谁抓住了地图，谁就抓住了自动驾驶的未来-电子工程世界

2019年4月，上汽荣威曾经发布了一款非常特别的车：Marvel X Pro。

作为一年前发布的 Marvel X的全面升级版，其最特别之处，在于对“AI Pilot”智驾辅助系统大幅度升级。这项升级，使其具备了一项名为“最后一公里内自动泊/取车”的功能。

Marvel X Pro是基于Marvel X的重大升级，外观上改变极小，主要提升在“大脑”

最后一公里”问题，几乎折磨着每个司机。

早晨通勤期间遭遇突发交通拥堵，距离打卡差5分钟时开到单位楼下；一身疲惫驾车回到自己居住的社区之时；周末带着全家去购物中心，孩子望着商场里的“恐龙秀”欢呼雀跃——然而在这些时刻，我竟还需要把车开下地库找车位！

类似的场景，日常生活中并不罕见，但每一次都能严重恶化你的心情，将驾驶体验降至最低。

那么，想象一下，在面临上述场景时，驾车的你不必再为泊车问题而操心。只需要激活“最后一公里内自动泊/取车”功能，然后就能直接开门下车去忙自己的事情。进地库、找车位、泊车、熄火锁车这些事，车全都能自动替你办好……这将对驾驶体验，带来多么巨大的飞跃？

那么，这款车一定大卖了吧？

孩子闹着要去“看恐龙”，但你还得先下地库停车……

并没有……甚至一直到今天，都没有能够正式上市发售。

之所以会有如此结果，是因为好的想法未必就切合实际。技术上的原因有二：没有定位信号，以及泊车地图（Parking Map）的缺失。

智能汽车一般通过卫星信号来进行定位。但无论哪种导航卫星，信号都进不了地库和室内。连自身定位都做不到，又何谈自动泊车？而即便车位就设在在露天，但目前国内又有几个小区、商业中心，是能够提供精确的内部地图？

当然，推出这款汽车的上汽荣威，也绝非忽略了上述问题。Marvel X Pro专门安装了一套由中电昆辰开发的K211车载定位装置。在原型车测试中，凭借模拟地库场景中完善的场端设备以及精确测绘的Parking Map，工程原型车将这最后一公里自动泊车的功能，玩到了“飞起”。

2017年启用的洋山港四期配套无人码头，也是中电昆辰的手笔。当然，露天码头采用的是卫星信号定位

但问题就出在这里。现阶段，室内信号覆盖的问题确实在不断改善，场端无线电定位设备也正在不断覆盖，然而Parking Map的到位依旧遥遥无期。所谓“理想很美好，现实很骨感”，关键“生态位”的缺失，硬是将一款蕴含着美好理念的量产车逼成为了一个台概念车，这也就不值得奇怪了。

实际上，被卡在地图问题上的可不止这“最后一公里”。以当前主流的自动驾驶技术发展趋势而言，包括Parking Map在内的高精度地图支持的系统性缺位，很可能导致众多已确定发售日期的智能车型，无法实现自动驾驶功能。

好在转机已经出现了。

就在不久前结束的第19届上海国际汽车工业博览会上，国内著名电子地图服务提供商四维图新，正式推出智能驾驶地图服务。

高精度地图的商业化大幕，正在拉开。

智能驾驶，终于有“图”可用了

有人曾根据柏拉图著名的“三个终极之问”，搞出过关于自动驾驶的三个终极问题：我是谁、我在哪、我要去哪。

一组非常有代表性的“人工智障”式错误

诚然，让目前尚处“人工智障”阶段的AI去回答“我是谁”这种终极问题，可能太过于科幻了一点。但退而求其次，若纯以实现功能为目的，其实只要机器能够较好地解答“我在哪”以及“我要去哪”这两个问题，还是能够较好胜任“从A点到B点”这类简单工作的。而这也成为了现阶段无人驾驶技术中“重定位路线”的核心逻辑，即不再考虑如何让机器像人类驾驶者那样操作汽车，而是直接把其视作一个只具备反射与执行能力的“智障”来对待——将包含全局地图、行驶路线、沿途路况、天气变化、车流变化、沿线事故信息、可能发生的异常状况等等，事无巨细所有的信息，集成到一张精度极高且随时保持更新的地图上，让机器以此为基础，结合车辆外部传感器收集到的信息来完成驾驶任务。

而特斯拉的技术走的是另一条路线——重视感知路线。以后有机会将专文介绍。

目前，“重定位路线”已成为业界公认为的，实现L3以及以上自动驾驶的最可靠路径，也是Waymo、Cruise、Ford Autonomous Vehicles以及百度等自动驾驶领域头部企业所遵循的技术路线。而四维图新推出的智能驾驶地图云服务，正是基于沿着“重定位路线”开发的各类智能汽车，对于高精度地图支持的迫切需求。

想要进一步理解这个智能驾驶地图云，就必需先搞明白什么是高精度地图。首先，自然是这个“高精度”。

单说精度问题，普通的导航电子地图的绝对坐标精度，大约在2.5-5米左右。若结合卫星定位信号可能存在的漂移，总体精度约在5~10米间。

由于常规的导航电子地图是给人看的，所以精度差不是什么大的问题。毕竟行驶中，地图起的只是个参考作用，整个驾驶过程靠的是司机的操作。

然而一旦脱离了人的操作由机器接手驾驶，那么5~10米的误差就会闹出很大的幺蛾子。特别是在中国，还得算上GCJ-02转换回WGS84过程中，可能会累计的误差。

从“火星坐标系”转换回来可能会产生的误差，也是在中国境内推进高精度地图生产时一个必须要考虑的问题。图为GCJ-02加密后，与实际坐标可能会产生的偏差示意。注意！由于是非对称加密，所以偏移值并不是一个常数

绝大多数时候，车辆在行驶时距离马路牙子和一旁的车道也就那么几十厘米的距离，所以若是误差达到5米以上，也就意味着车辆会动辄闯入其他的车道甚至逆行，或者直接给你直接开上马路牙子。

综上所述，对于自动驾驶而言，高精度地图是必不可缺的。而不同等级的自动驾驶等级，也对应不同级别的高精度地图。

L2.5“高级辅助驾驶系统”需要配套地图精度达到0.5米级别（ADAS）；L3“有条件自动驾驶”则需要0.2米的精度（HD Lite），即低于一条车道分隔线的宽度；至于L4级“高度自动驾驶”，对地图的精度要求更达到了0.1米等级（HD Map）。至于上文提到的Parking Map，则要求和L4级驾驶同等的精度。

有别于给人看的导航地图，高精度地图的服务对象不是人类驾驶者，而是机器

当然，精度高只是高精度地图展示出的一个特征，除此之外，这种地图还包含着远超传统导航地图的海量信息：道路走向与形状的精确信息；车道数量以及每个车道的宽度、坡度、曲率、航向、高程信息；车道之间的分隔线是虚是实，虚实变换的启止位置信息；道路中央分隔线是黄虚线、单黄线还是双黄线；道路两侧隔离带的宽度、高度。甚至车道上的箭头、越过路面的架空设备的高度数据、道路信息提示板上的文字内容等，都需要包含在地图数据之内，而不是能和普通导航地图那样，每到路口方一张提示驾驶者进哪个车道的图片，而必需要以机器能够读懂的数据形式，逐一标注清楚。

高精度地图实质上是由多个按照信息时敏性区分的图层构成的，不同的图层刷新速度各不相同

当然，仅仅依靠静态地图数据，无论其精度多高，只能让自动驾驶系统实现在一个无人封闭体系内，从A点开到B点。例如Parking Map的大部分使用场景。但若是开上马路，那肯定会出大乱子。为了能够让机器随时了解到道路上发生的各种变化，除了道路走向、交通标志等静态、半静态信息外，还会插入以秒为周期进行更新的实时信息，例如交通事故、突发路况等，以及以分钟为周期更新的施工、雨雪、交通管制等动态信息。

综上所述，任何一款基于“重定位为路线”开发的智能汽车，高精度地图都是其智能驾驶系统能否正常发挥作用的基础。正如四维图新自动驾驶基础技术研究院研发部AI总监李阳说的那样：“所有人都认为在自动驾驶高精度地图非常重要，在一个可信赖的自动驾驶方案里，地图最高能占到一半的重要性。”

成为智能汽车产业关键的“图商”。

中外车企竞相推出的智能网联汽车，是第19届上海国际汽车工业博览会上最大的热点。而在整车厂商以外，杀入汽车产业的华为以及其为车企提供的智能驾驶解决方案，无疑成为了舆论瞩目的另一个焦点。

但正如上面说到的问题，在“重定位路线”为主流的当下，高精度地图服务的上线，才是整个自动驾驶产业链能够顺利发展的关键。也正因如此，华为在成立智能汽车BU之前，就与四维图新达结成了战略合作关系。

车展期间公布的蓝谷极狐αS华为HI，是首款搭载华为智能驾驶方案的车型。而其在车展开幕前，向媒体展示的那种卓越的自动驾驶能力，正是基于四维图新提供的高精度地图

除了通过控股图吧集团迈入车机制造产业外，以及在前装导航市场占据较大份额外，四维图新几乎没有多少C端产品与服务。其业务主要面向B端，提供底层地图数据支持。正因为如此，四维图新在公众眼力，一直显得岌岌无名。然而在中国电子地图业界，这却是一家地位超然并与多个“第一”头衔，相挂钩的企业：

“2006年，推出中国第一款手机导航软件的，正是四维图新”；2007年，又是这家企业在并购了道路信息提供商世纪高通以后，率先把以前按照年、季来更新的导航地图，变成了按照月甚至周来更新；2010年，在登陆深市成为上市公司以后，这家企业又开始和车企开展广泛的合作，率先踏入前装导航的市场。“NAVINFO>”这个logo，正是从那时起，逐渐为车主们所熟知的。

许多车主对这个logo并不陌生

当然，能够被华为看中并郑重签下这份战略合作协议，并不是因为这家公司上述这些光辉历史，而是因为其智能汽车BU，也选择了智能汽车BU。所以，手握高精度地图数据的四维图新，就成了必需倚重的伙伴。尽管华为很快也拿到了测绘甲级资质，但在缺乏历史积累和专业队伍的情况下，短期内也只能完成北、上、广、深等少数城市部分路段的高精度地图，充其量数百上千公里而已。这无论对于仿真还是实车路测，都是杯水车薪。

“在过去的20年里，我们不知不觉中记录下了覆盖全国的高品质道路数据，从城市到郊区，从高速到‘村村通’，各种类型的道路数据是我们最大的优势。”2019年6月，李阳在接受国内某著名汽车媒体采访时就说过，与普通公开数据的不同之处在于，四维图新留存的原始地图数据中，都带着明确的位置信息。所以不需要通过10亿张图片来训练系统对交通标志牌的识别，“知道哪里有交通牌，我们就可以把其附近的数据提炼出来，穷尽掉全国的交通标志牌。”

基于旧的地图测绘数据来进行升级，可以极大地加快高精度地图的生产速度

要将数百上千万公里的旧规格电子地图，升级成高精度地图，其工程之巨大可想而知，但是近二十年来的积累，也让这家企业在业具备了不少先天优势。

根据2020年末公布数据，四维图新已经完成了全国范围内超过32万公里高速公路、城市快速路，以及超过5000公里复杂城市道路的L3级高精度地图的覆盖。进入2021年以来，其数字地图部门正在重点推进部分主要城市重点道路的高精度地图制作工作。而根据远景规划，支持L4“高度自动驾驶的”的HD Map，也将于2022~2023年前后，完成对全国主要高速路网、城市快速路的覆盖。

在2021年这个无智能不汽车的时代，被业界定义为“图商”的四维图新，正以其超然的地位以及所掌握的巨大资源，成为了决定了这场自动驾驶竞赛胜负的关键。

“我们不再单单只是个图商”

2019年6月下旬，四维图新领到了北京市政府发给的T3级自动驾驶车辆路测牌照——迄今为止此，首块颁给位置服务提供商的T3级路测牌照。而同样值得关注的，是四维图新给出的无人驾驶汽车方案：以长城Wey VV5为平台，外部传感器系统包括4部16线激光雷达、2个长距毫米波雷达，以及1个搭载四维图新自主研发视觉感知算法的单目摄像头。从配置来说异常之“轻”，是一种典型的低成本、轻量级自动驾驶解决方案。用李阳的话来说就是：我们的方案在 T3考试的友商中是最简洁（低成本）的，成本大概是大部分友商的一半甚至三分之一。

说拿出这个方案是为了“验证地图”，这话有真也有假

至于四维图新公司为什么要亲自下场领路测牌照，李阳也表了态：四维图新最开始做自动驾驶解决方案，其实是为了验证地图，通过自己做系统，将相关问题反馈给地图团队，提升地图水平，随着不断深入，自动驾驶能力也越来越好了。

真的是这样吗？手握着中国乃至全世界最丰富的高精度地图资源，在自动驾驶方面没点想法，简直可以用不思进取来形容。好在第19届上海车展期间，四维图新展台在上所呈现的一切，说明李阳当年也就是说说罢了。毕竟此一时彼一时。

当然，用四维图新CEO程鹏的话来说，他们去搞自动驾驶，是有先天优势的：

“我们做地图本身，就是一个采集、传感、识发布的过程，从地图采集到路况采集再到无人驾驶，原理都是一样的，只不过应用场景变了，原来给人用，现在也可以给机器人用。”

但是，有了传感器方案和高精度地图资源，却还不足以构筑一整套自动驾驶解决方案。其中欠缺的包括：如何精确定位车辆位置；如何解决车和车、车与云数据交互问题；如何将感知定位、规划决策、执行控制这三个部分进行融合，完成自动驾驶域控制器。以及，最终自动驾驶域控制器与座舱域控制器的交联，完成人机交互界面。

简单来说就是——完成整个自动驾驶域控制器，同时和座舱域实现控制上的交互。

完成车内网、车际网和车载移动互联网之间的数据交互，本质上就是构筑C-V2X（Cellular Vehicle-to-Everything）的问题，基于蜂窝移动数据实现的车与“万物”的互联。由于2020年11月以后，美国联邦通信委员会（FCC）正式宣布放弃原有的DSRC（专用短程通讯技术）标准全面倒向中国标准，所以C-V2X也就和车联网划上了等号。当然，这可是四维图新的“老强项”。

自2013年四维图新收购中寰卫星起，这家企业便开始在车联网领域布局。2015年控股图吧集团以后，开始将手伸进座舱域。而到了2018年，更整合旗下乘用车车联网资源，成立了独立的四维智联公司，初步实现了云平台到操作系统、地图、导航的互联，完成了手机-汽车之间的交联。

定位的问题是另一条线。2016年3月，四维图新定位项目组正式启动，并于当年6月拿出了自主研发的初代卫星定位信号接收机。到了2018 年1月，定位项目组又成功将定位精度提高到厘米级别。随后，这个项目组获得了独立地位，以其为基础组建了名为六分科技的独立子公司。

而想要完成自动驾驶域控制器，专用芯片是少不了的。在这个问题上，四维图新依然秉持着一贯风格，在2017年斥资收购IC设计厂杰发科技，成为了中国乃至全世界首家具备自主车规级芯片设计能力的地图供应商。2019年，杰发科技完成了首款可支持部分辅助驾驶功能的智能座舱终端芯片的流片。

根据不久前上海车展流出的信息，目前支持L3级自动驾驶算法的大型SoC芯片，已经处在设计阶段。

除了上述直接控股和并购的企业，在2017~2019年间，四维图新又分别投资了提供室内高精度定位服务的中科劲点、提供自动驾驶整体解决方案的禾多科技，以及致力于开发高性能视觉感知系统的Minieye。其中来自Minieye的视觉识别技术，不但有助于完善自动驾驶方案的视觉传感器部分，也能直接用于地图测绘工作，可谓一举多得。