文/陈根
地图是对刻画与描述地球表面的各种现象的数据的可视化表达，它可以帮助人们通过这些可视化表达来认识、记录地理世界。因此，地图是一种空间分析的模型，是一种基于空间联系的空间思维体系，也是解决现实问题的有效手段。
对于人类驾驶员来说，传统电子地图的主要作用是导航，包括从A地到B地的路径规划、车辆和道路的定位匹配、POI检索等，例如腾讯地图、高德地图、百度地图等。
随着自动驾驶产业的飞速发展，由于高精地图提供的高精定位、超视距感知、车道级路径规划等服务能够提升自动驾驶的安全性，使得其重要性获得业界的普遍认可，这也让高精地图成为自动驾驶行业的兵家必争之地。
自动驾驶和高精地图
高精地图，通俗来讲，就是精度更高、数据维度更多的电子地图。精度更高体现在精确到厘米级别，数据维度更多体现在其包括了除道路信息之外的与交通相关的周围静态信息。而高精地图的高精度、高粒度和实时性正是实现自动驾驶的重要条件。
从高精度来看，相比服务于GPS导航系统的传统地图而言，高精地图最显著的特点是其表征路面特征的精准性。以道路为例，传统地图只需要做到米级精度即可实现GPS导航，但高精地图需要达到厘米级精度才能保证无人车行驶安全。精准的地图对自动驾驶车的定位、导航、控制及安全至关重要。
一般来说，高精地图需要绝对精度控制在2米以内，相对精度在10cm以内。绝对精度是供自动驾驶车进行定位和地图匹配用的，相对定位是供自动驾驶车控制方向盘的转向角用的。绝对精度可以相对差一些，甚至10m左右的绝对精度也并不妨碍地图匹配。在地图匹配后，通过高精地图周围元素与摄像头所识别的周围元素进行比对，可以进一步得到更准确的位置。
与汽车控制及精确定位有关的相对精度需要更精确一些。马路上的车道线的宽度大约在20cm左右。所以，如果相对精度控制在10cm左右，可以让行驶的车辆在自动驾驶的情况下不会越线，从而满足自动驾驶车辆对高精地图的精度要求。
不同地图元素所需的精度是不同的。一般而言，由于车道线和方向盘控制直接相关，所以对于车道线的精度要求要高一些。对于车道线的周边的杆、牌等对象元素来说则不然。此外，不同场景所面临的精度要求也不同。例如，一般情况下，道路车线的绝对精度是正负1米，但是在隧道里，就不要求正负1米了。这是因为在隧道中，由于GPS信号较差，所以绝对定位无法做到正负1米。精度也与自动驾驶的需求有密切关系。不同阶段的自动驾驶（Level1到Level5）的功能，会对精度有不同的需求。
从高粒度来看，高精地图比传统地图粒度要高很多，主要表现在高精地图的数据维度上。传统电子地图数据只记录道路级别的数据，包括道路形状、坡度、曲率、铺设、方向等。高精度地图不仅增加了车道属性相关（车道线类型、车道宽度等）数据，还需要反馈给车辆例如道路前方信号灯的状态、限高、禁行等，来保证车辆安全、正常行驶。
同时，高精度地图还需要车道周围的杆、标志牌、隧道、天桥等信息作为辅助来实现车道级定位。更高级的高精度电子地图会包含周边道路环境的3D模型等空间信息。与杆、牌等对象信息所起的辅助定位作用一样，通过这些高精度的3D模型，无人驾驶系统就可以通过比对车载GPS、IMU、LiDAR或摄像头的数据来实现更精确的定位，从而更精确地检测、控制自动驾驶车辆的位置。此外，高精地图需要绘制出信号失锁区域。在信号失锁区域，自动驾驶车需要提高摄像头识别的灵敏度。
从实时性角度来看，高精度地图对数据的实时性要求更高。根据博世在2007年提出的定义，无人驾驶时代所需的局部动态地图（Local Dynamic Map）根据更新频率划分可将所有数据划分为四类：永久静态数据（更新频率约为1个月），半永久静态数据（频率为1小时），半动态数据（频率为1分钟），动态数据（频率为1秒）。传统导航地图可能只需要前两者，而高精地图为了应对各类突发状况，保证自动驾驶的安全实现需要更多的半动态数据以及动态数据，这大大提升了对数据实时性的要求。
在制作动态地图时，为了实现尽可能高的实时性，需要增加高精数据的来源，一个较好的方法就是通过众包。数据可以来源于政府的智慧城市和智慧交通上的业务、出租车的回传数据、手机终端的回传数据、自动驾驶车的回传数据。
对于图商来说，他们需要得到自动驾驶车的回传数据来更新地图。一种常见的合作模式是，图商将高精数据提供给政府、车厂和普通用户。用户在使用之后，不断向图商传回位置数据，从而实现数据的闭环。
高精地图的测绘限制
与传统的电子地图相比，高精度地图由于精度更高，涵盖的信息更广，可以为车辆提供较传感器更详细的环境信息。因此，高精度地图俨然成了自动驾驶汽车最核心的技术之一。但由于自动驾驶地图提供的数据对于精度的要求，涉及到了空间信息安全，现行的法律以及政策在数据采集、传输、储存、使用以及表达上依然存在诸多限制，这也在一定程度上制约了高精度地图的发展。
首先，高精度地图的数据采集和制作都属于测绘活动。根据《测绘法》定义，测绘是指“对自然地理要素或者地表人工设施的形状、大小、空间位置及其属性等进行测定、采集、表述，以及对获取的数据、信息、成果进行处理和提供的活动”。
高精度地图数据采集需要由专业采集车辆或众包车辆对道路及其周边地理要素或人工设施的特征（形状、大小、空间位置）进行实时采集、处理及提供，并且在后期高精度地图的制作还要由图商进行编辑加工和数据转换，以符合《测绘法》对于测绘活动的定义。
由于地理信息涉及国家秘密，在中国从事高精度地图测绘活动需要获取导航电子地图甲级资质。根据公开信息，截至今年3月，拥有导航电子地图甲级测绘资质的单位仅有22家。这使得数据的采集和使用以及表达受到极大限制，部分企业由于现行法规限制，没有测绘资质就没办法采集、使用以及储存这些空间位置信息，只能够跟有资质的图商进行合作。
另外，包括众包采集，以及道路的高程、坡度、曲率，桥梁隧道的限高、限重等信息，按照现行政策，也有明确的限制。比如，在《基础地理信息公开表示内容的规定》中规定，快速路、高架路、引道、街道和内部道路的铺设材料、最大纵坡、最小曲率半径不可公开。同时，也不能记录涉密的地理信息数据（坐标、高程等）。而车企对于这些数据又有很强的需求，这直接导致在自动驾驶中，坡度和高程无法直接使用，这将对地图的便捷使用造成影响。
其次 ，高精地图缺少统一的数据管理平台。自动驾驶地图不仅包含很高精度的道路静态信息，未来可能还会包含交通事件以及道路施工等动态信息。基于这样一个特性，其数据采集和更新成本将持续走高。
而随着自动驾驶的发展，更多的汽车厂、图商对高精地图投入了越来越多的资源。奔驰、奥迪、宝马收购了原本属于Nokia的Here地图，福特、上汽投资了CivilMaps，软银投资Mapbox。阿里巴巴收购了高德地图，并大力投入高精地图领域；腾讯入股了四维图新，同时腾讯内部成立了自动驾驶部门；百度将自动驾驶和高精地图作为其AI战略的抓手，并在2015年底就宣布了五年内自动驾驶车辆实现量产。
这些厂商在发展高精地图时，由于各自的数据格式并不相同，所以导致数据无法方便地在彼此间进行交互。同时，由于他们都把高精地图当作自己的核心竞争力，所以彼此的高精地图不进行共享，这就导致了每家图商都要独自采集全国的高精地图数据，就进一步提高了成本。此外，车厂也不情愿对图商共享数据，这进一步推高了高精地图的采集成本，同时拖延了高精地图的更新速度。
最后，是高精地图技术上依旧面临突破。由于高精地图呈现的信息量相对较大，导致高精地图在数据的采集上较普通电子地图难度更高，采集周期更长。而目前高精地图还无法做到国内所有道路全面覆盖，只能覆盖部分高速公路及主要的城市道路。
另外，自动驾驶的程度越高，对数据内容和精度的要求就会越高。以车道线的制作为例，可以利用深度学习的方法对激光点云进行自动化识别来提取车道线，路面标识也可以通过类似的自动化识别来实现。三岔或十字路口的车道拓扑的构建，可以通过数据编译来实现。
通过这些自动化处理的方式，可以降低高精地图生产成本。由于自动识别的效率需要依赖算法的提升，所以这种效率的提升不是一个一蹴而就的过程，而是一个长期的过程。
由此可见，高精度地图的产业化之路依旧道路且长。尽管如此，过去几年该领域还是吸引了大批企业布局。放眼市场，除了传统的图商，像BAT等科技巨头，BBA等传统车企都在纷纷借助收购、投资或者合作等手段进入高精度地图领域。甚至还诞生了一大批初创型企业，如Momenta、宽凳、晶众等。
在多方势力角逐之下，高精度地图的市场进程节奏已然加快。随着制造业和通讯技术的发展，大范围、低成本地实现高精地图生产指日可待。
