文/陳根
地圖是對刻畫與描述地球表面的各種現象的數據的可視化表達，它可以幫助人們通過這些可視化表達來認識、記錄地理世界。因此，地圖是一種空間分析的模型，是一種基於空間聯繫的空間思維體系，也是解決現實問題的有效手段。
對於人類駕駛員來説，傳統電子地圖的主要作用是導航，包括從A地到B地的路徑規劃、車輛和道路的定位匹配、POI檢索等，例如騰訊地圖、高德地圖、百度地圖等。
隨着自動駕駛產業的飛速發展，由於高精地圖提供的高精定位、超視距感知、車道級路徑規劃等服務能夠提升自動駕駛的安全性，使得其重要性獲得業界的普遍認可，這也讓高精地圖成為自動駕駛行業的兵家必爭之地。
自動駕駛和高精地圖
高精地圖，通俗來講，就是精度更高、數據維度更多的電子地圖。精度更高體現在精確到釐米級別，數據維度更多體現在其包括了除道路信息之外的與交通相關的周圍靜態信息。而高精地圖的高精度、高粒度和實時性正是實現自動駕駛的重要條件。
從高精度來看，相比服務於GPS導航系統的傳統地圖而言，高精地圖最顯著的特點是其表徵路面特徵的精準性。以道路為例，傳統地圖只需要做到米級精度即可實現GPS導航，但高精地圖需要達到釐米級精度才能保證無人車行駛安全。精準的地圖對自動駕駛車的定位、導航、控制及安全至關重要。
一般來説，高精地圖需要絕對精度控制在2米以內，相對精度在10cm以內。絕對精度是供自動駕駛車進行定位和地圖匹配用的，相對定位是供自動駕駛車控制方向盤的轉向角用的。絕對精度可以相對差一些，甚至10m左右的絕對精度也並不妨礙地圖匹配。在地圖匹配後，通過高精地圖周圍元素與攝像頭所識別的周圍元素進行比對，可以進一步得到更準確的位置。
與汽車控制及精確定位有關的相對精度需要更精確一些。馬路上的車道線的寬度大約在20cm左右。所以，如果相對精度控制在10cm左右，可以讓行駛的車輛在自動駕駛的情況下不會越線，從而滿足自動駕駛車輛對高精地圖的精度要求。
不同地圖元素所需的精度是不同的。一般而言，由於車道線和方向盤控制直接相關，所以對於車道線的精度要求要高一些。對於車道線的周邊的杆、牌等對象元素來説則不然。此外，不同場景所面臨的精度要求也不同。例如，一般情況下，道路車線的絕對精度是正負1米，但是在隧道里，就不要求正負1米了。這是因為在隧道中，由於GPS信號較差，所以絕對定位無法做到正負1米。精度也與自動駕駛的需求有密切關係。不同階段的自動駕駛（Level1到Level5）的功能，會對精度有不同的需求。
從高粒度來看，高精地圖比傳統地圖粒度要高很多，主要表現在高精地圖的數據維度上。傳統電子地圖數據只記錄道路級別的數據，包括道路形狀、坡度、曲率、鋪設、方向等。高精度地圖不僅增加了車道屬性相關（車道線類型、車道寬度等）數據，還需要反饋給車輛例如道路前方信號燈的狀態、限高、禁行等，來保證車輛安全、正常行駛。
同時，高精度地圖還需要車道周圍的杆、標誌牌、隧道、天橋等信息作為輔助來實現車道級定位。更高級的高精度電子地圖會包含周邊道路環境的3D模型等空間信息。與杆、牌等對象信息所起的輔助定位作用一樣，通過這些高精度的3D模型，無人駕駛系統就可以通過比對車載GPS、IMU、LiDAR或攝像頭的數據來實現更精確的定位，從而更精確地檢測、控制自動駕駛車輛的位置。此外，高精地圖需要繪製出信號失鎖區域。在信號失鎖區域，自動駕駛車需要提高攝像頭識別的靈敏度。
從實時性角度來看，高精度地圖對數據的實時性要求更高。根據博世在2007年提出的定義，無人駕駛時代所需的局部動態地圖（Local Dynamic Map）根據更新頻率劃分可將所有數據劃分為四類：永久靜態數據（更新頻率約為1個月），半永久靜態數據（頻率為1小時），半動態數據（頻率為1分鐘），動態數據（頻率為1秒）。傳統導航地圖可能只需要前兩者，而高精地圖為了應對各類突發狀況，保證自動駕駛的安全實現需要更多的半動態數據以及動態數據，這大大提升了對數據實時性的要求。
在製作動態地圖時，為了實現儘可能高的實時性，需要增加高精數據的來源，一個較好的方法就是通過眾包。數據可以來源於政府的智慧城市和智慧交通上的業務、出租車的回傳數據、手機終端的回傳數據、自動駕駛車的回傳數據。
對於圖商來説，他們需要得到自動駕駛車的回傳數據來更新地圖。一種常見的合作模式是，圖商將高精數據提供給政府、車廠和普通用户。用户在使用之後，不斷向圖商傳回位置數據，從而實現數據的閉環。
高精地圖的測繪限制
與傳統的電子地圖相比，高精度地圖由於精度更高，涵蓋的信息更廣，可以為車輛提供較傳感器更詳細的環境信息。因此，高精度地圖儼然成了自動駕駛汽車最核心的技術之一。但由於自動駕駛地圖提供的數據對於精度的要求，涉及到了空間信息安全，現行的法律以及政策在數據採集、傳輸、儲存、使用以及表達上依然存在諸多限制，這也在一定程度上制約了高精度地圖的發展。
首先，高精度地圖的數據採集和製作都屬於測繪活動。根據《測繪法》定義，測繪是指“對自然地理要素或者地表人工設施的形狀、大小、空間位置及其屬性等進行測定、採集、表述，以及對獲取的數據、信息、成果進行處理和提供的活動”。
高精度地圖數據採集需要由專業採集車輛或眾包車輛對道路及其周邊地理要素或人工設施的特徵（形狀、大小、空間位置）進行實時採集、處理及提供，並且在後期高精度地圖的製作還要由圖商進行編輯加工和數據轉換，以符合《測繪法》對於測繪活動的定義。
由於地理信息涉及國家秘密，在中國從事高精度地圖測繪活動需要獲取導航電子地圖甲級資質。根據公開信息，截至今年3月，擁有導航電子地圖甲級測繪資質的單位僅有22家。這使得數據的採集和使用以及表達受到極大限制，部分企業由於現行法規限制，沒有測繪資質就沒辦法採集、使用以及儲存這些空間位置信息，只能夠跟有資質的圖商進行合作。
另外，包括眾包採集，以及道路的高程、坡度、曲率，橋樑隧道的限高、限重等信息，按照現行政策，也有明確的限制。比如，在《基礎地理信息公開表示內容的規定》中規定，快速路、高架路、引道、街道和內部道路的鋪設材料、最大縱坡、最小曲率半徑不可公開。同時，也不能記錄涉密的地理信息數據（座標、高程等）。而車企對於這些數據又有很強的需求，這直接導致在自動駕駛中，坡度和高程無法直接使用，這將對地圖的便捷使用造成影響。
其次 ，高精地圖缺少統一的數據管理平台。自動駕駛地圖不僅包含很高精度的道路靜態信息，未來可能還會包含交通事件以及道路施工等動態信息。基於這樣一個特性，其數據採集和更新成本將持續走高。
而隨着自動駕駛的發展，更多的汽車廠、圖商對高精地圖投入了越來越多的資源。奔馳、奧迪、寶馬收購了原本屬於Nokia的Here地圖，福特、上汽投資了CivilMaps，軟銀投資Mapbox。阿里巴巴收購了高德地圖，並大力投入高精地圖領域；騰訊入股了四維圖新，同時騰訊內部成立了自動駕駛部門；百度將自動駕駛和高精地圖作為其AI戰略的抓手，並在2015年底就宣佈了五年內自動駕駛車輛實現量產。
這些廠商在發展高精地圖時，由於各自的數據格式並不相同，所以導致數據無法方便地在彼此間進行交互。同時，由於他們都把高精地圖當作自己的核心競爭力，所以彼此的高精地圖不進行共享，這就導致了每家圖商都要獨自採集全國的高精地圖數據，就進一步提高了成本。此外，車廠也不情願對圖商共享數據，這進一步推高了高精地圖的採集成本，同時拖延了高精地圖的更新速度。
最後，是高精地圖技術上依舊面臨突破。由於高精地圖呈現的信息量相對較大，導致高精地圖在數據的採集上較普通電子地圖難度更高，採集週期更長。而目前高精地圖還無法做到國內所有道路全面覆蓋，只能覆蓋部分高速公路及主要的城市道路。
另外，自動駕駛的程度越高，對數據內容和精度的要求就會越高。以車道線的製作為例，可以利用深度學習的方法對激光點雲進行自動化識別來提取車道線，路面標識也可以通過類似的自動化識別來實現。三岔或十字路口的車道拓撲的構建，可以通過數據編譯來實現。
通過這些自動化處理的方式，可以降低高精地圖生產成本。由於自動識別的效率需要依賴算法的提升，所以這種效率的提升不是一個一蹴而就的過程，而是一個長期的過程。
由此可見，高精度地圖的產業化之路依舊道路且長。儘管如此，過去幾年該領域還是吸引了大批企業佈局。放眼市場，除了傳統的圖商，像BAT等科技巨頭，BBA等傳統車企都在紛紛藉助收購、投資或者合作等手段進入高精度地圖領域。甚至還誕生了一大批初創型企業，如Momenta、寬凳、晶眾等。
在多方勢力角逐之下，高精度地圖的市場進程節奏已然加快。隨着製造業和通訊技術的發展，大範圍、低成本地實現高精地圖生產指日可待。