是路侧感知不可或缺的重要部分，除了传统感知算法，还需要空间基准、所有感知信息（包括摄象头、激光雷达、毫米波雷达）在统一空间进行标定，还涉及地图拼接融合算法，以确保以同样的语言识别信息，这是一个很难的过程。

·  第三是车端。对地图来说，在未来的量产化、规模化过程中，空间基准非常重要，尤其是所有传感器及大量路侧终端、车载终端，以及来自云的信息，都要在统一的地理空间框架下交互和匹配。隧道、地下没有空间感，唯一参照物只有地图。

·  第四是地图。地图要兼顾“车-路”系统中的典型应用场景。现在，地图第一次在真正意义上让主机厂和基础设施厂商用一种共同认可的语言进行交互。之前交通部门只做公路，车和路没有任何关系，通过智能网联，它们发生了关系，地图建立起更准确的匹配和关联关系。未来地图会延伸出很多商业模式，比如基于调用的收费体系。

3  四维图新：地图是一个基础设施

四维图新有一系列自动驾驶与地图规划算法，其判断是：未来地图是一个基础设施，可能不像传感器有巨大的市场空间，但是它很重要。

四维图新一直在与主机厂、互联网创业公司一起推进智能网联，打造AI车路协同整体解决方案——智能汽车大脑。产品布局和方案包括导航、车联网、芯片、大数据。车路协同方面主要有地图、定位、V2X地图服务平台，以及自动驾驶解决方案。


车路协同四大要素

·  地图：作为四维图新的强项，整个产品矩阵有四类：常规导航地图、辅助自动驾驶/高级自动驾驶地图、辅助车路协同高精度地图、满足自动驾驶仿真测试应用的仿真场景库，未来有可能发展成为建设数字经济孪生城市的基础数据。


产品矩阵

·  高精度定位：四维图新旗下的六分科技专门从事基于卫星导航的定位方案，目前已发布针对于普通手机终端、汽车终端的一些方案，可以提供24小时服务；还有近几年比较火的基于高精度地图的融合解决方案，已经在量产车上落地。四维图新的定位可以兼顾常规情况下基于卫星信号定位，以及卫星信号不足或一些特定场景的应用。


高精度定位方案

·  V2X解决方案：包括两个主要部分，一个是路侧动态地图服务平台DMP，主要作用是将所有布设在路侧传感器的通信、计算、分析与地图空间基准融合起来，编译为V2X协议能识别的格式，向车端、云端、路侧分发和推送；同时保证地图平台24小时不间断通信。路侧DMP平台是目前各大实验区、示范区、智慧公路、智慧园区落地的交付产品。


V2X解决方案

另一个是车端应用。现在大部分主机厂没有使用地图来处理前端碰撞等场景，而是感知达到一定距离时，由前车发出一个紧急碰撞信号，让后车紧急刹车。严格讲，如果两车不在一个车道，是不需要做这种动作的。但现在的算法中没有这种判断信息，在拐弯情况下会出现误判。所以，四维图新与一些主机厂和软件厂商合作将地图有关算法、信息加入到整个场景应用中。这最后一公里有可能是决定自动驾驶安全最重要的工作。

4  上海晶众：为地图定位拾遗补阙

如上所述，不考虑自动驾驶，只考虑车辆定位，车辆在不在同一车道，探测后采取的决策应完全不同。所以，车的决策一定要跟所在位置关系结合起来。这就需要可靠和精准的地图，不过，在高架桥、地库等场景，全域定位还是缺失的。目前所有的解决办法，如惯性导航、车端多元融合、场端定位成本都很高，在地库部署雷达对车又提出了很高的要求，这些都是困扰产业发展的问题。

上海晶众信息科技高级副总裁胡卫荣表示，用高精度地图实现地下定位和停车导航，可以解决驾驶者的停车焦虑，也让高精度地图可以快速落地。
通过分析驾驶者出行行为可以发现，首先是要去的地方有没有车位，然后想提前预定一个车位；再通过车机导航、手机导航，导到那个车位。离开时，还要找到这个车位，需要从停车场入口导到约定的停车位。

但是，解决停车难有三个难点：

·  第一，要有足够多的停车场地图，覆盖的一线城市、停车场越多越好。

·  第二，许多地下停车场没有卫星信号，实现不了定位，需要实现无卫星信号地下定位。

·  第三，要实时获取停车位状态，知道哪些停车位被占用，哪些空闲。

·  第四，知道了车位状况后，能够预约停车位。

很多方案只是在停车场门口显眼的地方放置查询机，但还是不能告诉去车位的路径，所以只解决了一部分问题。

为此，晶众采集了足够多的停车场地图，覆盖面很广。通过服务平台让主机厂将地图发布出去，实现车机导航。结合高精度地图研发的地下定位算法，在没有卫星信号的地下也可以实现定位。找车时，将起点二维码设定在电梯口、人流量比较大的地方，到了停车场扫描一下停车位，即可通过云端到车端、场端解决方案框架从出发点找到车位。

晶众生产平台位于地图生产、出品、服务平台的最底层，可以按照停车导航要求将几万个停车场提供给主机厂，再将服务平台发布给主机厂或运营商，为停车导航提供服务。


晶众生产平台

到2020年年底，晶众已经覆盖了2万个停车场，包括地面、地下大大小小的停车场，一二线城市大型停车场已基本覆盖，特别是存在停车焦虑的大型停车场，如交通枢纽、医院、大型商超；2021年年底将覆盖5万个，2022年覆盖10万个停车场。

现在，从B1到B2通道、B2到B3通道的所有停车场数据都已经有了，而且是根据未来AVP（自主泊车技术）要求采集的数据。如果可以实现AVP，地图还可以继续用，实现无缝衔接。包括母库、每一层、停车相关标注、墙体、电梯、楼梯口、洗车房等数据在地图上都有体现。


停车场地图数据

要实现地下无源定位，以前得布蓝牙、UWB，仅以蓝牙计算，一个停车场要投3至5万元，再加上运维费用，几万个停车场没人能做。晶众的解决方案原理很简单，结合高精度地图+车辆总线数据，将地面定位信息作为初始位置，结合车辆车速、转向数据，再结合高精度地图就可实现地下无源定位，定位精度可以达到2到5米，对停车导航来讲已经足够。图中蓝色是没有做纠偏推算出来的轨迹，黄色是纠偏算法出来的轨迹。这个算法已在北京、上海几百个大型停车场测试过，不管在停车场里跑多少圈，都完全一样。


高精度地图+车辆总线数据

定位问题解决了，接下来是量产问题。从2020年开始，晶众与许多头部主机厂合作，预计2021年下半年实现量产。路面还是用之前的导航方案，到地下时切换成晶众地图，用导航引擎做路径规划、导航。


停车导航画面

车端和场端识别出来的信息可推到手机上进行提示，基于V2X方式实现手机路径规划和导航，有助于实现2亿到3亿存量车服务。

5  一汽南京科技：为什么自研高精地图？

一汽（南京）科技有限公司是一汽集团成立的人工智能公司，前期主要聚焦AI感知和AI大数据研发。高精地图负责人陈雪娟介绍了其适合小范围前瞻研究的建图技术以及地图检查特色创新业务，为的是更好地支持整个团队自动驾驶算法的开发。

常规情况下，主机厂高精地图部门只是需求提出方，并不具备自主建图能力，甚至修改地图能力也不具备。由于高精地图目前没有行业统一标准，各家对高精地图元素信息的利用率不同，需求业务重点也不尽相同，因而造成了千人千面现象。

一汽南京公司对高精地图业务的定位十分清晰，与图商及其他主机厂明显不同。在公司战略规划中，高精度地图模块旨在辅助整个公司的自动驾驶，不仅是购买高精地图，而是要做高精度地图定制软件，根据一汽不同研发阶段需求，在短时间内随时丰富道路属性。整个地图部门的三大业务包括地图制作、地图引擎和地图质量检查。

·地图制作：小规模地图制作能力解决图商制作周期长，难以适应快速迭代研发的问题，快速响应，支撑感知、定位、控制规划提出的需求。
·地图引擎：为满足其他模块读取地图元素的需求提供一个接口，指导其他模块顺利使用地图。
·地图质量检查：这是一汽南京的创新，从研发到量产的整个周期都可能涉及质量检查。研发阶段，自己建图需要检查地图缺陷，保证质量；量产阶段，评判图商交付的地图是否符合其他模块的要求。


地图质量检查

一汽南京目前使用的是二维标注系统，并不是三维点云。这种非常基础的标注系统也能够满足基本需求，毕竟大部分元素都是附着于地面，红绿灯是额外处理。
即使是将标注系统维度从二维换到三维，也难免遇到激光雷达地面反射率相近的情况，此时更靠谱的是引入图像，依赖图像+点云融合的数据进行标注，这是日后技术的拓展方向。



建图技术路线

建图流程和主流建图方案一样，分为五个步骤：采集数据、数据拼接与处理、标注、生成最终的地图文件、地图检验。现在是直接使用自动驾驶车辆建图，一辆是一汽集团总部提供的安装机械式激光雷达的车，另一辆是南京研发的安装固态激光雷达的车，后者是为量产化做的方案。之所以用不同建图车辆，是因为车辆所在地域不同，最初设计方案也不同。一汽集团目前只在有自己研发机构做自动驾驶车辆测试的地方建图，目前有长春、南京、海南三地。

目前的地图标注是纯人工，所有元素类型与车道关系都需要人工标注。底图上的线、点都要人工画，包括道路关系、红绿灯。前期用过供应商的系统标注，后来发现不能满足日益增长的研发需求，只能自己开发，以随时拓展和丰富道路信息。


人工标注地图

标注完成后生成最终文件，一汽南京公司L4是基于阿波罗系统做的，所以地图需要输出两种格式：阿波罗的Opendrive和标准的Opendrive，后者是给仿真同事使用。标注生成的地图可以根据需求做一些调整，一些小的问题是通过打补丁的方式快速迭代，以避免改系统浪费时间。


生成最终地图文件

地图检查系统是一汽南京未来的重点，后期将继续完善，使之更加自动化，也会不断加入规则。这样，在研发阶段慢慢做，积累经验，到后面量产阶段也可以把控图商的地图。

6  商业模式很重要

华为无线车联网市场总监徐长青在分析5G时代C-V2X发展现状时表示：“做地图的公司最困惑的事情就是没有人出钱买它的地图，但其技术确实已很全面。”他指出，为什么没有人买地图和定位厂商的车道级定位服务，没有人整合他们的业务？就卡在C-V2X装车率上，一方面在等待主机厂装PC5接口终端设备，以实现车与车的直连；另一方面，如果用Uu口接入，就会迅速提高装车率，先让车跑起来。车跑起来后，反正后端产品是不收费的，大家在辅助驾驶阶段用起来，就可以从中孵化出新的业务，找到商业模式，让这个行业赚钱。