【学术】面向自动驾驶的高精地图模型及关键技术

摘要:

高精地图作为自动驾驶中不可或缺的环节，其发展将在很大程度上影响自动驾驶水平。现有高精地图模型多样，面向机器思维不足，缺乏面向“人-车-路-图”的系统思维。基于分层更明确、要素更全面和用户特征更突出三方面的考量，细化和充实四层一体化高精地图模型，详细阐述了静态数据层、道路实时信息层、车辆动态信息层和用户模型层的内容和功能；指出了高精地图云边端协同更新机制、路口安全信息框架、交通事件驱动的导航决策3个关键技术如何支撑自动驾驶全局和局部路径导航决策以及车辆控制；从感知、定位、决策、控制4个层面解释了高精地图平台对自动驾驶的支持。

引用格式

应申,蒋跃文,顾江岩,等.面向自动驾驶的高精地图模型及关键技术[J].武汉大学学报（信息科学版）,2024（YING Shen, JIANG Yuewen, GU Jiangyan, et al. High Definition Map Model for Autonomous Driving and Key Technologies[J].Geomatics and Information Science of Wuhan University,2024）

DOI:10.13203/j.whugis20230227

论文内容

高精地图是指具有高精度、高鲜度、高丰度的电子地图，包含详细的道路、车道、交通设施等静态信息，以及道路实时路况等动态信息。相较于普通导航电子地图，面向自动驾驶的高精地图数据精度更高（绝对精度可达厘米级）、道路信息更丰富翔实（包含车道数量、宽度、坡度和曲率等）、数据的实时性也更高（能够反映道路交通最新可通行情况）。高精地图是自动驾驶的核心技术之一，亦是自动驾驶汽车控制的关键。

尽管当前行业内对高精地图在自动驾驶中的必要性和重要性基本达成共识，但尚未形成统一的数据组织结构、共识性的数据表达方式和完备的国家级标准规范，不利于高精地图数据传输共享、规模化生产与应用。本文建立了一个简明通用的自动驾驶高精地图模型逻辑框架，来增强高精地图的普适性，推动自动驾驶进一步发展。

四层一体化高精地图模型

本文构建的高精地图模型兼顾中国道路特征和道路元素（路）进行逻辑组织，依据中国交通规则构建拓扑规则，区分以道路全局为主的宏观实时信息（路）和以车辆及周边局部行车环境为主的中微观动态信息（车），构建更完备的用户（人、车）模型数据集（见图1），力图服务于更安全、更舒适的自动驾驶。

图1 高精地图模型的组织结构

1）静态数据层

静态数据层用于描述和记录真实环境中长期保持不变的客观道路环境对象，刻画数字交通基础设施，主要包括道路网、车道网、交通设施、兴趣点（point of interest，POI）等（见图2）。

图2 高精地图模型的静态数据层

2）道路实时信息层

道路实时信息层是以聚焦道路和车道单元来描述实时交通环境。鉴于混合交通瞬息万变的场景特征，它需时刻关注宏观或中观道路、车道上影响车辆决策的行人、行车实况信息，包括实时路况信息和交通场景信息，用于确定导航路线（图3）。

图3　高精地图模型的道路实时信息层

3）车辆动态信息层

车辆动态信息层聚焦自动驾驶车辆，关注车辆本身瞬时的驾驶行为和操作及其周边局部场景的实时变化。车辆动态信息层包括主动感知信息、被动感知信息和车辆状态信息，主要用于辅助车辆实时控制（见图4）。

图4　高精地图模型的车辆动态信息层

4）用户模型层

用户模型层旨在以用户为中心，满足用户（管理员、驾驶员和乘客、自动驾驶汽车）常规或特殊需求，提前设置和实时调整车辆控制策略。用户模型层包括用户数据集和车辆特征数据集（见图5），将人和车的特征信息分开，旨在既更好地服务于以人为本的个性化路径规划，又扩大高精地图的服务范围，如货车、救援车、小汽车等。

图5　高精地图模型的用户模型层

高精地图的关键技术

1）高精地图的更新与分发机制

高精地图信息滞后会大大降低自动驾驶的安全系数，使行车风险显著提高。为保证高精地图数据的精确性、丰富性、时效性及行车安全性，地图更新是关键。设计长效更新与动态更新的云边端协同机制（见图6），进行以用户行车为中心的高精地图自我调整、组织与更新是有效手段。

图6　云边端协同更新机制

2）路口安全信息框架

自动驾驶车辆在复杂路口场景中的安全高效行驶备受重视。由于路口具有多样性（路口类型和场景多样）、复杂性（交通参与者类型、通行方式和决策能力各异）、实时性（交通环境瞬息万变）和行驶位置约束精确性等特点，车辆行驶规划决策和控制难度相较于普通道路段大幅提升，构建“道路网-车道网-路口标识-场景模式”的路口安全信息框架能够有效解决车辆通过路口的问题（见图7）。

图7　路口安全信息框架

3）交通事件驱动的导航决策

全面概括车辆行驶过程中所需的高精地图要素，利用知识抽取与融合算法，构建面向复杂交通事件（自然灾害、交通管制、交通事故、交通拥堵、车辆故障等）和自动驾驶车辆（当前任务、车辆状态、周边路况）、适用于L2/L3级别人机共驾二元主体的高精地图知识图谱，实现车辆感知信息（其他车辆、交通标志牌、移动障碍物等）的快速提取与处理，帮助自动驾驶车辆理解丰富的驾驶场景语义，形成导航规划，实现决策控制（见图8）。

图8　交通事件驱动的导航决策

高精地图自动驾驶决策流程

交通事件场景驱动下，高精地图在自动驾驶导航决策中起着关键作用（见图9）。根据用户指定的起止点，高精地图利用静态数据层中的道路网、POI和定位特征参考信息以及用户模型层中的驾驶员、乘客和驾驶经验信息为车辆规划全局行车路线。根据静态数据层提供的道路网和车道网信息、道路实时信息层提供的道路最新可通行信息、用户模型层提供的用户需求信息（避开事故地点、管制路段和拥堵路段等），借助知识图谱为车辆重新规划局部行车路径，结合车辆动态信息层提供的自车行驶方向、速度、加速度信息与车辆周边动态交通环境信息制定驾驶策略（调头、变道、转向等），实现车辆控制，最终安全高效抵达目的地。

图9　高精地图模型对自动驾驶车辆决策控制的支撑

结语

高精地图作为自动驾驶的基石，其逻辑框架和数据组织结构的不断规范与完善将推动自动驾驶进一步发展。本文充分考虑了高精地图的服务特征，对四层一体化模型进行了细化和充实，强调了数字交通基础设施建设、以道路/车道为中心的静态信息与实时信息、以车辆为中心的动态信息与车辆特征参数信息、以用户为中心的驾驶经验集与驾驶需求信息。本文提出的高精地图模型为自动驾驶提供了较为完善的“人-车-路-图”系统思维，并从云边端的数据协同更新与分发、路口安全信息框架、交通事件驱动的导航决策关键技术角度，结合感知、定位、决策、控制四方面探讨了高精地图对自动驾驶决策的支撑。高精地图与实时匹配定位技术形成了自动驾驶的核心，以此推动数字交通基础设施建设，促进自动驾驶和智慧交通发展。

注：（原文标题：综述 |应申,蒋跃文,顾江岩,等. 面向自动驾驶的高精地图模型及关键技术| 武大学报信息版）

社群交流 / 原创投稿/ 商务合作

来源：中国测绘学会