汪堃

摘 要：近些年來，高精度地圖技術(shù)的迅猛發(fā)展，促使智能汽車領(lǐng)域迎來了全新的發(fā)展契機，高精度地圖技術(shù)作為智能汽車實現(xiàn)自動駕駛的重要保障，然而，由于我國缺乏對于高精度地圖技術(shù)的研究，致使此項技術(shù)難以合理運用在智能汽車領(lǐng)域中。因此，相關(guān)人員根據(jù)實際情況，完善高精度地圖內(nèi)的各種信息數(shù)據(jù)，促使高精度地圖能夠合理應(yīng)用到智能汽車中去?；诖?，本文詳細說明了高精度地圖數(shù)據(jù)邏輯結(jié)構(gòu)，并給予了構(gòu)建高精度地圖的關(guān)鍵技術(shù)。

關(guān)鍵詞：高精度地圖 數(shù)據(jù)結(jié)構(gòu) 關(guān)鍵技術(shù)

High-precision Map Data Logic Structure and Important Technology

Wang Kun

Abstract：In recent years， the rapid development of high-precision map technology has prompted a new development opportunity in the field of smart cars. High-precision map technology is an important guarantee for smart cars to achieve autonomous driving. However， due to the lack of high-precision map technology in my country It is difficult for this technology to be reasonably applied in the field of smart cars. Therefore， relevant personnel improve various information data in the high-precision map according to the actual situation， so that the high-precision map can be reasonably applied to the smart car. Based on this， this paper describes the logical structure of high-precision map data in detail， and gives the key technologies for building high-precision maps.

Key words：high-precision map， data structure， key technology

1 引言

高精度地圖也被稱之為高精地圖，其中涉及到的數(shù)據(jù)以及內(nèi)容極其豐富，然而，傳統(tǒng)形式的電子地圖誤差能夠達到10m，并且不具備相應(yīng)的三維信息，而這種精度的更高的地圖通?？梢詫⒄`差控制到0.2m左右，并且具備極其豐富的三維信息，既可以與智能車輛實現(xiàn)實時匹配，還能幫助車輛在行駛過程中有著更為優(yōu)秀的行駛路線。

2 數(shù)據(jù)邏輯結(jié)構(gòu)以及應(yīng)用分析

2.1 智能高精地圖數(shù)據(jù)結(jié)構(gòu)

通常情況下，更加科學合理的數(shù)據(jù)邏輯結(jié)構(gòu)應(yīng)包含以下幾點特征：其一，需要地圖中有著更加詳細的信息數(shù)據(jù)，能夠在第一時間內(nèi)充分反映出地圖目標在現(xiàn)實世界中的位置;其二，地圖需要具備高度動態(tài)的道路信息，并且實時呈現(xiàn)周邊情況，確保駕駛?cè)藛T能夠解決各種突發(fā)狀況。

著名企業(yè)BOSCH公司在2007年就提出了局部動態(tài)地圖的概念，通過合理運用動態(tài)數(shù)據(jù)，可以將地圖大致劃分成4層，靜態(tài)數(shù)據(jù)、半靜態(tài)、半動態(tài)以及動態(tài)四種層級，而這種全新的動態(tài)數(shù)據(jù)邏輯逐漸成為了高精度地圖設(shè)計工作極其重要的參考數(shù)據(jù)。除此之外，智能駕駛不僅要具備極其優(yōu)秀的安全性，還應(yīng)該充分考慮廣大出行用戶是否有著更加智能化的體驗，這就為智能數(shù)據(jù)邏輯結(jié)構(gòu)的生成奠定了有利基礎(chǔ)。

2.2 靜態(tài)地圖數(shù)據(jù)

靜態(tài)地圖數(shù)據(jù)作為高精制圖工作的重要構(gòu)成部分，同樣也是完善高精度地圖內(nèi)容的主要框架。相較于傳統(tǒng)種類的電子導航地圖，此種地圖數(shù)據(jù)優(yōu)勢在于能夠?qū)嚨肋M行詳細描述，并且能夠了解并掌握道路附屬設(shè)施的實時情況。從另一種角度而言，靜態(tài)地圖數(shù)據(jù)可大致分為傳統(tǒng)形式的標準地圖以及車道級輔助地圖，其中包括車道、道路網(wǎng)以及道路周邊設(shè)施等相關(guān)內(nèi)容。

其一，道路網(wǎng)。通常以傳統(tǒng)二維導航電子地圖中的各類基礎(chǔ)道路為主要基準。適當加入三維信息，確保最終顯現(xiàn)的道路幾何形態(tài)更加精準。除各類道路以及路口外，還應(yīng)該包括道路與各個車道之間的關(guān)系，在物理數(shù)據(jù)模型中主要表現(xiàn)方式為外鍵關(guān)聯(lián)。

其二，車道網(wǎng)。主要目的在于詳細闡述車道幾何位置信息。通常情況下，車道主要構(gòu)成部分應(yīng)包括相應(yīng)的車道基準線以及連接點等相關(guān)內(nèi)容。從另一層面而言，各個路段的車道應(yīng)通過更加合理的連接點最終形成直接關(guān)系，現(xiàn)如今，車道網(wǎng)已然成為了宏觀車道級路徑優(yōu)化工作的重要基準，同時也是車道變換的基礎(chǔ)[1]，見下表1。

2.3 動態(tài)地圖數(shù)據(jù)

通常情況下，更加完善的動態(tài)數(shù)據(jù)層應(yīng)包括車輛、行人以及交通信號燈等各種動態(tài)程度較高的信息數(shù)據(jù)，再加上動態(tài)數(shù)據(jù)層有著兩種不同形式的信息來源：其一，車載傳感器。其中包括攝像頭以及雷達等設(shè)施，這類設(shè)施能夠在第一時間內(nèi)獲取到周邊環(huán)境的各類信息，通過這種手段獲取到的信息數(shù)據(jù)也被稱之為主動感知動態(tài)信息;其二，通過智能交通系統(tǒng)或者通過外部系統(tǒng)給予的各類信息，也被稱之為被動感知動態(tài)信息。從另一種角度而言，以這種方式獲得信息主要是以V2X信息為主，其中應(yīng)包含GNSS數(shù)據(jù)、航向以及車輛速度等相關(guān)內(nèi)容，大致情況如表2所示。除此之外，各類車輛主要是以動態(tài)信息預(yù)測作業(yè)，實時判斷車輛運行過程中周圍物體的運動軌跡，并獲取運行道路上各種交通信號，防止在能見度較低的交叉盲點上車載傳感器的視野盲區(qū)，確保各種車輛在行駛過程中更加穩(wěn)定，廣大人民群眾的生命安全也會得到保障[2]，見下表2。7D4E8B41-F00E-443A-8331-D4EBF9E01BFA

3 計算模式與更新技術(shù)

3.1 計算模式

維護更新作為地圖計算層面極其重要的問題之一。要想有效處理計算層面的各種難題，應(yīng)根據(jù)實際情況，選擇更加科學合理的計算模式，以此確保最終獲得結(jié)果更加精準。由于智能高精地圖涉及到的各類信息數(shù)據(jù)較為復雜，這就導致信息數(shù)據(jù)難以在第一時間內(nèi)得到更新。再加上終端所顯現(xiàn)的計算能力極其有限，導致終端難以處理大量的信息數(shù)據(jù)。傳統(tǒng)形式的云計算模式，通常是以核心集中式為主要數(shù)據(jù)處理方式，在實際運行過程中云端也會極易出現(xiàn)負擔過重狀況，致使數(shù)據(jù)處理作業(yè)難以正常實施。這就需要相關(guān)人員應(yīng)根據(jù)實際情況，創(chuàng)設(shè)更加科學合理的計算模型。

邊緣技術(shù)作為一種網(wǎng)絡(luò)邊緣實施計算工作的模型，而邊緣通常是指數(shù)據(jù)源至云計算路徑之間的任意計算以及網(wǎng)絡(luò)資源。此種計算模式的優(yōu)勢在于延時較低以及準確度高等特征。從另一種角度而言，邊緣計算涉及到的理念以及云計算技術(shù)，能夠在邊緣基礎(chǔ)設(shè)備種構(gòu)建一個處理效率更高的云計算平臺，也被稱之為邊緣云技術(shù)。此種技術(shù)作為中心云的延伸，繼承了中心云極其優(yōu)秀的計算能力以及存儲能力，并以此為基準，不斷優(yōu)化自身的各種能力，并且在實際工作中，最終形成更加健全的技術(shù)架構(gòu)（云邊端三體協(xié)同）。

要想促使智能高精地圖長時間維持周期性數(shù)據(jù)更新，應(yīng)需要在相應(yīng)范圍內(nèi)獲得更多的道路數(shù)據(jù)作為主要支撐。僅僅依靠單一的測繪作業(yè)無法在第一時間內(nèi)充分實現(xiàn)全方位覆蓋作業(yè)。通常情況下，用戶眾包作為確保高精地圖達到實時性標準的額重要方式，同樣也是高精地圖最終形態(tài)的主要構(gòu)成部分，現(xiàn)如今，眾包已然成為了群智感知實施分布式任務(wù)一種獨特的分配以及執(zhí)行機制，不僅能夠根據(jù)各類需求合理分配給個人完成任務(wù)，還可以通過自由自愿形式外包給大眾完成相應(yīng)任務(wù)，最終耗費較低的成本資金完成計算機無法完成的任務(wù)。

由此可見，要想確保數(shù)據(jù)處理作業(yè)有著更為優(yōu)秀的實時性，應(yīng)根據(jù)實際情況，通過更加科學合理的設(shè)計方式，從多方面、多角度實現(xiàn)“眾包+邊云協(xié)同計算”設(shè)計模式，促使最終顯現(xiàn)的高精地圖更加智能化，大致情況如圖1所示。圖中顯現(xiàn)的設(shè)計模式，應(yīng)以終端、邊緣云以及中心云3層架構(gòu)為主要技術(shù)支撐，確保最終顯現(xiàn)的集中式處理能力達到預(yù)期標準，在信息效用方面也能夠充分發(fā)揮出相應(yīng)的作用價值。與此同時，還要以眾包化分配機制為主要實施支撐，合理應(yīng)用群體智能較低的成本在規(guī)定時間內(nèi)完成各類情況較為復雜的任務(wù)，促使地圖能夠得到實時更新，并且達到可量產(chǎn)化目標[3]。

在具體應(yīng)用的過程中，應(yīng)始終遵守以下幾點內(nèi)容：其一，中心云端應(yīng)構(gòu)建更加科學合理的地圖數(shù)據(jù)服務(wù)中心，重視非實時以及長周期數(shù)據(jù)等各類業(yè)務(wù)需求，其中包括大數(shù)據(jù)分析;AI機器學習以及數(shù)據(jù)存儲等相關(guān)內(nèi)容，促使各類功能的作用價值能夠充分得到顯現(xiàn);其二，以邊緣云端為主要基準構(gòu)建的地圖數(shù)據(jù)服務(wù)節(jié)點，應(yīng)重視短周期數(shù)據(jù)信息處理以及多源異構(gòu)等各種數(shù)據(jù)處理作業(yè)，從多方面、多角度充分滿足各種業(yè)務(wù)需求，其中包括區(qū)域數(shù)據(jù)處理作業(yè)以及數(shù)據(jù)可視化等相關(guān)內(nèi)容，促使路況管控以及事故預(yù)警等各種功能能夠順利開展。

3.2 更新技術(shù)

通過合理實施眾包方式不僅能夠?qū)崿F(xiàn)地圖數(shù)據(jù)的實時更新，還能夠從多方面、多角度充分確保功能測試以及車輛自動駕駛作業(yè)可以實現(xiàn)順利開展。理想狀態(tài)下，各方應(yīng)運用統(tǒng)一的行業(yè)標準，通過資源共享以及信息互換等方式確保道路信息實現(xiàn)全方位覆蓋。要想促使高精地圖網(wǎng)以眾包方式順利實施信息數(shù)據(jù)采集作業(yè)以及更新作業(yè)，應(yīng)重視眾包方式的作用價值，然而，現(xiàn)如今我國具備的眾包更新技術(shù)明顯存在著諸多的不足之處，嚴重阻礙地理信息的合理使用。如何提升眾包方式的數(shù)據(jù)質(zhì)量，充分滿足智能高精地圖制圖的各類需求，已然成為了制圖工作的難點。

對于眾包數(shù)據(jù)當前存在的問題，例如，數(shù)據(jù)冗余以及數(shù)據(jù)缺失等各類狀況，人工智能技術(shù)已然成為了一項極其高效的解決對策?！氨姲?人工智能+攝像頭”眾包更新技術(shù)路線逐漸成為了企業(yè)開展相關(guān)工作的主要方式，最終顯現(xiàn)的結(jié)果也能夠達到預(yù)期標準。

其一，在終端層，由于終端層涉及到的信息數(shù)據(jù)較為雜亂，如若不能將全部的信息數(shù)據(jù)傳輸?shù)皆贫耍蜆O易發(fā)生數(shù)據(jù)冗余狀況，應(yīng)用價值更高的信息數(shù)據(jù)有可能被無效數(shù)據(jù)覆蓋，從另一種角度而言，由于各類因素（天氣、光照以及拍攝距離）影響，再加上物體本身會發(fā)生磨損以及相關(guān)變化，導致終端具備的有限性能極易導致數(shù)據(jù)發(fā)生丟失狀況。所以，應(yīng)對終端層實施數(shù)據(jù)二次加工，其中包括感知特征的有效提取以及地圖要素矢量變化，從而保證最種顯現(xiàn)的數(shù)據(jù)質(zhì)量達到預(yù)期標準，避免眾包數(shù)據(jù)體量出現(xiàn)較為嚴重的狀況。其次，在具體應(yīng)用時，應(yīng)了解并掌握Learn技術(shù)的作用價值，根據(jù)實際情況，合理應(yīng)用此項技術(shù)，確保最終顯現(xiàn)的高精地圖更加精準、穩(wěn)定。現(xiàn)如今，此項技術(shù)所顯現(xiàn)的各類優(yōu)勢已然成為了制圖領(lǐng)域的研究重點，作為人工智能技術(shù)的主要代表，深度學習技術(shù)還能夠依靠處理效率更為優(yōu)秀的CPU最終形成的神經(jīng)網(wǎng)絡(luò)模型也能對圖像數(shù)據(jù)實施效率更高的自動化處理作業(yè)[4]。

其二，云端層作為集中眾包數(shù)據(jù)的主要區(qū)域，由于傳感器性能以及數(shù)據(jù)格式等各類差異，導致數(shù)據(jù)質(zhì)量難以達到預(yù)期標準，因此，需要根據(jù)實際情況，合理分析實施的學習方式，通過優(yōu)化學習方式，對各類數(shù)據(jù)實現(xiàn)二次加工，其中包含特征提取以及質(zhì)量優(yōu)化等相關(guān)內(nèi)容，并對各種無效信息開展過濾工作，確保信息提取作業(yè)不會受到劣質(zhì)數(shù)據(jù)影響，從而保證最終顯現(xiàn)的中報數(shù)據(jù)精度更加精準。與此同時，在具體應(yīng)用過程中，應(yīng)充分運用人工智能以及大數(shù)據(jù)處理技術(shù)，確保在海量的信息數(shù)據(jù)中獲得價值更高的信息數(shù)據(jù)。例如，在特征提取方面，應(yīng)實施深度學習目標檢測以及分割機器視覺等各種技術(shù)，促使提取過后的信息質(zhì)量更加優(yōu)秀，從另一種角度而言，圖像超分辨率技術(shù)能夠優(yōu)化圖像以及視頻的清晰度，在數(shù)據(jù)融合方面，應(yīng)根據(jù)眾源軌跡數(shù)據(jù)的實際空間分布特征，合理融合相應(yīng)的車載軌跡數(shù)據(jù)，確保屬性信息識別工作能夠正常運行[5]。

4 結(jié)語

總而言之，智能高精地圖已然成為了廣大人民群眾日后出行的重要部分。通常情況下，出行即服務(wù)理念的出現(xiàn)充分滿足了廣大人民群眾的各類需求，這就需要以人為中心，以交通基礎(chǔ)設(shè)施以及運載工具等各種系統(tǒng)為重要基準，合理推進交通運輸資源實現(xiàn)在線集成以及共享作業(yè)，并充分運用大數(shù)據(jù)決策的優(yōu)勢從多方面、多角度實現(xiàn)資源合理配置，促使出行更加安全可靠。智能高精地圖如若能夠?qū)崿F(xiàn)交通資源最優(yōu)化配置，就要充分發(fā)揮出交通資源聯(lián)動工作的作用價值，從問題根本上解決各種狀況，確保廣大人民能夠?qū)崿F(xiàn)高質(zhì)量出行。

參考文獻：

[1]楊振凱，華一新，訾璐，等.淺析高精度地圖發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)[J].測繪通報，2021（6）：7.

[2]陳龍，劉坤華，周寶定，等.多智能體協(xié)同高精地圖構(gòu)建關(guān)鍵技術(shù)研究[J].測繪學報，2021，50（11）：10.

[3]陳旭.基于多傳感器信息融合的地圖構(gòu)建和移動機器人導航研究[D].重慶郵電大學，2020.（24）：14.16

[4]楊殿閣，李慶建，王艷，等.高精動態(tài)地圖基礎(chǔ)平臺參考架構(gòu)和技術(shù)路線[J].智能網(wǎng)聯(lián)汽車，2021（1）：10.

[5]許廣宏，陶靖琦.基于高精地圖的自動駕駛中法規(guī)分析與應(yīng)用集成解決方案[J]. 上海汽車，2020，No.364（12）：20-27.7D4E8B41-F00E-443A-8331-D4EBF9E01BFA