自汽車誕生以來，人類對于能夠自動駕駛的汽車的想象就從未停止，在科幻小說和科幻電影中，總能看到自動駕駛汽車的身影?，F(xiàn)實中，人類對于自動駕駛技術(shù)的實現(xiàn)一直在付諸行動。
前世今生
早在20世紀20年代，美國一家無線電控制公司在紐約大街上展示了一輛名為“Linrrican Wonder”的無線電控制自動駕駛汽車，汽車上裝載了無線電接收裝置和控制單元。隨后半個世紀里，美國、英國等國家紛紛提出了自動駕駛汽車的設想，通過在路面鋪設電路、磁條等方式引導和控制車輛按照一定軌跡和速率行進。這類自動駕駛技術(shù)被稱為引導式自動駕駛，是實現(xiàn)自動駕駛目標的早期路徑，但受限于自動化交通環(huán)境改造成本過大，引導式自動駕駛研究在20世紀70年代逐漸擱淺。
20世紀80年代，德國和美國都推出了配備攝像頭、微處理器和其他傳感器等部件的自動駕駛汽車，能夠在封閉環(huán)境下實現(xiàn)一定程度的自動駕駛。進入21世紀以后，得益于人工智能、云計算、大數(shù)據(jù)等新技術(shù)的飛速發(fā)展，自動駕駛技術(shù)的研究才真正取得突破性進展。2004年，美國國防部高級研究計劃局(DARPA)開始每年舉辦比賽吸引各科技團隊來建造自動駕駛汽車。正是這場賽事，開啟了自動駕駛新革命，當時參加此項賽事的眾多工程師們，已經(jīng)成為自動駕駛汽車行業(yè)的中流砥柱，例如被譽為“谷歌自動駕駛汽車之父”的斯坦福大學終身教授、人工智能專家Sebastian Thrun，他領導的團隊獲得了2005年賽事冠軍。在高德納咨詢公司(The Gartner)推出的技術(shù)成熟度曲線中，自動駕駛技術(shù)于2013年初次登上技術(shù)成熟度曲線，并于2015年上升至曲線頂峰位置，已成為當下最炙手可熱的新技術(shù)之一。越來越多的研究機構(gòu)和企業(yè)開始研發(fā)自動駕駛技術(shù)，其中不但有傳統(tǒng)汽車制造商，也有互聯(lián)網(wǎng)企業(yè)。
如今，在美國硅谷的Google總部附近，常常能看到方向盤前沒有人的汽車在路上行駛，這在當?shù)匾呀?jīng)不是什么新鮮事。部分低速或封閉環(huán)境下的自動駕駛汽車已經(jīng)投入商用。曾經(jīng)存在于人類想象中的自動駕駛汽車正在離人們的生活越來越近。
技術(shù)原理
自動駕駛汽車是一個復雜的系統(tǒng)工程，須由多種硬件、軟件協(xié)同發(fā)揮作用。一般而言，所有的自動駕駛系統(tǒng)均可大致分為三大部分，即環(huán)境感知、行為決策和運動控制。系統(tǒng)的構(gòu)成類似于人的駕駛行為決策過程。環(huán)境感知模塊，人類用眼睛觀察路況，而自動駕駛系統(tǒng)則是借助激光雷達、毫米波雷達、超聲波雷達、攝像頭等傳感器來獲取道路環(huán)境信息，用GPS(全球定位系統(tǒng))和IMU(慣性測量單元)獲取車身定位信息。行為決策模塊，人類用大腦處理環(huán)境信息結(jié)合駕駛經(jīng)驗作出判斷，自動駕駛系統(tǒng)通過算法提取傳感器中的有用信息，將信息轉(zhuǎn)換至統(tǒng)一坐標系下進行信息融合，并根據(jù)融合信息、路網(wǎng)信息和自身行駛狀態(tài)，按照一定規(guī)則產(chǎn)生駕駛決策。運動控制模塊，人類根據(jù)決策通過手腳控制車輛方向盤、加速和剎車，自動駕駛系統(tǒng)則是根據(jù)產(chǎn)生的駕駛決策輸出至控制器來控制車輛。
自動駕駛的分級
自動駕駛技術(shù)的研發(fā)是漸進式的，都有相應的規(guī)范和標準，需要明確的分級標準來引導行業(yè)發(fā)展。目前對于自動駕駛分級最為權(quán)威的標準是美國汽車工程師協(xié)會(SAE)的J3016標準，將自動駕駛分為6個等級，并明確了不同級別間的差異，如表1所示。
表1：SAE自動駕駛的分類
自動駕駛依賴于“高精地圖”
人類駕駛是通過眼睛、耳朵等器官去感知車身周邊環(huán)境，憑借道路記憶或傳統(tǒng)導航地圖，依靠駕駛經(jīng)驗及技巧保證汽車安全行駛并到達目的地。自動駕駛系統(tǒng)用傳感器替代了人類感官，用地圖替換了人的道路記憶，用軟件、云計算、深度學習等替代了駕駛經(jīng)驗及技巧。地圖之于自動駕駛的核心作用在于降低環(huán)境感知的難度，提供更加完善的周邊環(huán)境以及更精準的定位精度和可靠性，供自動駕駛汽車進行行為決策。
目前，主流的自動駕駛技術(shù)方案分為兩類技術(shù)路徑：一是“強地圖”，依賴地圖等提供先驗知識，傳感器將感知的環(huán)境信息模型與地圖匹配以確定車輛位置，并探測障礙;二是“強感知”，降低地圖精度、地圖要素等方面要求，將其作為傳感器的補充，傳感器感知周邊環(huán)境并建立實時環(huán)境模型，依靠深度學習理解傳感器信息并做出反應控制車輛。目前業(yè)內(nèi)對于地圖是自動駕駛不可或缺的認識是統(tǒng)一的，但對于“自動駕駛需要什么樣的地圖”的認識尚存在分歧。從實際應用來看，“強地圖”方案在當前技術(shù)水平下可行性更高，“強感知”方案在技術(shù)和可靠性上尚待突破，走在自動駕駛技術(shù)前沿的公司采用的方案均為搭配高精地圖的方案。
自動駕駛汽車里的地圖是什么樣的
自動駕駛汽車里的地圖的名稱有多種說法，例如高精地圖，它是從國外H i g h Definition Map(HD Map)的說法直譯過來的名詞，此外還有高度自動駕駛地圖(Highly Automated driving map，HAD Map)，高可信地圖(Hoch Genaue Karte，德語)等說法。上述說法都不太嚴謹，準確來說，應該稱為“自動駕駛地圖”或“自動駕駛專題地圖”，即用于自動駕駛汽車的專題地圖，類似于地形圖、行政區(qū)劃圖等用于某一專題功能的地圖。
實際上，自動駕駛地圖是為自動駕駛車輛構(gòu)建了一個映射現(xiàn)實的虛擬道路環(huán)境模型。它包含最底層的靜態(tài)高精度地圖、動態(tài)駕駛環(huán)境(擁堵情況、道路事故、施工等信息)、互聯(lián)設施(V2V、V2X等通信設施)以及移動物體(行人、車輛等)信息。底層的靜態(tài)高精度地圖是其中的重中之重，當前典型的靜態(tài)高精度地圖是矢量高精圖，也被稱之為語義地圖，它包含道路屬性(車道數(shù)、施工狀態(tài)等)、車道模型(車道線、曲率/坡度、中心線、車道屬性變化等)、交通設施模型(交通信號燈、斑馬線、停止線、交通標志等)等內(nèi)容(如圖1所示)、定位對象(用于實現(xiàn)車輛自定位)。
圖1：靜態(tài)高精度地圖的部分內(nèi)容
目前，各圖商制作的自動駕駛地圖在高精度地圖表現(xiàn)形式上存在差異，包括矢量高精地圖、柵格圖、激光雷達占位圖、反射率圖等。由寶馬、大眾、戴勒姆等歐美車廠共同成立的導航數(shù)據(jù)標準協(xié)會(Navigation Data Standard Association，NDS)，近年來一直在定義自動駕駛地圖的統(tǒng)一標準，通過制定統(tǒng)一標準使各圖商間的自動駕駛地圖產(chǎn)品兼容、適配。
與傳統(tǒng)導航電子地圖相比，自動駕駛地圖的內(nèi)容、形態(tài)、制作工藝等存在較大差別，且復雜度更高，具體如表2所示。
表2：自動駕駛地圖與導航電子地圖的部分差異
自動駕駛地圖面臨的挑戰(zhàn)
作為一個新興事物，自動駕駛地圖在高速發(fā)展的同時，也面臨著諸多挑戰(zhàn)。首先，自動駕駛地圖到底是什么樣的?目前全球還未有達到Level3級別自動駕駛量產(chǎn)車問世，根據(jù)各大車廠的時間表，Level3級別的自動駕駛車輛將在2020年左右量產(chǎn)。各大圖商所制作的自動駕駛地圖大多數(shù)是面向Level3級別自動駕駛汽車。從Level3到Level4，從Level4到Level5的自動駕駛技術(shù)難度比Level2到Level3要大得多，這兩個級別的自動駕駛技術(shù)差異巨大，所依賴的自動駕駛地圖也將發(fā)生變化，這個變化目前還不可知。
其次，自動駕駛地圖到底需要多高的精度?自動駕駛地圖中，不同數(shù)據(jù)內(nèi)容所需的精度要求是不同的，例如車道寬度精度要求在±10cm，交通標志牌精度要求在±50cm，綠化帶精度要求在±20cm等。不同場景所需的精度要求不同，例如在隧道、室內(nèi)的場景，由于定位精度達不到±10cm，其他要素如車道寬度的精度即使達到±10cm也沒有意義。
再次，自動駕駛地圖的更新問題。自動駕駛地圖的更新頻率要比傳統(tǒng)導航電子地圖高得多。目前自動駕駛地圖的制作還是依賴專業(yè)化的采集隊伍，更新頻率還達不到自動駕駛要求，且隨著更新頻率、精度的提升，地圖生產(chǎn)成本急劇上升，單單依靠圖商的力量無法滿足要求。未來要實現(xiàn)地圖動態(tài)更新，必然要采用眾包方式。圖商通過構(gòu)建地圖更新體系，將數(shù)據(jù)提供給政府、車廠、普通用戶甚至其他圖商，使用者通過不斷回傳數(shù)據(jù)來更新地圖。但這其中要解決的問題還有很多，例如數(shù)據(jù)的可靠性和精度，更新閉環(huán)能否無縫銜接，用戶提供數(shù)據(jù)的意愿，安全保密問題等等。
自動駕駛地圖的政策問題
從自動駕駛地圖的定義、內(nèi)容來看，其仍然是屬于地圖的范疇。自動駕駛地圖的法規(guī)政策問題在國際上一直存在，只是各國尚未針對自動駕駛地圖進行專門立法，自動駕駛地圖的制作和使用仍然適用于各國測繪地理信息法律法規(guī)。從現(xiàn)行自動駕駛發(fā)展較快的國家的測繪和數(shù)據(jù)法律法規(guī)來看，各國對于安全問題特別是國防安全和國家利益都十分重視，只是因國情的差異，各國在法規(guī)政策的側(cè)重點上有所不同。例如，美國最大限度地放開了地理信息使用和共享，以保持其在世界的領先地位，在自動駕駛地圖準入管理、數(shù)據(jù)出境等方面均沒有限制。德國特別重視個人隱私數(shù)據(jù)的保護，在滿足個人隱私保護的基礎上，盡可能減少限制。日本較美、德更為保守，政府在自動駕駛地圖的發(fā)展中起核心主導作用，地圖基礎數(shù)據(jù)的采集和研發(fā)均由名為動態(tài)地圖計劃(Dynamic Map Planning Co.，Ltd，DMP)的平臺公司統(tǒng)一進行，日本的管理政策在準入管理、成果匯交均有相關規(guī)定。韓國的自動駕駛地圖也是由政府主導，其管理政策在執(zhí)業(yè)資格、準入管理、成果匯交、數(shù)據(jù)出境方面規(guī)定更為嚴格。我國主要出于國家安全方面的考慮，也形成了特色的法規(guī)政策。根據(jù)《關于加強自動駕駛地圖生產(chǎn)測試與應用管理的通知》，我國仍然將自動駕駛地圖作為導航電子地圖進行管理，從保密安全、資質(zhì)管理、公開地圖內(nèi)容表示、地圖審查、外商投資等方面對自動駕駛地圖都存在限制，對自動駕駛地圖的發(fā)展造成一定影響?？紤]到自動駕駛的蓬勃發(fā)展勢頭，按照“底線思維”適時調(diào)整我國自動駕駛政策迫在眉睫。
