文章快速检索  
  高级检索
智能高精地图数据逻辑结构与关键技术
刘经南1, 詹骄1, 郭迟1, 李莹2, 吴杭彬3, 黄鹤4     
1. 武汉大学卫星导航定位技术研究中心, 湖北 武汉 430079;
2. 百度在线网络技术(北京)有限公司, 北京 100085;
3. 同济大学测绘与地理信息学院, 上海 200092;
4. 北京建筑大学测绘与城市空间信息学院, 北京 102616
摘要:以车辆自动驾驶、无人驾驶为研究对象,讨论定义了智能高精地图,认为智能高精地图作为未来出行的关键一环,是交通资源全时空实时感知的载体和交通工具全过程运行管控的依据。智能高精地图作为一种全新的地图形式,与传统导航电子地图相比,在地图学理论和应用需求等方面有其鲜明特点。为推动智能高精地图研究与应用进展,需要对其关键特征与问题展开分析讨论。本文从地图学理论上提出智能高精地图信息传输模型;从实际应用上结合轮式机器人自主智能控制流程,提出智能高精地图数据逻辑结构,并分析其在自动驾驶中的应用;从计算模式上总结"众包+边云协同计算"计算模式,并针对如何提高众包数据质量的问题,开展关键技术分析;从应用场景上分析未来智能高精地图的有效应用场景;最后提出对本领域未来发展的一些思考与建议。
关键词智能高精地图    信息传输模型    数据逻辑结构    用户模型    计算模式    边云协同    
Data logic structure and key technologies on intelligent high-precision map
LIU Jingnan1, ZHAN Jiao1, GUO Chi1, LI Ying2, WU Hangbin3, HUANG He4     
1. Research Center of GNSS, Wuhan University, Wuhan 430079, China;
2. Baidu Online Network Technology(Beijing) Co. Ltd., Beijing 100085, China;
3. College of Surveying and Geo-informatics, Tongji University, Shanghai 200092, China;
4. School of Geomatics and Urban Spatial Informatics, Beijing University of Civil Engineering and Architecture, Beijing 102616, China
Abstract: This paper takes autonomous driving and driverless as the research object, discusses and defines intelligent high-precision map. In this paper, intelligent high-precision map is considered as a key link of future travel, and a carrier of real-time perception of traffic resources in the entire space-time range, and the criterion for the operation and control of the whole process of the vehicle. As a new form of map, intelligent high-precision map has distinctive features in terms of cartography theory and application requirements compared with traditional navigation electronic maps. In order to promote the development of research and application of intelligent high-precision map, it is necessary to analyze and discuss its key features and problems. This paper proposes the information transmission model from the cartography theory; combines the wheeled robot's control flow from practical application, proposes the data logic structure of intelligent high-precision map, and analyzes its application in autonomous driving; summarizes the computing mode of "crowdsourcing+edge-cloud collaborative computing", and carries out key technical analysis on how to improve the quality of crowdsourced data; analyzes the effective application scenarios of intelligent high-precision map in the future; Finally, presents some thoughts and suggestions for the future development of this field.
Key words: intelligent high-precision map    information transmission model    data logic structure    user model    computing mode    edge-cloud collaboration    

智能高精地图(intelligent high-precision map)是汽车自动驾驶的关键基础设施,因此也被称之为自动驾驶地图[1-3]。根据美国汽车工程师学会(Society of Automotive Engineers, SAE)的自动驾驶等级划分[4],智能高精地图也有着相应不同的定义范围(表 1):①L3级以下对于高精地图没有刚需,L0、L1级通过传统地图实现基础的道路导航功能[5],L2级引入ADAS(高级驾驶辅助系统,advanced driving assistant system)数据支撑汽车主动安全;②L3级实时环境感知的主体由人类驾驶员变为自动驾驶系统,高精地图已成为必选项,且需要车辆实时位置与高精地图能匹配一致[6-8],L3级系统作用域为场景相对简单的限定环境(如高速公路、封闭园区等),地图精度要求相对较低,且复杂度高的动态目标(如行人等)数量相对较少,实时传感器数据足够支撑有效的动态目标识别,地图只需提供静态环境与动态交通(即实时路况)信息;③L4级自动驾驶能够完成限定条件下的全部任务,无须人工干预,安全性要求高、地图精度要求高,且需地图提供动态交通和事件信息(包括实时路况与高度动态信息)以辅助周边环境模型构建;④L5级能够在任意环境条件下完全自动驾驶[9],作用域的显著扩大需要海量众包源为地图提供数据支撑,且需要地图具备高度智能性,能结合分析数据实现对环境的高度自适应。

表 1 不同级别自动驾驶对地图的需求 Tab. 1 The map requirements in different levels of autonomous driving
环境监控主体 分级 名称 定义 系统作用域 数据内容 地图精度
/m
采集方式 地图形态 地图目的
人类 L0 无自动化 完全人类驾驶 传统地图 10 GPS轨迹+IMU   静态地图 道路导航
L1 驾驶辅助 单一功能辅助,如ACC(Adaptive Cruise Control) 限定 传统地图 10
L2 部分自动化 组合功能辅助,如LKA(Lane Keeping Assist) 限定 传统地图+ADAS数据 1~5 主动安全
系统 L3 有条件自动化 特定环境实现自动驾驶,需驾驶员介入 限定 静态高精地图 0.2~0.5 高精度POS+图像提取 静态地图+动态交通信息 自动驾驶
L4 高度自动化 特定环境实现自动驾驶,无须驾驶员介入 限定 动态高精地图 0.05~0.2 高精度POS+激光点云 静态地图+动态交通和事件信息
L5 完全自动化 完全自动控制车辆 任意 智能高精地图 多源数据融合(专业采集+众包) 静态地图+动态交通和事件信息+分析数据

测绘精度是智能高精地图的核心指标。目前虽无强制性标准规定,但普遍认为智能高精地图的绝对坐标精度应在5~20 cm之间[10-12],并包含道路静态与动态环境信息,能够以云端协同、车路协同等方式实现信息加载,辅助车辆感知、定位、规划与控制且具备自学习、自适应、自评估能力。

本文主要研究内容包括:①从地图学理论上提出智能高精地图信息传输模型;②从实际使用上结合轮式机器人自主智能控制流程,提出智能高精地图的数据逻辑结构并分析其各层数据在自动驾驶各环节中的作用;③从计算模式上总结“众包+边云协同计算”的智能高精地图计算模式,并针对众包采集的低质量数据如何满足高精地图制图要求这一问题,开展关键技术分析;④从应用场景上分析未来智能高精地图的有效应用场景;⑤提出本领域未来发展的思考与建议。

1 信息传输模型

地图信息传输模型是开展地图研究的基础,用以表现信息传输过程的主体构成、传输指向及信息流。考虑到目前智能高精地图在信息传输模型方面尚缺乏理论支撑,有必要对其信息传输模型进行相关研究,为后续更进一步研究提供理论基础。下面通过结合传统的地图信息传输模型,提出一种智能高精地图信息传输模型,并分析其模型构成、特点及传输过程。

经典的柯拉斯尼地图信息传输模型可以用六元组TT=(P1P2U1U2CM)表示,其中:①C表示客观世界,M表示地图;②P1P2分别表示制图者集合与用图者集合;③U1为制图者对空间环境的认识;④U2为用图者对空间环境的认识。信息传输是从制图者到用图者的单向传递,基本过程为CP1U1MU2P2:客观世界通过制图者的认识形成概念,使用地图语言变成地图,用图者通过对地图图形与符号的解析形成对客观世界的概念。该模型将客观世界、制图者、用图者与地图统一在一个相互联系的系统之中[13],在推动地图学发展与应用方面发挥了重大作用[14]。但由于其研究对象是传统地图,信息传输无法满足智能高精地图的实时和机器认知的需求,其本身仍存在着一定的局限性:①U1U2表示制图者与用图者对空间环境的认识,是相对静态的地图空间认知,缺乏对实时环境的动态认知;②P1P2被隔离开,P2不直接参与地图制作,只是被动的信息接收者,M并不一定能很好地满足用户需求;③P1MP2的信息传递过程中,制图者和用图者依靠自身空间认识与图形思维能力去制作与理解地图,其专业知识素养会对地图信息传输产生较大影响,信息传输效率不高。此后随着互联网地图、个性化地图等新兴地图的出现,柯拉斯尼模型也被不断进行补充与完善[15-17]

本文认为智能高精地图信息传输模型可以用七元组表示(图 1):HT=(P1P2U1, U2CMF)。相比于柯拉斯尼模型,主要区别在于:①传感器的大规模普及使用,使地图内容由地理环境扩展为与时空环境相关内容,制图者与用图者对环境的认识从地图空间认知U1U2提升至动态感知认知U1U2[18-19];②引入由U2决定的用户认知特征及需求F(不同U2决定F的独特性),将原来依赖于用户认知特征与思维能力的间接信息自适应转变为直接信息,降低认知负荷,提升认知效果与传输效率,实现地图与用户需求的自适应;③集合P1P2部分重叠,表示用图者不再是被动接受信息,也参与地图制作,由单一的专业制图者转变为专业制图者与大众化众包认知相融合的形式,地图信息在P1P2M间双向传递,并以用户需求与特征为牵引。其信息传输主要包括6个阶段:

图 1 智能高精地图信息传输模型 Fig. 1 The information transmission model of intelligent high-precision map

(1) 用户模型构建阶段:获取个性信息F,构建用户模型。

(2) 信息获取阶段:基于直接观测、间接观测、制图者主观因素、用户模型信息,形成制图者对环境的认识U1

(3) 信息加工阶段:基于制图者对环境的认识,智能化信息加工,通过互联网传输,形成智能高精地图M

(4) 信息解译阶段:通过互联网接收地图,结合自身对环境的观测与个人特征,分析与解释地图,形成用户对环境的认识U2

(5) 交互反馈阶段:用户对地图个性化服务的评价,制图者对反馈的响应,两者间通过网络进行动态交互。

(6) 行为指导阶段:基于用户对环境的认识,为实际行动提供基础。

信息传输模型的研究对智能高精地图具有重要指导意义,有助于准确把握智能高精地图的本质及内容结构,为实际应用提供支撑。例如:信息传输模型的三大特点:动态化、个性化、众包化,可以辅助智能高精地图确定数据内容(动态信息、用户信息)及数据来源。

2 数据逻辑结构及应用分析

智能高精地图由多层数据组合而成,其数据逻辑结构应能准确反映道路环境,实现地图数据的多尺度标定和高效存储,支持定位、路径规划、决策控制,并能满足导航中基于空间索引的需求[20]。许多研究者对智能高精地图进行了研究,但在数据逻辑结构与实际应用等方面缺乏统一认识。基于此,下面通过结合轮式机器人自主智能控制流程及相关地图数据逻辑结构,提出一种相对完整且准确的智能高精地图数据逻辑结构,并分析其各层数据在自动驾驶各环节中的作用。

2.1 智能高精地图数据逻辑结构

有效且合理的数据逻辑结构是智能高精地图领域的研究重点:①在静态数据逻辑结构方面,文献[21]将高精地图分为4层:道路层、车道网络层、车道线层与交通标志层;文献[22]建立了用于车道路径导航的3层车道级地图体系结构,设计了道路层、中间层与车道级层;国际导航数据标准协会(Navigation Data Standard Association, NDS)提出用于改进导航定位与路径规划的Open Lane Model[23],存储高达1 cm分辨率的车道拓扑与高精度几何图形。②基于现实环境的动态性与复杂性,仅依靠静态地图数据不足以刻画真实的周边环境,为了保证出行安全,还需引入动态地图数据。BOSCH公司最早于2007年提出局部动态地图(local dynamic map, LDM)概念[24],引入动态数据,将地图分为4层:静态数据层、半静态数据层、半动态数据层、动态数据层,这种动态数据逻辑结构是当前高精地图设计的一个重要参考。③考虑到智能驾驶除了必需的安全性之外,还需提供更加人性化与智能化的舒适体验,相关机构还提出了智能数据逻辑结构。如HERE公司提出的高精度动态地图(HD live map),结合长期存在的道路内容、临时信息及分析数据,提供丰富的环境信息与实时道路信息,并通过分析长期基于位置的驾驶行为获取速度剖面数据,提供特定情况下的速度配置文件(http://360.here.com/2015/04/23/humanized-driving)。

总体来说,智能高精地图的数据应包含丰富且准确的场景语义信息、实时路况信息及驾驶经验信息用以辅助环境感知、车辆定位与规划控制,实现当前情况下最优驾驶策略,支撑自动驾驶汽车的未来出行。结合信息传输模型的特点及现有数据逻辑结构的数据类型特征,本文确定智能高精地图数据逻辑结构的内容构成应满足三大要求:一要高精,意味着地图需要非常准确与详细的数据,能真实反映出地图目标在现实世界中的准确位置;二要动态,意味着地图需要高度动态的道路信息以刻画真实的周边环境,保证现势性以有效应对各种突发情况;三要自适应,意味着地图需要能主动适应各种复杂环境的适时变化,结合驾驶经验数据集提供与当前情况最为匹配的驾驶与信息服务。

基于上述要求,综合分析前面所述数据逻辑结构的分层特点,及参考OpenDrive[25]等相关地图标准对内容组成与分类的定义。本文将智能高精地图数据逻辑结构划分为4层:静态地图层、实时数据层、动态数据层、用户模型层(其中局部代价地图为局部范围内的静态地图层、实时数据层与动态数据层的组合,用以表征真实的周边环境,主要分为静态层与障碍物层)。

2.1.1 静态地图层

静态地图层是当前制图的重点。主要目的在于精准刻画静态驾驶环境,提供丰富的道路语义信息约束与控制车辆行为。主要包含道路网、车道网、交通设施与定位图层(表 2)。

表 2 智能高精地图静态地图层 Tab. 2 The static map layer diagram of intelligent high-precision map
数据类型 内容 属性 几何表达 服务功能 合作/竞争
道路网 道路拓扑、道路几何 道路方向、曲率、高程、道路类型、车道数量、匝道类型、功能等级等 道路基准线网络(线、点) 全局规划 合作领域
车道网 车道拓扑、车道几何 车道线、车道高度、车道曲率半径、车道宽度、车道通行方向、车道限制等 车道级道路网络(线、点) 感知、定位、局部规划、车辆控制
交通设施 交通标示、路侧设施、固定地物 类型、高度、宽度、颜色、形状、形状使用规则、形状分类、ID等 平面表示(点、线、面)实体表示
定位图层 多类型定位数据(如反射率图) 类型、面积、半径、颜色、反射率、地物高度等 平面表示、实体表示 定位 竞争领域

道路网主要由道路基准线网络构成,以描述道路几何、表达与交通设施间的关系,包括道路基准线、道路基准线连接点、路口等。车道网主要由车道级道路网络构成,记录车道网中每个独立车道相关属性,以描述车道几何、道路显示等,包括车道级道路、车道基准线、车道标线等(如图 2所示)[26]。交通设施根据不同种类,可区分为平面表示与实体表示两种表示形态,如图 3所示。上述3层组成静态地图层的基本数据结构,是关乎国家地理数据安全的基础地理信息数据,应由国家主导,相关企业、地方政府与智能高精地图管理中心之间相互协作,保证相关资料与数据的传输、处理与更新,保证国家地理数据安全。定位图层包含企业发布的不同数据类型的定位数据,以适应不同原始设备制造商(original equipment manufacturer,OEM)的传感器设置与定位方案,是基于基础地理信息数据的衍生性服务应用,由各方参与进行市场竞争。

图 2 智能高精地图道路网与车道网 Fig. 2 The road and lane network schematic diagram of intelligent high-precision map

图 3 智能高精地图交通设施 Fig. 3 The traffic facilities schematic diagram of intelligent high-precision map

2.1.2 实时数据层

实时数据层包含更新频率较高的实时路况信息,根据数据类型的差异可大致分为交通限制信息、交通流量信息及服务区信息(如表 3所示)。这些信息有许多来源:道路传感器网络、交通管理部门、道路管理部门、气象局、车载传感器等,最重要的是来自海量行驶车辆的传感器数据。当路况发生改变时车载传感器检测路况变化,并与路上其他车辆或道路传感器网络的输入数据在云端进行交叉检查与数据融合,实时更新路况信息。

表 3 智能高精地图实时数据层 Tab. 3 The real-time data layer diagram of intelligent high-precision map
数据类型 内容 属性 表现方法(示例) 服务功能
交通限制信息 道路工程、交通管制、交通事件、天气条件等 路面状况、可见度、限制起点、限制终点、限制长度、影响范围、车道ID等 动态路径规划、车辆控制
交通流量信息 实时交通拥堵程度、预测交通拥堵程度等 通行时间、拥堵起点、拥堵终点、拥堵长度、路段行驶时间、拥堵程度(颜色)、车道ID等
服务区信息 停车空位、服务区负载程度等 车位宽度、车位起点、车位终点、车位长度、服务区拥堵程度(颜色)、车道ID等

2.1.3 动态数据层

动态数据层包含车辆、行人、交通信号灯等高度动态的信息,更新频率快。通常有两种不同类型的信息来源:①车载传感器如摄像头、雷达等直接采集获取的环境信息,即主动感知动态信息;②由智能交通系统(intelligent traffic system)或类似的外部系统提供的信息,即被动感知动态信息,主要是道路用户的V2X(vehicle to X)信息,包括GNSS数据、航向、速度等(如表 4所示)。车辆通过动态信息预测附近运动物体(包括潜在运动物体)的轨迹路径、获取实时交通信号,弥补在能见度低的交叉盲点上车载传感器的视野盲区,保证行驶安全。

表 4 智能高精地图动态数据层 Tab. 4 The dynamic data layer diagram of intelligent high-precision map
数据类型 内容 属性 表现方法(示例) 服务功能
主动感知动态信息 车辆传感器主动感知的附近车辆、行人、交通信号灯等 种类、方位、GNSS定位数据、距离、速度、航向等 动态路径规划、车辆控制
被动感知动态信息 从车辆传感器之外的各种来源获取的附近车辆、行人、交通信号灯等 种类、方位、GNSS定位数据、距离、速度、航向等

2.1.4 用户模型层

智能高精地图的基本出发点就是以用户为中心,监测、识别并自适应用户需求与场景变化,通过自我调整与自我组织提供与当前情况最为匹配的信息服务与驾驶服务。同时对自适应结果进行评估,通过对用户满意度评估标准的制定、满意度获取及结果反馈,使得整个系统不断优化,实现自学习、自适应、自评估的自主智能控制功能。为此需要增加用户模型层,记录、分析与应用用户个性化信息。由驾驶记录数据集与驾驶经验数据集两个方面的内容构成(如表 5所示):驾驶记录数据集是特定条件下用户对数据、界面、控制、感知、预测的所有操作记录;驾驶经验数据集则是对海量记录数据进行多维时空大数据挖掘、分析与处理后为用户提供的经验信息,用以辅助车辆实现特定约束条件下的最优行驶策略。

表 5 智能高精地图用户模型层 Tab. 5 The user model layer diagram of intelligent high-precision map
数据类型 内容 示意图 服务功能
驾驶记录数据集 车辆配置(传感器配置、处理芯片、通信设备、车辆性能等)场景信息(自然环境、应用场合、出行任务、道路状况等)认知特征(人物年龄、文化背景、专业背景、个性化需求等)驾驶行为(横向与纵向控制、跟随距离等) 个性化路径规划
驾驶经验数据集 危险区域、特定路况的速度配置、用户需求等

2.2 数据逻辑结构在自动驾驶汽车自主导航中的应用

结合轮式机器人运行控制流程(流程基于经典的概率机器人[27]运行控制流程),从实际应用的角度详细阐述高精地图数据逻辑结构在自动驾驶中的应用(如图 4所示)。

图 4 智能高精地图数据逻辑结构及应用 Fig. 4 The data logic structure and application of intelligent high-precision map

控制流程通常分为“感知-规划决策-控制”3个步骤:

(1) 在感知层面,引入局部代价地图的静态层数据。实际应用中,机载传感器实时感知周边环境及自身粗略位置,通过定位器接收感知数据及静态层数据,经数据融合生成高质量的感知结果,实现车辆对周边环境的精确感知认知。通过将检测到的具备语义意义的特征与静态层数据进行地图匹配,实现相对定位;经过坐标转换,实现绝对定位。

(2) 在规划决策层面,引入局部代价地图、静态地图层的道路网、用户模型层的驾驶经验数据集以及全局范围的实时地图数据。实际应用中,目前自动驾驶主要采用层次化路径规划方式,各规划层分别引入不同地图数据约束与引导车辆轨迹路径:①全局规划:首先基于绝对定位与道路网,确定起终点间的全局规划路径;②语义规划:引入实时地图数据与驾驶经验数据集,充分考虑道路语义(如拥挤程度)和用户语义(如必须途经点),基于全局规划路径进行全局二次规划,得到语义规划路径;③局部一次规划:基于相对定位与局部代价地图,在语义规划路径的基础上生成局部范围内无碰撞可执行的轨迹路径,实现局部一次规划;④局部二次规划:引入驾驶经验数据集,根据当前实际情况优化局部一次规划路径,生成满足用户需求的平滑轨迹,提高自动驾驶安全性与舒适性,实现局部二次规划。