摘要 該文從分析汽車智能化對(duì)智能駕駛的需求和智能駕駛對(duì)地圖數(shù)據(jù)需求的角度出發(fā)，給出了車道級(jí)導(dǎo)航地圖的內(nèi)容、應(yīng)用優(yōu)勢(shì)，以及車道級(jí)地圖數(shù)據(jù)在智能駕駛的自主定位和行駛姿態(tài)調(diào)整、路徑規(guī)劃和導(dǎo)航策略優(yōu)化、車輛感知和決策能力增強(qiáng)、智駕體驗(yàn)和安全性提示、應(yīng)對(duì)復(fù)雜和特殊場(chǎng)景等方向的應(yīng)用方法，并通過(guò)智能駕駛實(shí)際效果證明了車道級(jí)導(dǎo)航地圖在智能駕駛應(yīng)用的可行性。

關(guān)鍵詞 車道級(jí)導(dǎo)航地圖；智能駕駛；數(shù)據(jù)內(nèi)容；應(yīng)用優(yōu)勢(shì)

中圖分類號(hào) U463 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2024）23-0018-04

0 引言

智能汽車是國(guó)家重要的發(fā)展戰(zhàn)略，國(guó)家發(fā)展改革委聯(lián)合其他十部委發(fā)布《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》（發(fā)改產(chǎn)業(yè)〔2020〕202號(hào)）指出：“以發(fā)展中國(guó)標(biāo)準(zhǔn)智能汽車為方向，以建設(shè)智能汽車強(qiáng)國(guó)為目標(biāo)，以推動(dòng)產(chǎn)業(yè)融合發(fā)展為途徑，開(kāi)創(chuàng)新模式，培育新業(yè)態(tài)，提升產(chǎn)業(yè)基礎(chǔ)能力和產(chǎn)業(yè)鏈水平，滿足人民日益增長(zhǎng)的美好生活需要。”智能汽車大體分為全無(wú)人駕駛汽車（L4和L5級(jí)別）和有條件自動(dòng)駕駛及駕駛輔助智能汽車（L3以下級(jí)別），前者運(yùn)營(yíng)在有限的示范區(qū)內(nèi)需要高精地圖HD-map，后者運(yùn)行在所有城鄉(xiāng)道路，需要與之配套的車道級(jí)導(dǎo)航地圖。

HD-map的內(nèi)容極其龐雜，按目前的生產(chǎn)工藝，每人每天產(chǎn)能不足10 km，全國(guó)鋪滿將是上百億的巨大資源投入，實(shí)時(shí)更新更是難上加難。而車道級(jí)導(dǎo)航地圖相比而言是一種輕量級(jí)的高精地圖，它舍棄高精地圖里面的特征定位類對(duì)象，具備內(nèi)容精簡(jiǎn)夠用、更新速度快、精確度高等特點(diǎn)，能為智能駕駛提供實(shí)時(shí)、準(zhǔn)確的車道級(jí)道路信息，為智能駕駛的車道級(jí)定位、車道級(jí)路徑規(guī)劃和引導(dǎo)、車道級(jí)駕駛操控提供了重要數(shù)據(jù)基礎(chǔ)和決策依據(jù)，配合實(shí)時(shí)感知的環(huán)境信息使智能駕駛更安全、更流暢。

智能駕駛技術(shù)在傳感器、識(shí)別算法、算力等領(lǐng)域快速進(jìn)步的支撐下突飛猛進(jìn)，但“無(wú)圖導(dǎo)航”不可取，安全無(wú)小事，完全擺脫地圖的依賴進(jìn)而實(shí)現(xiàn)完全自動(dòng)駕駛在當(dāng)前階段不具備可行性。自我感知的弱點(diǎn)在于探測(cè)距離的局限，因此，它的路線規(guī)劃能力是有限的、基于個(gè)體的，不具備提高道路整體通行效率的能力；另外，中國(guó)道路極其復(fù)雜，不同城市具有不同的特色，感知很難處理好復(fù)雜場(chǎng)景下的問(wèn)題。因此，感知和地圖是相輔相成的關(guān)系，需要同時(shí)存在。從另一個(gè)維度看，感知能力的加強(qiáng)，確實(shí)減少了對(duì)絕對(duì)高精地圖的依賴，因此車道級(jí)導(dǎo)航地圖的“輕地圖”模式越來(lái)越成為智能駕駛的主流導(dǎo)向。

1 車道級(jí)導(dǎo)航地圖數(shù)據(jù)的內(nèi)容

車道級(jí)導(dǎo)航地圖數(shù)據(jù)在傳統(tǒng)的標(biāo)準(zhǔn)地圖（SD Map）基礎(chǔ)上，增加車道級(jí)拓?fù)溥B接網(wǎng)絡(luò)及其關(guān)聯(lián)的交通信號(hào)燈等專題信息和標(biāo)準(zhǔn)地圖的關(guān)聯(lián)關(guān)系，相比HD map而言，位置精度由分米級(jí)擴(kuò)大到亞米級(jí)，地圖內(nèi)容進(jìn)行了精簡(jiǎn)，保留智駕基礎(chǔ)依賴信息。智能駕駛車輛通過(guò)車載傳感器（如GNSS+IMU、激光雷達(dá)、車載攝像頭等）實(shí)時(shí)感知周圍環(huán)境，并將感知結(jié)果與車道級(jí)導(dǎo)航地圖數(shù)據(jù)中的信息進(jìn)行融合，從而做出更準(zhǔn)確的決策和規(guī)劃。不同等級(jí)的地圖數(shù)據(jù)內(nèi)容與精度要求如表1所示。

2 車道級(jí)導(dǎo)航地圖數(shù)據(jù)在智能駕駛中的應(yīng)用優(yōu)勢(shì)

2.1 車道級(jí)導(dǎo)航地圖數(shù)據(jù)能夠提供必要的道路信息

車道級(jí)導(dǎo)航地圖數(shù)據(jù)雖然相對(duì)于高精地圖在精度和詳細(xì)程度上有所降低，但仍然包含了基礎(chǔ)的車道級(jí)道路信息，如車道線位置、道路邊界、路口范圍等，這些信息是智能駕駛系統(tǒng)進(jìn)行路徑規(guī)劃和自主定位的基礎(chǔ)，有助于系統(tǒng)理解道路的基本結(jié)構(gòu)和走向。

同時(shí)包含關(guān)鍵的標(biāo)線標(biāo)識(shí)和信號(hào)燈信息，如公交車道、潮汐車道、非機(jī)動(dòng)車道等，這些信息直接關(guān)系到車輛的行駛安全和交通規(guī)則遵守，幫助智能駕駛系統(tǒng)能夠做出更加合理和合規(guī)的駕駛決策。必要的道路信息示例如圖1所示。

2.2 車道級(jí)導(dǎo)航地圖數(shù)據(jù)能夠?qū)崿F(xiàn)快速擴(kuò)域和更新

車道級(jí)導(dǎo)航地圖數(shù)據(jù)相較于傳統(tǒng)的高精度地圖，更注重地圖數(shù)據(jù)的實(shí)時(shí)性和可用性，其設(shè)計(jì)初衷是為了在保持較高精度的同時(shí)，實(shí)現(xiàn)數(shù)據(jù)的廣泛覆蓋和快速更新，這種設(shè)計(jì)理念使得車道級(jí)導(dǎo)航地圖數(shù)據(jù)在擴(kuò)域和更新方面具備天然的優(yōu)勢(shì)[1]。

數(shù)據(jù)資料上更為多源，除了專業(yè)的采集車輛覆蓋采集，也可以利用多源的數(shù)據(jù)采集方式，通過(guò)大量用戶的實(shí)時(shí)數(shù)據(jù)反饋積累更新數(shù)據(jù)，為地圖數(shù)據(jù)的更新提供高時(shí)效、更豐富的資料。

從資料處理上更為快速，由于車道級(jí)導(dǎo)航地圖數(shù)據(jù)需要的資料量相對(duì)較小，因此其存儲(chǔ)和傳輸成本也相對(duì)較低。借助云計(jì)算平臺(tái)，車道級(jí)導(dǎo)航地圖數(shù)據(jù)可以實(shí)現(xiàn)海量數(shù)據(jù)的快速存儲(chǔ)和處理，大數(shù)據(jù)技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行深度挖掘和分析，提取出有價(jià)值的信息用于地圖的更新，同時(shí)能夠節(jié)省大量的存儲(chǔ)空間和帶寬資源。

數(shù)據(jù)生產(chǎn)上更為高效，車道級(jí)導(dǎo)航地圖數(shù)據(jù)能夠建立高度自動(dòng)化的數(shù)據(jù)制作和更新流程，通過(guò)基于卷積神經(jīng)網(wǎng)絡(luò)的視覺(jué)大模型自動(dòng)識(shí)別和分析多元數(shù)據(jù)源，通過(guò)數(shù)據(jù)大模型建立數(shù)據(jù)自動(dòng)融合策略，實(shí)現(xiàn)地圖數(shù)據(jù)的自動(dòng)更新，大大提高了地圖更新的時(shí)效性和準(zhǔn)確性，大大降低了生產(chǎn)制作成本。

3 車道級(jí)導(dǎo)航地圖數(shù)據(jù)在智能駕駛中的應(yīng)用

智能駕駛時(shí)主要分為感知、決策、控制三個(gè)方面，車輛利用車載傳感器感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛姿態(tài)和障礙物信息，決策行駛路徑和方向，進(jìn)一步控制車輛的轉(zhuǎn)向和速度，從而使得車輛能夠安全、可靠地在道路上行駛，這樣就需要機(jī)器來(lái)實(shí)現(xiàn)精準(zhǔn)的智能控制，需要有精確的環(huán)境基礎(chǔ)信息，而這正是地圖表達(dá)的主要內(nèi)容。車道級(jí)導(dǎo)航地圖提供先驗(yàn)信息，能夠?yàn)檐囕v提供數(shù)公里外的超視覺(jué)感知，支持更加精確、實(shí)時(shí)的導(dǎo)航和駕駛決策。

3.1 智駕自主定位和行駛姿態(tài)調(diào)整的應(yīng)用

車道級(jí)導(dǎo)航地圖數(shù)據(jù)通過(guò)提供較高精度的車道級(jí)幾何信息（包括車道線位置、車道寬度、停止線等），幫助智能駕駛系統(tǒng)實(shí)現(xiàn)自主定位和姿態(tài)估計(jì)。結(jié)合車載傳感器的數(shù)據(jù)，系統(tǒng)能夠?qū)崟r(shí)獲取車輛在道路上的精確位置，并調(diào)整車輛的行駛姿態(tài)，確保車輛始終保持在正確的車道內(nèi)行駛，智駕自動(dòng)定位和調(diào)整效果如圖2所示。

3.2 智駕路徑規(guī)劃和導(dǎo)航策略優(yōu)化的應(yīng)用

車道級(jí)導(dǎo)航地圖數(shù)據(jù)幫助智能駕駛系統(tǒng)能夠更準(zhǔn)確地規(guī)劃行駛路徑，并做出更加合理的駕駛決策。

宏觀的長(zhǎng)距離路徑規(guī)劃，需要由道路級(jí)數(shù)據(jù)實(shí)現(xiàn)，而局部短距離的路徑規(guī)劃和導(dǎo)航，需要由車道級(jí)數(shù)據(jù)實(shí)現(xiàn)。系統(tǒng)根據(jù)車道級(jí)數(shù)據(jù)中的車道級(jí)拓?fù)?、車道?shù)量、車道類型（如公交車道、非機(jī)動(dòng)車道）等信息，預(yù)測(cè)和評(píng)估不同路徑的行駛安全性，從而選擇最優(yōu)的行駛路徑，準(zhǔn)確判斷每個(gè)行駛階段所需的車道，并在必要時(shí)進(jìn)行車道變換。如車輛轉(zhuǎn)彎時(shí)，不能駛?cè)敕菣C(jī)動(dòng)車道，車道級(jí)導(dǎo)航地圖數(shù)據(jù)提供的“非機(jī)動(dòng)車道”類型有效幫助車輛在做路徑規(guī)劃時(shí)，不規(guī)劃此車道[2]。

同時(shí)，在行駛過(guò)程中，系統(tǒng)也可以根據(jù)車道級(jí)數(shù)據(jù)實(shí)時(shí)調(diào)整駕駛策略，如加速、減速等，以應(yīng)對(duì)各種復(fù)雜的交通狀況。

車道級(jí)路徑規(guī)劃效果如圖3所示。

3.3 智駕車輛感知和決策能力增強(qiáng)的應(yīng)用

車道級(jí)導(dǎo)航地圖數(shù)據(jù)能夠輔助汽車超視距感知，當(dāng)車輛行駛的道路環(huán)境被其他物體遮擋（如地面轉(zhuǎn)向箭頭被車輛壓蓋）或者轉(zhuǎn)彎，以及超出汽車車載傳感器感知范圍時(shí)，車道級(jí)導(dǎo)航地圖能夠幫助車輛預(yù)測(cè)和判斷行進(jìn)方向道路的狀況。車道級(jí)導(dǎo)航地圖為智駕提供先驗(yàn)信息場(chǎng)景示例如圖4所示。

車道級(jí)導(dǎo)航地圖數(shù)據(jù)能夠輔助車輛快速識(shí)別道路的分車道標(biāo)線，提高自動(dòng)駕駛車輛數(shù)據(jù)處理效率，自動(dòng)駕駛車輛感知重構(gòu)周圍三維場(chǎng)景時(shí)，可以利用車道級(jí)導(dǎo)航地圖數(shù)據(jù)作為先驗(yàn)內(nèi)容，減小數(shù)據(jù)處理時(shí)的搜索范圍。

智能駕駛系統(tǒng)綜合考慮地圖數(shù)據(jù)、傳感器數(shù)據(jù)以及其他相關(guān)信息（如車輛狀態(tài)、用戶偏好等），通過(guò)復(fù)雜的算法進(jìn)行數(shù)據(jù)分析和處理，實(shí)時(shí)檢測(cè)和識(shí)別道路上的障礙物（如其他車輛、行人、路障等），系統(tǒng)能夠分析障礙物的位置、速度和運(yùn)動(dòng)軌跡，從而預(yù)測(cè)它們與車輛之間的潛在沖突，并提前采取避障措施，確保行駛安全，做出更加準(zhǔn)確的決策。

3.4 智駕車輛駕駛體驗(yàn)和安全性提升的應(yīng)用

車道級(jí)導(dǎo)航地圖的應(yīng)用可以顯著提升智能駕駛的駕駛體驗(yàn)和安全性。

基于車道級(jí)導(dǎo)航地圖為智駕底圖顯示界面，通過(guò)結(jié)合車輛的攝像頭和雷達(dá)等傳感器數(shù)據(jù)，能夠?qū)崟r(shí)反映車輛周圍的環(huán)境信息，如周圍車輛、錐桶、防撞桶等，為駕駛者提供更加直觀的駕駛場(chǎng)景模擬，增強(qiáng)駕駛的沉浸感和安全性。車輛周圍實(shí)時(shí)環(huán)境示例如圖5所示。

在人車共駕模式下，車道級(jí)導(dǎo)航地圖通過(guò)保持自駕模式下的導(dǎo)航路徑與座艙地圖的一致性，避免了駕駛者在人駕和車駕之間頻繁切換時(shí)產(chǎn)生的割裂感。這種一致性的用戶體驗(yàn)不僅提升了駕駛的流暢性，也增強(qiáng)了駕駛者對(duì)自動(dòng)駕駛系統(tǒng)的信任感。

另外，通過(guò)提供車道級(jí)的導(dǎo)航和駕駛決策支持，系統(tǒng)能夠在一定程度上減少駕駛員的駕駛負(fù)擔(dān)和錯(cuò)誤率，提高行駛的安全性和舒適性。同時(shí)，車道級(jí)導(dǎo)航地圖還可以幫助智能駕駛系統(tǒng)更好地應(yīng)對(duì)各種復(fù)雜的交通場(chǎng)景，如施工區(qū)域、惡劣天氣等，提高系統(tǒng)的魯棒性和適應(yīng)性。

3.5 智駕車輛應(yīng)對(duì)復(fù)雜和特殊場(chǎng)景的應(yīng)用

在現(xiàn)實(shí)世界真實(shí)的交通環(huán)境中，存在著各種復(fù)雜的場(chǎng)景，如復(fù)雜路口、主輔路出入口、隧道場(chǎng)景等。智能駕駛系統(tǒng)需要能夠快速準(zhǔn)確地理解這些場(chǎng)景，并作出相應(yīng)的決策。然而，目前的技術(shù)在這方面還存在不足，車道級(jí)導(dǎo)航地圖數(shù)據(jù)彌補(bǔ)了系統(tǒng)的短板[3]。

常見(jiàn)的復(fù)雜和特殊場(chǎng)景包括：

（1）復(fù)雜路口和立交橋：在復(fù)雜路口和立交橋等場(chǎng)景下，傳統(tǒng)定位方法往往難以準(zhǔn)確確定車輛的位置和姿態(tài)。通過(guò)車道級(jí)導(dǎo)航地圖和傳感器數(shù)據(jù)的結(jié)合，智能駕駛系統(tǒng)能夠準(zhǔn)確識(shí)別和匹配道路網(wǎng)絡(luò)中的關(guān)鍵特征點(diǎn)，從而在這些復(fù)雜場(chǎng)景中實(shí)現(xiàn)精確的自主定位和姿態(tài)估計(jì)。復(fù)雜路口場(chǎng)景示例如圖6所示。

（2）GNSS信號(hào)受限區(qū)域：在高樓密集區(qū)、隧道等GNSS信號(hào)受限的區(qū)域，傳統(tǒng)定位方法可能無(wú)法正常工作。遇到此類場(chǎng)景，智能駕駛系統(tǒng)可以依靠地圖數(shù)據(jù)和傳感器數(shù)據(jù)進(jìn)行自主定位和姿態(tài)估計(jì)，確保車輛在這些區(qū)域內(nèi)的行駛安全和穩(wěn)定。

4 結(jié)語(yǔ)

該文論述了車道級(jí)導(dǎo)航地圖數(shù)據(jù)內(nèi)容和在智能駕駛中的應(yīng)用優(yōu)勢(shì)，以及在智駕的自主定位和行駛姿態(tài)調(diào)整、路徑規(guī)劃和導(dǎo)航策略優(yōu)化、車輛感知和決策能力增強(qiáng)、智駕體驗(yàn)和安全性提示、應(yīng)對(duì)復(fù)雜和特殊場(chǎng)景等方向的應(yīng)用。車道級(jí)導(dǎo)航地圖數(shù)據(jù)在智能駕駛系統(tǒng)中的應(yīng)用具有廣泛而深遠(yuǎn)的意義。

地圖數(shù)據(jù)與智能駕駛系統(tǒng)的結(jié)合，顯著提高了行駛的安全性。這種結(jié)合機(jī)制不僅使智能駕駛車輛能夠更好地應(yīng)對(duì)復(fù)雜多變的交通環(huán)境，還為實(shí)現(xiàn)更高級(jí)別的自動(dòng)駕駛技術(shù)提供了堅(jiān)實(shí)的基礎(chǔ)。隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的拓展，車道級(jí)導(dǎo)航地圖數(shù)據(jù)與智能駕駛系統(tǒng)的結(jié)合將在未來(lái)發(fā)揮更加重要的作用。

參考文獻(xiàn)

[1]劉建平，鄭陽(yáng)，鄭望曉.高精度地圖的應(yīng)用和更新方案[J].汽車實(shí)用技術(shù)， 2021（12）：27-29.

[2]譚坤淋.基于人工智能算法的圖像識(shí)別技術(shù)分析[J]. 信息與電腦（理論版）， 2023（1）：196-198.

[3]杜遠(yuǎn)，孫陽(yáng).基于人工智能技術(shù)的線路施工現(xiàn)場(chǎng)安全圖像識(shí)別方法[J].電工技術(shù)， 2022（14）：87-90.