劉靜華  葛為燎  董志

（浙江省測繪科學技術(shù)研究院，杭州 310012）

摘要：針對目前的導(dǎo)航電子地圖無法有效保障自動駕駛的安全行駛問題，提出構(gòu)建高精度路網(wǎng)地圖數(shù)據(jù)模型輔助自動駕駛車輛及早預(yù)先感知周圍環(huán)境、規(guī)劃行駛路線、控制指令生成等來更有效地保障自動駕駛的安全性。在車載激光雷達車采集數(shù)據(jù)的基礎(chǔ)上，通過利用矢量化數(shù)據(jù)建立數(shù)據(jù)模型、組件集合、拓撲構(gòu)建、交互式關(guān)聯(lián)關(guān)系等實現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)性和耦合，以滿足自動駕駛的應(yīng)用。試驗表明，使用本模型制作的高精度路網(wǎng)地圖，具有拓撲的合理性、數(shù)據(jù)模型可塑、關(guān)聯(lián)關(guān)系交互性和組件集合拓展等優(yōu)勢，能夠有效提升車輛超視距感知行駛環(huán)境的能力，提高控制指令的生成效率和正確性，確保自動駕駛的安全性和可靠性。

0 引言

隨著自動駕駛領(lǐng)域和智能化交通的進一步發(fā)展，導(dǎo)航電子地圖從精度、要素、組織等均無法為自動駕駛提供一個智能的、安全的行駛環(huán)境及相應(yīng)需求信息[1]。國外Mobileye與大眾、寶馬和日產(chǎn)簽署協(xié)議實現(xiàn)數(shù)據(jù)共享，Here與奔馳、寶馬等形成高精度地圖聯(lián)盟[2]；國內(nèi)發(fā)布了《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》、《交通強國建設(shè)綱要》，提出“建設(shè)覆蓋全國的車用基礎(chǔ)地圖系統(tǒng)和加強智能網(wǎng)聯(lián)汽車研發(fā)”。國內(nèi)外一系列的方案和政策從頂層戰(zhàn)略、示范應(yīng)用、優(yōu)化架構(gòu)等方面體現(xiàn)了自動駕駛的發(fā)展趨勢，作為智能網(wǎng)聯(lián)汽車基礎(chǔ)設(shè)施的高精度路網(wǎng)地圖[3]，其優(yōu)質(zhì)的數(shù)據(jù)結(jié)構(gòu)、模型構(gòu)建、拓撲構(gòu)建等能有效地讓自動駕駛無人車了解行車過程中的規(guī)則、交通狀況和周邊環(huán)境?，F(xiàn)階段國外的高精地圖主要有Here、TomTom、Waymo（原Google地圖）等老牌圖商，在北美以及歐洲市場，Here地圖80%為有導(dǎo)航功能的轎車提供地圖數(shù)據(jù)[4]。考慮到高精度地圖廣闊的發(fā)展前景，除了原本地理信息行業(yè)之外，國內(nèi)很多互聯(lián)網(wǎng)行業(yè)的企業(yè)通過收購或者與圖商合作的形式進入高精度地圖研發(fā)領(lǐng)域，百度和TomTom聯(lián)合、騰訊收購四維圖新、阿里巴巴收購高德地圖等，也有很多新創(chuàng)公司加入這個領(lǐng)域如寬凳科技、極奧科技等[5]。然而高精度路網(wǎng)地圖數(shù)據(jù)模型未形成有效的規(guī)定，本文面向自動駕駛的預(yù)先感知周圍環(huán)境、規(guī)劃行駛路線、控制指令[6-7]等應(yīng)用出發(fā)，對高精度路網(wǎng)地圖數(shù)據(jù)模型進行研究。

結(jié)合《公路工程技術(shù)標準》、《道路交通標志和標線》、《城市道路交通設(shè)施設(shè)計規(guī)范》等國內(nèi)道路規(guī)范，通過外業(yè)實采、內(nèi)業(yè)矢量化、建立道路、道路設(shè)施、交通設(shè)施之間空間與屬性之間的拓撲、交互式關(guān)系和模型組件，生成符合國內(nèi)環(huán)境滿足自動駕駛應(yīng)用的高精度路網(wǎng)地圖。高精度路網(wǎng)地圖數(shù)據(jù)模型構(gòu)建主要包含車輛行駛中所需的詳細交通靜態(tài)信息、道路拓撲信息和精細交通約束信息[8]。原理基于車輛行駛并不是在未知的環(huán)境，而是在具有一定規(guī)則構(gòu)成的已知空間環(huán)境下，高精度路網(wǎng)地圖主要是預(yù)先獲取車輛行駛道路中所有相關(guān)交通要素的空間位置、要素形態(tài)、道路規(guī)則、行駛信息等，通過要素數(shù)字化、拓撲構(gòu)建等信息從而建立數(shù)字道路模型[9-12]，在行駛過程中融入車輛的實時位置、車輛行駛參數(shù)、動態(tài)信息等[13]信息，生成車輛行駛管道和控制指令。

1 高精度路網(wǎng)地圖架構(gòu)設(shè)計

輔助自動駕駛的高精度路網(wǎng)地圖主要由道路基本設(shè)施、道路輔助設(shè)施、交通設(shè)施3類要素組成，道路基本設(shè)施主要包含道路中心線、邊線、橋梁、隧道等供車輛通行的設(shè)施；道路附屬設(shè)施包含人行線、紅綠燈、線圈、綠化帶等交通安全和管理的設(shè)施；交通標識設(shè)施包含車道標識、交通引導(dǎo)、警告標志等應(yīng)用于車輛通行交通標識。將以上3類要素的形態(tài)通過點、線、面、體構(gòu)建，形成真實的虛擬靜態(tài)路況，包括起伏、轉(zhuǎn)向等，采用屬性掛接相應(yīng)要素信息，通過屬性表進行存儲，建立數(shù)據(jù)倉庫，并通過符號匹配形成視圖顯示庫，在矢量數(shù)據(jù)的基礎(chǔ)上利用智能算法、數(shù)據(jù)工具分析等形成車輛路徑規(guī)劃、環(huán)境預(yù)判、決策分析等指令信息。

為了便于自動駕駛分析和應(yīng)用，采用分層、分類等對高精度路網(wǎng)地圖數(shù)據(jù)進行信息綜合。信息綜合需考慮自動駕駛在環(huán)境解讀中對要素的需求，經(jīng)過多次在試驗場地中試驗和自動駕駛路段的行駛測試后。根據(jù)自動駕駛應(yīng)用將高精度路網(wǎng)地圖要素按最小、最穩(wěn)定為單元依據(jù)地理實體特性進行分類編碼，通過編碼建立現(xiàn)實世界和虛擬信息世界的鏈接，編碼采用20位定長的十進制數(shù)字碼，縣級及以上行政區(qū)劃碼采用GB/T2260的編碼，縣級以下行政區(qū)劃采用GB/T10114的編碼規(guī)則，以空間位置關(guān)系、應(yīng)用的密切度、要素歸屬性將要素分為大、中、小3類，并建立分類表和分類碼，交通設(shè)施特征代碼采用GB/T 21381-2008，圖形碼以兩位的十進制數(shù)字碼表示：點01、線02、面03、體04。

2 數(shù)據(jù)模型構(gòu)建

2.1 模型構(gòu)成

車輛行駛空間由多重空間組成，如車道區(qū)域、路口區(qū)域和其他特色區(qū)域組成，車輛行駛過程中車道線、人行線、停止線等對車輛行駛具有約束性，因此探索以最小單元的交通要素為模型顆粒，對路網(wǎng)要素進行空間化表現(xiàn)，利用空間數(shù)據(jù)庫的特征，以點、線、面、體的幾何形態(tài)建立所有要素之間關(guān)聯(lián)、耦合、拓撲，入庫的數(shù)據(jù)包括幾何信息及屬性信息。為了減少計算量，提高定位效率，將車輛行駛過程中的整個路行駛空間分割為一些子區(qū)域，如車道區(qū)、路口區(qū)、特定區(qū)等，以區(qū)域為單元，建立車輛可行駛通道。將行駛通道用形式化表示為式（1）。

V=（Li，Wi，Pi）          （1）

式中：V={V1,V2,…,Vi,…}是行駛通道的集合，L={L1,L2,…,Li,…}是行駛車道的集合，W={W1,W2,…,Wi,…}為行駛經(jīng)過路口的集合，P={P1,P2,…,Pi,…}為行駛過程中遇到的特定區(qū)域的集合，如收費站、檢查站、服務(wù)區(qū)等。

車道區(qū)包含車道中心線、道路中心線、道路邊線、車道標線、交通標志牌、交通輔助駕駛設(shè)備。形式化表達為式（2）。

L =（LCi，Ri，Si，TLi，TPi，Ai）      （2）

式中：LC={LC1,LC2,…,LCi,…}為車道中心線的集合，R={R1,R2,…,Ri,…}為道路中心線集合，S={S1,S2,…,Si,…}為道路邊線的集合，TL={TL1,TL2,…,TLi,…}為車道標線的集合，TP={TP1,TP2,…,TPi,…}為交通標志牌的集合，A={A1,A2,…,Ai,…}為交通輔助駕駛設(shè)備的集合。

車道中心線包含標識符、屬性、坐標等信息，形式化表示為式（3）。

LC=（LBi，LSi，Ci）          （3）

式中：LB={LB1,LB2,…,LBi,…}為車道中心線標識符，LS={LS1,LS2,…,LSi,…}為車道屬性集，Ci分別為車道每個節(jié)點的幾何屬性集合。

在行駛過程中，將通道根據(jù)行駛區(qū)域的不同劃分為可行使通道和不可行使通道，行駛形式化表示為式（4）。

T=（Vi，Wi）                   （4）

Vi={V1,V2,…,Vi,…}為可行駛通道的集合，Wi ={W1,W2,…,Wi,…}為不可行使通道的集合，在可行使通道區(qū)域內(nèi)，根據(jù)車道區(qū)內(nèi)各要素及屬性信息，建立車輛通行的拓撲關(guān)系，形成道路駕駛的路徑規(guī)劃。

2.2 拓撲構(gòu)建

拓撲構(gòu)建是模型構(gòu)建的核心工作，因為車輛在行駛過程中核心的問題是如何選擇下一個區(qū)間，基于車道級別的拓撲實質(zhì)就是含有權(quán)重的有向圖[14-17]，利用車道的空間位置集合和空間關(guān)系中鄰接、相交、相離等為關(guān)聯(lián)建立車道拓撲，針對各車道的交通標記確定車輛行駛的方向和通行狀態(tài)，如左轉(zhuǎn)、右轉(zhuǎn)、直行、轉(zhuǎn)彎等，判斷相鄰車道的車道隔離線的類型，如單黃線、白虛線、白實線、雙黃線等，確定車輛是否可變道，車道拓撲的建立需考慮鏈接數(shù)據(jù)、通行規(guī)則、通行編碼等信息。

根據(jù)交通規(guī)則和車道的空間位置，遇到屬性、車道數(shù)等發(fā)生變化時，對車道區(qū)進行劃分，依據(jù)每一段的交通屬性和空間位置，劃分13個車道區(qū)域（圖3）。根據(jù)交通規(guī)則，對車道進行可行駛車道區(qū)和不可行使車道區(qū)的劃分，可行使車道區(qū)通過分段連接相鄰區(qū)域，自動建立車道區(qū)域標識碼，實現(xiàn)車輛從起始點開始一個區(qū)域到另一個區(qū)域的過渡，建立車輛行駛的空間管道，確定汽車行駛路線。所有通過區(qū)域均通過標識碼和空間位置自動連接，構(gòu)建多條從起點到終點的通行管道，增加了拓撲構(gòu)建的自由度。

拓撲構(gòu)建以車道區(qū)為單位，保持可通行車道的橫向通行，如圖3（b）所示，雖然有兩個車道，但是由交通規(guī)則和空間位置等信息可以判斷，此處可通行狀態(tài)參數(shù)一致，可自由變道，因此歸為一個車道區(qū)間。圖3（a）的車道場景圖可以提取為圖3（b）的拓撲圖，拓撲的距離因子根據(jù)實際道路的長度進行路徑規(guī)劃，結(jié)合車輛傳感器傳回的數(shù)據(jù)，實現(xiàn)自動行駛。

2.3 關(guān)聯(lián)構(gòu)建

對象之間的關(guān)聯(lián)關(guān)系是空間信息聯(lián)動的紐帶，也是數(shù)據(jù)分析、統(tǒng)計的基礎(chǔ)，通過對象之間廣義關(guān)系的抽象表達[18-19]，進而模擬客觀現(xiàn)實世界的聯(lián)動，對象屬性關(guān)聯(lián)關(guān)系的構(gòu)建直接影響數(shù)據(jù)存儲、管理、可視化顯示及分析等應(yīng)用，因此高效、互聯(lián)、精細的交互式屬性關(guān)聯(lián)關(guān)系的構(gòu)建至關(guān)重要。交互式關(guān)聯(lián)關(guān)系主要以獨立空間要素為單元，在此基礎(chǔ)上通過屬性和屬性值完成交互式關(guān)聯(lián)關(guān)系的構(gòu)建。

2.3.1交互式構(gòu)建的基本流程

建立每個要素的動態(tài)性屬性，以單個屬性集合來存儲不同變化形式的屬性特征，通過外界感知的物理存在狀態(tài)[20-22]，對對象屬性進行組織和有效的管理。用以表達不同時間點中對象的狀態(tài)和性質(zhì)。以內(nèi)在屬性體現(xiàn)對象時空語義特征，同時形成語義異構(gòu)，建立多語義尺度表達。每個唯一編碼ID和屬性值Value建立一一對應(yīng)關(guān)系，用ID和Value組成二元組隊映射關(guān)系。屬性信息表達關(guān)系如圖5所示，以車道中心線為時空對象，用戶需對路邊形狀、路口面積、道路類型、實時交通信息等進行采集和管理，在對應(yīng)的關(guān)聯(lián)屬性中進行存儲。

2.3.2關(guān)聯(lián)對象屬性對應(yīng)

在關(guān)聯(lián)對象獲取的基礎(chǔ)上，關(guān)聯(lián)對象屬性對應(yīng)關(guān)心根據(jù)關(guān)聯(lián)對象不同也分為一對一、一對多、多對一、多對多4種類型，關(guān)聯(lián)關(guān)系的基本信息、約束規(guī)則等都是批量構(gòu)建的，如下圖路口中紅綠燈、停止線、人行橫道線和車道中心線的關(guān)聯(lián)屬性對應(yīng)情況。

3 試驗情況

3.1數(shù)據(jù)采集方法

本次試驗對德清主城區(qū)100公里的道路進行了采集、生產(chǎn)、發(fā)布、應(yīng)用，試驗采用高性能采集車、激光掃描儀、GPS（Global Positioning System）定位儀、慣導(dǎo)、雷達、全景相機等組成的全景激光雷達移動測量系統(tǒng)為主要采集平臺，獲取道路的高分辨率全景影像數(shù)據(jù)、點云數(shù)據(jù)和可量測影像數(shù)據(jù)，無人機和外業(yè)測圖為補充開展數(shù)據(jù)外業(yè)數(shù)據(jù)獲取，并通過數(shù)據(jù)集成、差分解算等預(yù)處理，在點云數(shù)據(jù)和影像的質(zhì)量精度符合要求下，形成內(nèi)業(yè)生產(chǎn)數(shù)據(jù)。數(shù)據(jù)采集流程見圖8。

3.2 數(shù)據(jù)表達方式及特點

高精度數(shù)據(jù)以高精度路網(wǎng)導(dǎo)航地圖所呈現(xiàn)。本次試驗的高精度路網(wǎng)地圖以三維實體數(shù)據(jù)真實還原現(xiàn)實中車輛所經(jīng)過的道路環(huán)境，并將輔助車輛行駛的交通信息對應(yīng)（或關(guān)聯(lián)）到相應(yīng)交通設(shè)備的屬性中[23-25]，通過交通規(guī)則，建立行駛車輛周邊車道關(guān)系，滿足自動駕駛。本次實驗使用的高精度路網(wǎng)地圖分為10大類328小類，通過將交通規(guī)則關(guān)聯(lián)在車道上，構(gòu)建車道之間的拓撲關(guān)系，建立有序、連續(xù)的車輛可行駛通道，根據(jù)定位匹配結(jié)果獲得起始點的車道編號，通過規(guī)則建立所有能通行車輛通道的序列，完成自動駕駛行駛指令。主要特點是通過唯一碼實現(xiàn)了所有要素的關(guān)聯(lián)，完成要素之間的集合管理；通過空間位置集合和空間關(guān)系中鄰接、相交、相離等為關(guān)聯(lián)建立車道拓撲；以獨立空間要素為單元，通過屬性和屬性值完成交互式關(guān)聯(lián)關(guān)系的構(gòu)建。

3.3測試過程及結(jié)果

通過本模型構(gòu)建的高精度地圖路網(wǎng)數(shù)據(jù)經(jīng)過在用戶可能面臨駕駛場景的測試，驗證了模型包含的要素滿足了自動駕駛所需要的行車輔助語義信息，精確地表達了路網(wǎng)厘米級三維表征，為車輛的預(yù)判和安全行駛提供了有效保障。通過與自動駕駛車輛傳感器的有效結(jié)合，將感知結(jié)果與智能高精地圖相匹配，實現(xiàn)了行駛車輛在行車車道上的協(xié)同高精度定位，協(xié)作車輛快速判斷車輛所屬的外部環(huán)境，有效保證機動車輛對道路環(huán)境感知的準確性，能有效在車輛行駛形成指令，及時調(diào)整行駛狀態(tài)。

4結(jié)束語

本文提出了從自動駕駛應(yīng)用角度去構(gòu)建道路、道路設(shè)施、交通設(shè)施等行車輔助要素的數(shù)據(jù)模型，詳細介紹通過組件集合、拓撲構(gòu)建、交互式關(guān)聯(lián)關(guān)系等操作建立高精度地圖路網(wǎng)數(shù)據(jù)模型的過程。經(jīng)過試生產(chǎn)形成的數(shù)據(jù)與多家車商合作，展開聯(lián)合應(yīng)用驗證，本模型構(gòu)建的數(shù)據(jù)能有效與傳感器結(jié)合，實現(xiàn)了自動駕駛中在傳感器的輔助下能快速定位車輛當前位置，感知周邊環(huán)境形成虛擬駕駛環(huán)境，隨著駕駛環(huán)境變化及時調(diào)整規(guī)劃、決策、下達等。但是在生產(chǎn)、測試過程中存在一些難點，如道路通行狀況變化頻繁，變化發(fā)現(xiàn)和更新機制有待完善；點云數(shù)據(jù)矢量化提取自動化水平有待進一步加強，特別針對交通設(shè)施的提取和錄入；數(shù)據(jù)在公開使用方面受限較多，會成為大規(guī)模推廣及使用的瓶頸。在下一步的生產(chǎn)研究中，急需提升點云數(shù)據(jù)自動提取的能力，特別是針對交通設(shè)施及屬性自動提取、識別能力；與國內(nèi)外相關(guān)企業(yè)探討建立統(tǒng)一的數(shù)據(jù)模式，加快數(shù)據(jù)管理評審、評估、測試標準建立，實現(xiàn)數(shù)據(jù)共享。

作者簡介：劉靜華（1978—），女，浙江杭州人，碩士，主要研究方向為電子地圖及地理信息應(yīng)用。