顾颖虹

(中移(上海)信息通信科技有限公司, 上海 201206)

0 引言

自动驾驶是汽车与交通领域的颠覆性技术,是新一代移动通信技术、大数据技术、人工智能技术等先进技术与汽车产业深度融合的产物,对于促进社会经济、科技、安全发展,带动国家制造业和汽车产业的转型升级具有重要意义[1-2]。高精度地图(High Definition Map),又称自动驾驶地图,是面向机器(智能汽车控制系统)使用的地图。相较于传统导航电子地图,高精度地图的精度更高,道路语义信息更丰富且准确。通常情况下,传统导航电子地图的绝对精度在5 m左右,仅描绘道路位置和几何形态。高精度地图的绝对精度普遍认为在5～20 cm之间,并且三维表征车道级道路空间信息,能够以云边协同、车路协同等方式实现信息加载,辅助车辆感知、定位、规划与控制,满足智能时代多种高层次的应用需求[3]。

自2016年特斯拉ModelS在开启自动驾驶模式下发生交通事故以来,各大主机厂认识到单纯依靠激光雷达、摄像头等车身传感器的方案存在局限性,行车安全无法保障,L3级别以上的自动驾驶功能实现必须引入高精度地图,将其作为虚拟传感器,拓展车身传感器的性能边界[4]。此外,高精度地图不仅应用在自动驾驶领域,同时也可进一步构建位置服务产品的核心,如在互联网交通精细执法、智慧出行、智慧城市等多方面发挥作用[5-6]。近年来,受新冠肺炎疫情的影响,京东、美团、新石器慧通(NEOLIX)等公司先后将无人消毒车、无人送货车投入一线使用,高精度地图作为无人车在示范区内公开道路上安全行驶的关键技术之一发挥着至关重要的作用。截至2021年3月,国内已有30家单位获得导航电子地图甲级测绘资质,以期在高精度地图领域获得业务发展先机,其中以高德、百度(长地万方)、四维图新为代表,也不乏互联网头部企业和初创新势力。

虽然高精度地图受到测绘行业、汽车电子行业等学者的密切关注,但其研究存在以下现象:①从文献分析角度看,总体研究深入不够,表现在科普性的宣传报道文献较多;②技术研究集中在高精度地图数据的采集原理、建图原理等,从自动驾驶应用开发角度探讨高精度地图的协同应用相对较少;③数据逻辑结构则侧重于从动静态图层的划分、要素定义等细节探讨与传统导航电子地图的差异,研究与传统导航电子地图的交互较少。因此,文章围绕高精度地图在自动驾驶应用的实现路径,从高精度地图数据分发引擎的应用架构、数据模型以及基本分发内容3个方面,探讨高精度地图数据在车端应用实现中解析、传输、重构的过程,从而对高精度地图数据在自动驾驶方面的应用方式进行梳理。

1 地图数据分发应用架构

自动驾驶系统可依托高精度地图将复杂环境进行解构,把人性化的社会规则转换为车辆能够理解的方式进行传递,从而降低或优化分配自动驾驶系统在实现远视距环境感知时对其他车身传感器的依赖[7-8]。分布式的汽车电子电气架构下,高精度地图通常与“定位”或“感知”模块组合为统一整体并内置于“地图盒子”或地图控制单元(electronic control unit,ECU)的软硬件一体化产品中,协同输出能力供其他控制单元使用。随着下一代汽车电子电气架构趋向于高性能的中央集中式,高精度地图将会以独立模块存在,直接嵌入在中央域控制单元。但无论哪种方式,都需将地图语言转换成汽车语言,即将原始高精度地图数据进行有效的分析分解后形成自动驾驶中央域控制器可用的数据。在此内部数据传输过程中,遵循高级驾驶辅助系统数据传输协议(advanced driver assistance systems interface specifications,ADASIS),该协议于2019年正式发布,主要目的是为解决各功能控制单元或控制域异构的问题[9]。

当高精度地图数据以一定形式分发至车内以太网或控制器局域网(controller area network,CAN)总线时,自动驾驶中央域控制单元如何对该高精度地图信息进行利用是要处理的问题,也就是地图数据传递至应用系统包含数据解析、传输及信息再重构的过程。ADASIS定义的高精度地图数据分发应用架构(图1),包括提供地图数据的分发引擎(electronic horizon provider,EHP)和重构地图数据的引擎(electronic horizon restructure,EHR)。其中EHP,也被称为电子地平线,负责地图数据的组织与发送,为高级驾驶辅助系统(advanced driving assistance system,ADAS)应用提供超视距的前方道路信息,是高精度地图数据与ADAS应用之间的桥梁。类似于其他车身传感器数据,高精度地图数据也是以消息形式传输至自动驾驶控制单元。电子地平线消息的主体结构由位置消息(Position Message)、属性消息(Profile Message)、全局元数据消息(Global Data Message)、属性控制消息、路径控制消息构成。EHR则是主要负责分析和解释从EHP接收到的数据,并重构地图数据供ADAS应用模块使用。EHP的主要数据来源是本地地图数据库系统和车辆定位传感器的数据,车身其他视觉传感器的感知数据是作为辅助数据输入,更新或补充车辆当前位置的电子地平线消息。各ADAS应用程序监听以太网上的电子地平线消息,有选择性地获取和自身应用有关的单个或多个电子地平线消息数据,最终完成各项应用[10-11]。

图1 基于ADASIS的高精度地图分发应用架构

2 地图数据分发模型

高精度地图作为自动驾驶系统中不可或缺的虚拟传感器之一,不受各种天气气候环境的影响,在一些车身传感器感知性能下降或失效的情况下,依旧可在一定时间内提供前方道路环境信息,起到感知冗余的作用[12]。根据ADASIS的定义,电子地平线是表达车辆前方的道路及道路属性信息,也是自动驾驶系统应用开发中主要分发的高精度地图数据,其逻辑描述也引入了路径、偏移量、属性等基本实体。由于地图数据使用者切换至车辆控制系统,用于分发的数据模型和常见的导航电子地图表达有所不同,本章分别从路网模型表达、属性模型表达、自车位置模型表达3个方面进行梳理。

路网模型。现实道路一般涉及描述和计算两个作用,数据分发时需侧重于计算,要求有明确的综合性。从自动驾驶功能应用实现角度,最需要检索获取的是车辆前方合理时间内可访问的路段及相关属性,对于车辆后方的路网信息并不关注。因此,用于分发的路网模型是由车辆为中心的层级式最可能路径(Most Preferred Path,MPP)的集合。该集合包含二层的模型抽象,首先经由现实世界抽象表达成高精度路网模型,再由高精度路网模型进一步组织、优化抽象为路径表达的层级式树状模型。其中,第一步的目的是将现实世界复杂的道路环境转化为简单的抽象视图,并能够准确地表示道路属性。如图2(a)所示,采用导航时代被广泛应用的节点(node)、链路(link)道路网络数据模型,再重新定义参考线、细化车道分组等的方式[13]。第二步的目的是将图2(a)以地图为中心的表达切换为图2(b)所示以机器为中心的表达方式。其构建过程是根据车辆所在link,将车辆通过前方道路网络的所有可能路径表达为独立Path,并进一步优化路径组织方式,如link 95因位于车辆后方,被视为无效路段而舍弃。图2(c)则是车辆视角的最可能路径集合,车辆未来可能遵循的行驶路线。上述以线性路径方式分发高精度地图数据的优势在于车端应用程序无须遍历所有弧段、节点,便可获得到达目的地的可选路由。

(a)节点链路路网模型 (b)路径路网模型

(c)车辆视角的路径路网模型

属性模型。道路除开空间综合描述外,属性表达对高精度地图数据的车端应用分发具有较大影响：①属性数据项需能够对道路进行完整有效的描述；②要确保支持消息的有序紧凑传输。因此,数据分发的属性模型由路径、偏移量、属性插值类型、属性值构成。其中偏移量具体是指自车当前位置距离后方关键点的距离,该相对量是通过两个绝对值相减获得。如图3所示,属性插值类型包括点值,范围值,线性值3种类型。

点值类型的属性定义为在路径范围内某一给定位置存在点属性,属性的差异通过不同的偏移量来表达。范围值类型的属性定义为到下一属性的偏移量位置处一直有效,也可通过结束偏移量(EndOffset)终止区间范围。线性值类型的属性定义为在给定的位置间进行线性插值表达。

具体属性表达时,采用沿路径的方式,通过路径偏移量表示在路径范围内属性的所在位置,诸如路径上的交通附属设施、路口等均视为路径的属性。诸如交通信号灯、杆状物等附属设施表达时可定义为点值类型的属性,车道宽度可定义为范围值类型,而各类限制信息因具有生效距离可定义为范围值类型或线性值类型。

图3 属性插值类型示意图

自车位置模型。结合前文描述的数据分发路网模型和属性模型表达方式,在数据分发引擎中,自车位置的表达并非以经纬度值的绝对表达,而是基于所在路径的相对位置描述。其确定对车辆前方道路层级式可能路径的生成起到关键作用。通常情况下,由于不确定性,自车位置可能映射至一个或多个路径中,因此,自车位置的表达由时间戳和包含有路径、偏移量、偏离值的数组构成,其字段描述如表1所示。其中时间戳可直接获取卫星导航定位系统的定位信息,偏离值表达车辆绝对位置与匹配路径的垂直距离,可作为具体自动驾驶系统是否启用地图数据的判断依据。在该数组中,可进一步扩展其他属性,如车速,航向、当前车道、最优可选路径等。

表1 自车位置消息字段

3 面向导航规划的基本分发内容

基于高精度地图的导航规划是指在传统道路级路径规划基础上,结合车道模型并设计代价函数,得到给定目标下最优导航路径和行驶策略[14-15]。以前文的数据分发应用架构和分发模型为基础,本章对关键功能导航规划的实现,进一步阐述高精度地图数据在应用实现时的解析、传输、重构过程。

导航规划实际是高精度地图接受导航电子地图发送的由驾驶员设置的目的地信息进行路径规划的过程,包括对车辆当前位置的探测和下一时刻位置的预测。当完成车辆定位后,采用分层寻路的方式,先由导航电子地图数据实现全局最优的寻路,再通过道路和车道之间的协同对应关系、权值信息,计算出车道级路径规划,最后将车道级路径规划传输到域控制器,辅助进行局部路径规划[16]。因此分发引擎需分发道路级的层级式路径以及其车道级扩展,以满足对周边交通环境快速的宏观评估,也需要自车前后一定距离进行精确的微观识别需求。当未接收驾驶员设置的目的地信息时,分发引擎把Path1、Path2、Path3全部封装在路径控制消息中,诸如车道数、几何形状、曲率等沿路径的特征作为路径属性全部封装在属性消息中,重构引擎EHR判断本地是否存在该集合的路径和对应属性,选择创建、更新还是删除,但始终保持一定滑动距离窗口,确保自车前后一定距离数据的可用性,支持自动驾驶系统精确的微观识别[17-19]。

基础消息体在导航规划功能实现时所需分发的内容如表2所示。在全局元数据消息中,必须定义说明国家代码、地区代码、时区、驾驶方向、单位定义等属性说明数据;在属性消息中,必须包含前述的路径、偏移量、道路模型、车道模型、所在车道、车道基础设施、动态信息等路网空间综合描述数据;在位置消息中,必须包含前述的时间戳、所在路径编号、偏移量、映射置信度等;属性控制消息和路径控制消息则通过路径的父子关系及路径偏移量等分别定义路径和各类属性的在分发时的生命周期及同步机制[20-21]。

表2 图基本分发内容

4 结束语

高精度地图是实现自动驾驶车辆在各种复杂环境安全行驶的关键基础设施之一。本文围绕高精度地图数据分发的应用架构、数据分发模型表达以及导航规划功能实现时的基本分发内容进行了详细阐述。高精度地图数据与自动驾驶应用开发间具有解析、传输、重构的一般过程,数据分发引擎是该过程中实现地图语言转换为汽车语言的关键步骤,对于分发的数据逻辑结构和基本内容需要兼顾自动驾驶宏观与精微层面的不同应用需求。然而高精度地图与自动驾驶应用层开发之间的协同应用研究跨越传统测绘、计算机和汽车电子等众多领域,其研究内容远不至于此,如分发数据的安全性,统一接口服务能力(车内、车际、车云)等问题亟待研究和突破,在实际应用中为了获得更优的运行性能从而丰富ADAS应用,也需平衡车内通信网络的带宽限制与待传输消息序列内容的问题,尽可能避免提供不必要的数据。

为加快我国高精度地图相关产业研发与商业化进程,我国相继出台了一系列政策措施:在国家发改委、工信部等11部委联合印发的《智能汽车创新发展战略》提出开发标准统一的智能汽车基础地图,提供实时动态数据服务的发展目标;在《智能网联汽车技术路线图2.0》中全面梳理和修订了智能网联汽车技术架构和体系,明确了高精度地图是智能网联汽车“三纵三横”技术架构的基础支撑关键技术之一;国家地理信息管理司也进一步推进“放管服”政策,就现行法律法规限制技术发展情况,对于数据采集、信息表达合规,保密技术处理、审图流程等方面,提出了审慎监管、先行先试的开放解决思路。可以预见,伴随着政策开放、5G通信低时延大带宽的巨大推动作用,自动驾驶的研究重点将从单车智能逐步倾斜于车路协同,高精度地图的服务支撑功能将进一步发挥关键作用。