車道級導航地圖在智能駕駛中的應用

摘要 該文從分析汽車智能化對智能駕駛的需求和智能駕駛對地圖數據需求的角度出發，給出了車道級導航地圖的內容、應用優勢，以及車道級地圖數據在智能駕駛的自主定位和行駛姿態調整、路徑規劃和導航策略優化、車輛感知和決策能力增強、智駕體驗和安全性提示、應對復雜和特殊場景等方向的應用方法，并通過智能駕駛實際效果證明了車道級導航地圖在智能駕駛應用的可行性。

關鍵詞 車道級導航地圖；智能駕駛；數據內容；應用優勢

中圖分類號 U463 文獻標識碼 A 文章編號 2096-8949（2024）23-0018-04

0 引言

智能汽車是國家重要的發展戰略，國家發展改革委聯合其他十部委發布《智能汽車創新發展戰略》（發改產業〔2020〕202號）指出：“以發展中國標準智能汽車為方向，以建設智能汽車強國為目標，以推動產業融合發展為途徑，開創新模式，培育新業態，提升產業基礎能力和產業鏈水平，滿足人民日益增長的美好生活需要。”智能汽車大體分為全無人駕駛汽車（L4和L5級別）和有條件自動駕駛及駕駛輔助智能汽車（L3以下級別），前者運營在有限的示范區內需要高精地圖HD-map，后者運行在所有城鄉道路，需要與之配套的車道級導航地圖。

HD-map的內容極其龐雜，按目前的生產工藝，每人每天產能不足10 km，全國鋪滿將是上百億的巨大資源投入，實時更新更是難上加難。而車道級導航地圖相比而言是一種輕量級的高精地圖，它舍棄高精地圖里面的特征定位類對象，具備內容精簡夠用、更新速度快、精確度高等特點，能為智能駕駛提供實時、準確的車道級道路信息，為智能駕駛的車道級定位、車道級路徑規劃和引導、車道級駕駛操控提供了重要數據基礎和決策依據，配合實時感知的環境信息使智能駕駛更安全、更流暢。

智能駕駛技術在傳感器、識別算法、算力等領域快速進步的支撐下突飛猛進，但“無圖導航”不可取，安全無小事，完全擺脫地圖的依賴進而實現完全自動駕駛在當前階段不具備可行性。自我感知的弱點在于探測距離的局限，因此，它的路線規劃能力是有限的、基于個體的，不具備提高道路整體通行效率的能力；另外，中國道路極其復雜，不同城市具有不同的特色，感知很難處理好復雜場景下的問題。因此，感知和地圖是相輔相成的關系，需要同時存在。從另一個維度看，感知能力的加強，確實減少了對絕對高精地圖的依賴，因此車道級導航地圖的“輕地圖”模式越來越成為智能駕駛的主流導向。

1 車道級導航地圖數據的內容

車道級導航地圖數據在傳統的標準地圖（SD Map）基礎上，增加車道級拓撲連接網絡及其關聯的交通信號燈等專題信息和標準地圖的關聯關系，相比HD map而言，位置精度由分米級擴大到亞米級，地圖內容進行了精簡，保留智駕基礎依賴信息。智能駕駛車輛通過車載傳感器（如GNSS+IMU、激光雷達、車載攝像頭等）實時感知周圍環境，并將感知結果與車道級導航地圖數據中的信息進行融合，從而做出更準確的決策和規劃。不同等級的地圖數據內容與精度要求如表1所示。

2 車道級導航地圖數據在智能駕駛中的應用優勢

2.1 車道級導航地圖數據能夠提供必要的道路信息

車道級導航地圖數據雖然相對于高精地圖在精度和詳細程度上有所降低，但仍然包含了基礎的車道級道路信息，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進行路徑規劃和自主定位的基礎，有助于系統理解道路的基本結構和走向。

同時包含關鍵的標線標識和信號燈信息，如公交車道、潮汐車道、非機動車道等，這些信息直接關系到車輛的行駛安全和交通規則遵守，幫助智能駕駛系統能夠做出更加合理和合規的駕駛決策。必要的道路信息示例如圖1所示。

2.2 車道級導航地圖數據能夠實現快速擴域和更新

車道級導航地圖數據相較于傳統的高精度地圖，更注重地圖數據的實時性和可用性，其設計初衷是為了在保持較高精度的同時，實現數據的廣泛覆蓋和快速更新，這種設計理念使得車道級導航地圖數據在擴域和更新方面具備天然的優勢[1]。

數據資料上更為多源，除了專業的采集車輛覆蓋采集，也可以利用多源的數據采集方式，通過大量用戶的實時數據反饋積累更新數據，為地圖數據的更新提供高時效、更豐富的資料。

從資料處理上更為快速，由于車道級導航地圖數據需要的資料量相對較小，因此其存儲和傳輸成本也相對較低。借助云計算平臺，車道級導航地圖數據可以實現海量數據的快速存儲和處理，大數據技術對這些數據進行深度挖掘和分析，提取出有價值的信息用于地圖的更新，同時能夠節省大量的存儲空間和帶寬資源。

數據生產上更為高效，車道級導航地圖數據能夠建立高度自動化的數據制作和更新流程，通過基于卷積神經網絡的視覺大模型自動識別和分析多元數據源，通過數據大模型建立數據自動融合策略，實現地圖數據的自動更新，大大提高了地圖更新的時效性和準確性，大大降低了生產制作成本。

3 車道級導航地圖數據在智能駕駛中的應用

智能駕駛時主要分為感知、決策、控制三個方面，車輛利用車載傳感器感知車輛周圍環境，并根據感知所獲得的道路、車輛姿態和障礙物信息，決策行駛路徑和方向，進一步控制車輛的轉向和速度，從而使得車輛能夠安全、可靠地在道路上行駛，這樣就需要機器來實現精準的智能控制，需要有精確的環境基礎信息，而這正是地圖表達的主要內容。車道級導航地圖提供先驗信息，能夠為車輛提供數公里外的超視覺感知，支持更加精確、實時的導航和駕駛決策。

3.1 智駕自主定位和行駛姿態調整的應用

車道級導航地圖數據通過提供較高精度的車道級幾何信息（包括車道線位置、車道寬度、停止線等），幫助智能駕駛系統實現自主定位和姿態估計。結合車載傳感器的數據，系統能夠實時獲取車輛在道路上的精確位置，并調整車輛的行駛姿態，確保車輛始終保持在正確的車道內行駛，智駕自動定位和調整效果如圖2所示。

3.2 智駕路徑規劃和導航策略優化的應用

車道級導航地圖數據幫助智能駕駛系統能夠更準確地規劃行駛路徑，并做出更加合理的駕駛決策。

宏觀的長距離路徑規劃，需要由道路級數據實現，而局部短距離的路徑規劃和導航，需要由車道級數據實現。系統根據車道級數據中的車道級拓撲、車道數量、車道類型（如公交車道、非機動車道）等信息，預測和評估不同路徑的行駛安全性，從而選擇最優的行駛路徑，準確判斷每個行駛階段所需的車道，并在必要時進行車道變換。如車輛轉彎時，不能駛入非機動車道，車道級導航地圖數據提供的“非機動車道”類型有效幫助車輛在做路徑規劃時，不規劃此車道[2]。

同時，在行駛過程中，系統也可以根據車道級數據實時調整駕駛策略，如加速、減速等，以應對各種復雜的交通狀況。

車道級路徑規劃效果如圖3所示。

3.3 智駕車輛感知和決策能力增強的應用

車道級導航地圖數據能夠輔助汽車超視距感知，當車輛行駛的道路環境被其他物體遮擋（如地面轉向箭頭被車輛壓蓋）或者轉彎，以及超出汽車車載傳感器感知范圍時，車道級導航地圖能夠幫助車輛預測和判斷行進方向道路的狀況。車道級導航地圖為智駕提供先驗信息場景示例如圖4所示。

車道級導航地圖數據能夠輔助車輛快速識別道路的分車道標線，提高自動駕駛車輛數據處理效率，自動駕駛車輛感知重構周圍三維場景時，可以利用車道級導航地圖數據作為先驗內容，減小數據處理時的搜索范圍。

智能駕駛系統綜合考慮地圖數據、傳感器數據以及其他相關信息（如車輛狀態、用戶偏好等），通過復雜的算法進行數據分析和處理，實時檢測和識別道路上的障礙物（如其他車輛、行人、路障等），系統能夠分析障礙物的位置、速度和運動軌跡，從而預測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，做出更加準確的決策。

3.4 智駕車輛駕駛體驗和安全性提升的應用

車道級導航地圖的應用可以顯著提升智能駕駛的駕駛體驗和安全性。

基于車道級導航地圖為智駕底圖顯示界面，通過結合車輛的攝像頭和雷達等傳感器數據，能夠實時反映車輛周圍的環境信息，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景模擬，增強駕駛的沉浸感和安全性。車輛周圍實時環境示例如圖5所示。

在人車共駕模式下，車道級導航地圖通過保持自駕模式下的導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產生的割裂感。這種一致性的用戶體驗不僅提升了駕駛的流暢性，也增強了駕駛者對自動駕駛系統的信任感。

另外，通過提供車道級的導航和駕駛決策支持，系統能夠在一定程度上減少駕駛員的駕駛負擔和錯誤率，提高行駛的安全性和舒適性。同時，車道級導航地圖還可以幫助智能駕駛系統更好地應對各種復雜的交通場景，如施工區域、惡劣天氣等，提高系統的魯棒性和適應性。

3.5 智駕車輛應對復雜和特殊場景的應用

在現實世界真實的交通環境中，存在著各種復雜的場景，如復雜路口、主輔路出入口、隧道場景等。智能駕駛系統需要能夠快速準確地理解這些場景，并作出相應的決策。然而，目前的技術在這方面還存在不足，車道級導航地圖數據彌補了系統的短板[3]。

常見的復雜和特殊場景包括：

（1）復雜路口和立交橋：在復雜路口和立交橋等場景下，傳統定位方法往往難以準確確定車輛的位置和姿態。通過車道級導航地圖和傳感器數據的結合，智能駕駛系統能夠準確識別和匹配道路網絡中的關鍵特征點，從而在這些復雜場景中實現精確的自主定位和姿態估計。復雜路口場景示例如圖6所示。

（2）GNSS信號受限區域：在高樓密集區、隧道等GNSS信號受限的區域，傳統定位方法可能無法正常工作。遇到此類場景，智能駕駛系統可以依靠地圖數據和傳感器數據進行自主定位和姿態估計，確保車輛在這些區域內的行駛安全和穩定。

4 結語

該文論述了車道級導航地圖數據內容和在智能駕駛中的應用優勢，以及在智駕的自主定位和行駛姿態調整、路徑規劃和導航策略優化、車輛感知和決策能力增強、智駕體驗和安全性提示、應對復雜和特殊場景等方向的應用。車道級導航地圖數據在智能駕駛系統中的應用具有廣泛而深遠的意義。

地圖數據與智能駕駛系統的結合，顯著提高了行駛的安全性。這種結合機制不僅使智能駕駛車輛能夠更好地應對復雜多變的交通環境，還為實現更高級別的自動駕駛技術提供了堅實的基礎。隨著技術的不斷進步和應用場景的拓展，車道級導航地圖數據與智能駕駛系統的結合將在未來發揮更加重要的作用。

參考文獻

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

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

[3]杜遠，孫陽.基于人工智能技術的線路施工現場安全圖像識別方法[J].電工技術， 2022（14）：87-90.