近日，邀请了四维图新自动驾驶地图标准总监朱大伟作为【高精度地图的上车元年】云峰会的首位演讲嘉宾，分享高精度地图在上车过程中的实践、面临的挑战以及未来的商业发展模式。
以下为朱大伟的演讲全文，做了不改变原意的编辑：
我叫朱大伟，来自北京四维图新，有14年的地图行业经验、5年的更新地图标准工艺经验。
今天我分享的题目是《从高精度地图到云开放-自动驾驶地图服务进化论》。四维图新成立于2002年，经过十几年的创新发展，四维图新已经成为一个拥有导航地图、导航软件、动态交通信息、位置大数据以及乘用车乘商用车定制化车联网解决方案的企业。
在汽车“新四化”时代，我们更加致力于自动驾驶地图、高精度定位、云服务平台，以及应用于ADAS和自动驾驶的车规级芯片等核心业务，打造“智能汽车大脑”，赋能智慧出行。
为什么自动驾驶需要高精度地图?
言归正传。
讲到自动驾驶地图，为什么自动驾驶需要高精度地图? 我们认为有几个原因：感知、定位和车道级的规划方面的需要。
在感知方面，在很多路口的红绿灯场景下，自动驾驶传感器很难识别红绿灯。有了高精度地图之后，就可以提供一种冗余性。在极端天气的情况下，传感器容易失效，地图也都可以提供很好的帮助。
第二点关于定位。大家都知道国家有北斗导航系统，现在也正式全球商用了。基于北斗的地基增强系统，按理说整体的效果是可以满足全场景要求的。但其实在一些城市隧道场景下很难做到连续性导航，高精度地图就可以提供给定位帮助。
第三是自动驾驶需要做到车道级导航。 一个好的车道级导航需要知道车道在哪，以及车道发生变化的点在哪里。有了高精度地图，就可以很精确地告诉车辆，车道出入口、停车的位置以及车道的变化。
在路口，假如车辆处于遮挡、拥堵的情况下，车辆也大概知道停车的位置、红绿灯在哪。还有一些转向情况，常规左转是车辆从最左侧车道进行转弯，但很多交通场景下左转车道并不在最左边，而是在最右边。这时候单纯靠视觉，没有提前先验信息，车辆很难在最右车道实现左转，可能会出现一些故障或失效的情况。
再举个例子，大家都认为在高速上自动驾驶车辆可以跑得很顺畅，但其实不是。如果某个路段车道突然消失了，自动驾驶车的反应是来不及的，可能出现紧急刹车、剐蹭的情况。
另一种很特殊的场景是，高速公路上接近出口的地方有一些紧急停车带，自动驾驶车辆很可能会误以为就是出口，但事实上可能距离出口还有100米左右，毕竟导航地图有精度限制。所以当自动驾驶车辆发现这个地方出不去的时候，再紧急转弯就很难了。高精度地图就可以提供帮助，提前规避这些有危险的地方。
还有一种平时可能会忽略的情况是，比如公路服务站等正好开在高速路边上，但导航地图上是不会体现的。如果是人类驾驶可能会识别到一些突然出现的车辆，但对车辆来说是比较难的。
在这几年的高精度地图的制图过程中，除了刚才说的常规例子，还有很多特殊场景比如高速调头口、交叉路口，甚至还有红绿灯，在各种功能安全要求的情况下，没有先验知识是很难做到的。
作为一个高精度地图商，我们有意愿、有责任把地图每一个特殊情况都做出来，为各个车厂提供更好的服务。
当下业内也很关注特斯拉的动向。特斯拉总说自己不使用高精度地图。但我们发现最近他发布了一个叫 FSD Better Test的软件，声称在普通道路上也能够穿过环岛、通过路口等。从各种测评以及反馈结果来看，特斯拉应该使用了一个高精度地图，但他用的可能不是别人家的高精度地图，而是自家的。
特斯拉拥有三个别人所不具备的能力：一是算力强，目前他的HW3.0算力能达到144 TOPS，这是大多数车厂以及目前市面车辆所达不到的一个算力。第二是他有很强的算法，通过自己多年的积累，可以很好地识别以及提取路端的一些信息。第三是他很有很好的生态，众多车辆可以将车辆数据传到数据中心，然后进行融合，快速生成地图。
当然，特斯拉的地图主要是满足他L2+或者L2.9的需求，地图相对来说粗糙一些，而不是像图商一样，会把周围的各种对象都表达出来，这是有差异的。所以特斯拉不是不用地图，只是没用我们说得高精度地图。
不同级别的自动驾驶量产需要不同的高精度地图产品
可以看到，地图的应用是多种多样的。
我们一直认为，从L2+到到L3、L4，地图的使用比重一直是越来越重的。
首先L2+来讲，首先要满足动态ODD的要求。地图是能满足ODD要求的，但是这应该是一种动态的要求，所以还需要车厂基于自定义要求来做。
第二，除了OOD之外，定位这块可以分为两种：一种是基于传感器的定位，一种是基于语义的定位方式。比如博世就是基于毫米波雷达等传感器采集的信息产生定位，而Mobileye的定位方式就类似于众包方式，通过客户使用他的EyeQ 系列芯片产生相应数据,然后通过REM的形式，发给车辆进行定位。
在L3、L4级别，我们了解最多的可能是Waymo。Waymo在凤凰城已经基本实现了去掉安全员的纯自动驾驶，但他对地图的使用也是最重的。他使用了雷达的点云定位图层、语义的定位图层，同时他还在凤凰城已经跑了上千万英里测试。除此之外，Waymo还做了一个概率图层，也叫可用性图层，看看有没有行人和车辆出入。还有一点是，Waymo的地图要做到很高的更新频率，才能在凤凰城跑起来。
但如果从车厂的角度来看，一般要从功能安全的角度出发，保证精度、质量以及更新频率，还要保证车辆对于精度的要求，这也是图商的优势。
四维图新从一开始就瞄准了L3、L4自动驾驶地图方向，所有的供给链都是基于L3、L4打造的，具有完整的能够支撑L3、L4的地图整体供应。
要做好服务，我们认为要达到几点：高度的高质量化、高度的自动化、高度的更新频率。
首先是高精度，从供应链来看，四维图新有测绘级的采集车，通过我们的惯导、差分来满足高精度要求。除此之外，为了保证整体的相对精度或绝对精度，我们还要做事后的确认检查，检查采集过程中有没有一些不应该出现的情况，根据这个来做自动化的优化。
当然，如果想要保证更快的更新频率，最主要的是图商对道路的提取能力。四维图新在这方面有60种场景集合都是全自动化提取的，包括一些很特殊的场景，比如很靠近墙体的墙牌也能进行识别和区分。对于不能完全确认的信息，我们还会留到一个人工平台，进行人工确认，保证地图完整的质量。
最后还要做一个户外现场的整体验证。四维图新每年的验证规模接近建图的10%，一个高速公路接近3万公里。此外还要在高速公路上打几万个点，以此验证具体点的进度。
此外，四维图新还有快速更新能力，可以将所有的众包数据拿回来，做快速的融合和翻译变化。
到目前为止，四维图新已经积累了32万公里的一个高速、和城市快速路。服务于L4级的普通道路，我们也做到了5000+公里的级别。
在和国际图商合作的过程中，他们认为四维图新不管从能力、质量、还是规格层面，都能满足他们的要求，所以也邀请四维图新在国外和他们一起做联合验证。
针对L3的地图，我们称之为HD PRO，其更新组成有几方面：首先需要通过图像、点云来建图，然后通过自动化提取出相应的集合，再通过人工的监督验证完整更新。L4级主要是针对L4级的Robotaxi和未来的L5级自动驾驶。
L5是一个非常重要素的高精度地图。从数据量级来看，是普通道路的大概5~10倍不等;从制作难度来看，其采集本身就是一个很大的难题。比如在一个路口，地图上表达的语义是非常多的，包括路口停止线在哪、用来左转还是右转，或者要跟红绿灯关联起来。
四维图新自动驾驶地图完整解决方案
目前四维图新已经形成了完整的自动驾驶地图解决方案。
针对L3需要的高精度地图，为了更快地客户提供服务，四维图新成了HDMS服务平台。
在这个平台，我们首先会强调安全性。安全性体现在几个方面：一是体现在自身数据通路的安全性上，二是车辆的安全性，要防止对车辆的各种攻击。目前这一块我们也和车厂做了多重验证，能够满足现在的要求。
另外，还涉及到数据回传到终端的问题。一种是针对客户的服务器，我们可以提供服务器到服务器的服务，另外也可以提供服务器发送到车端服务。这个服务涉及自动驾驶，要求等级是比较高的，现在OEM厂商的要求是7×24小时提供服务，方便车辆进行OTA升级。
OTA升级会涉及到数据大小问题，大家可能会有一个误解，高精度地图跟导航地图不同，数据量可能会特别大。但事实上，从我们的数据来看，L3级别所需要的高精度地图，一公里的数据量大概只有20k左右。支撑L4的地图数据，量级大概是L3的10倍左右，30万公里也就大概几个 G的样子。
所以，车企在车辆进行架构设计或者空间预留时，留有最多20G的空间就可以满足未来几年的高精度地图使用情况。但其实不需要这么做，因为地图是动态更新的，很多旧有数据和材料没有太多意义。
至于众包更新，我们也和车厂做了一些验证。高精度地图想要发挥作用，众包更新是一个很关键的点。
四维图新也有自己的众包车队，能够把需要的区域信息更新通过众包的方式全部上传上来，但这种方式的经济性不太好。另外一种方式是，通过下发任务，让车辆将所有识别的变化内容以任务的形式上传到云端。这种方式更加轻量化，能够保证按需所取，快速进行更新。
众包更新听起来很好，但其实还远远不够的。因为现在路上跑的没几辆是自动驾驶车辆，或者说不能达到众包更新所要求的精度。所以现在的众包更新可能和专业车辆的更新成本差不太多。
但未来众包更新是必须的。这体现在几个点：一是范围，只有通过众包更新的方式才能将实现高速公路、普通公路的全范围覆盖;另一个是时效性，能够最先发现道路上的变化的，肯定是路上在跑的车辆。所以通过众包地图能够实现快速地发现变化，即便不能更新，也能发现哪些地方确实是有问题的。此外还可以对整个地图系统进行交叉验证。
接下来我们说一下标准方面的内容，对于国际市场、零部件的 OEM厂商来说，有统一的标准是最有利和最经济的。在高精度地图行业，国际上最通用的高精度地图标准是NDS，四维图新是第一家编出来NDS格式，然后在车上应用的图商，我们一直在标准联盟里积极活跃。
除了NDS标准之外，我们还有关于众包回传的一些标准，比如矢量化、要素种类以及属性等;还有关于实时交通的信息要求标准、ADAS的车内传输标准等。
为了达到更好的共同性，四维图新还和其他图商如HERE及联盟里的成员，将相应的地图规格做到共通。同时，我们还和DMP一起成立联合工作组，在地图规格上一个形成统一意见，更好地支持及DMP规格、支持车企的设备。
四维图新从2015年开始参加联盟，那时候高精度地图的标准并不成熟，从那时候开始我们就起草高精度地图的标准。目前这个标准应通过了国标委的答辩，正在跟交通部和自然资源部联合共同推动标准更新。
我们的标准分为两部分：高速道路标准、普通道路标准。说到标准，大家可能会关心一些法律法规问题，觉得现在的法律法规限制蛮多。但其实从行业发展来讲，在还没有准备好的情况下，还不能充分证明自动驾驶车辆的安全性，就贸然修改法律和法规吗?
法律本身不是优先对待自动驾驶，而是需要先做一个未来的规划，里面会包含很多场景，需要考虑的很全才能在法律上做得完善。现在很多部门都在想办法推动各种测试验证，希望各个图商、车厂能共同验证地图方案的安全性，所以在法律方面大家比较谨慎，也是可以理解的。
有一位院士讲过，地图、V2X以及网联汽车，是未来自动驾驶的三个基础设施。地图想要作为一个基础设施(好比水电煤)，他的特点就是拿来即用。所以四维图新在这方面也做了一个相应的SDK解决方案，包括地图的OTA在线更新、APP，ODD、众包更新、还有V2X的一些支持。
大家最关注的两点是：车道级的路径规划，我们能和别的导航地图做一个动态的关联，不管是谁家的导航地图，都能和四维图新的高精度地图可以随时关联，做一个车道级的导航。
还有定位的内容，传统的定位主要是基于GNS+IMU。定位在传统导航里是非常起作用的，主要给人来看，稍微有点偏差影响不大。但如果要做自动驾驶级别的车道级导航，需要摄像头和地图匹配找到具体车道，然后基于匹配的结果和定位点做适配，再加上地图的一些属性比如坡度、曲率等，实现绝对定位和行驶轨迹的推算，这是地图的特别价值所在。
但现在定位也面临一些问题，一款车型上市之前大概有需要至少2万~10万公里的测试，这是很正常的。
还有一点是，自动驾驶需要自身自动选择车道行驶，但自身车辆的绝对精度和相对精度是怎样的?传统的评测办法是用惯导加GPS，然后做事后的对比。但现在还不能解决的一个问题是，车辆到底距离车道线还有多远?这个确定起来非常复杂。
四维图新基于高精度地图以及自动驾驶解决方案，形成了完整的解决方案。通过和车道对比进行实时测评，出来的结果涉及的维度还挺多，包括相对精度、绝对精度、高精度惯导等评价都可以体现。当然我们按照客户要求做的一些更高精度的评估，包括夜晚场景都可以覆盖到。
以上就是四维图新整体的产品组合，云端的HDMS服务云可以做到整体的模拟仿真和众包的变化，发现更新;车端层面可以做到定位、交叉关联、路径规划。
自动驾驶地图的未来
5年前大家都认为L3、L4能很快来临，但是实际上L3、L4的到来比想象中要晚一些。
从现在各个车厂的规划来看，2023年L3才有可能正式量产，2025年L4以上才可能大规模量产。现在L2+才是最主要的市场，包括算力、各种传感器，功能安全，法律法规要求都在逐步完善。
我们也对比了一下，在国外，可能高速上跑的情况更多一些，但在国内，从家到公司两点一线的情况比较多。大部分情况下，百分之七八十都是在普通道路上行驶，百分之三十是在高速道路，很多场景功能ACC这些反而在普通道路上是用不起来的。
所以我们认为，在L2一块还面临着很大体验提升需求。从L2本身来讲，城市路口多，只能在高速上用。对于L4来讲，成本、以及商业模式还没到临界点。L2+是一个很好的选择点，因为在高速上很多能力都已经实现了，这些能力在城市道路上也能用，能提升基于地图的普通道路的可用率。
因此，我们认为在普通道路上，未来会有成本相对低、自动化相对高的地图来支撑场景应用。
在这方面，我们和客户打造了一个叫LitePilot的地图，就是为了随时能让大家享受到自动驾驶的乐趣。他通用的功能是车道的路径规划，就是普通道路上一个车道的规划，他能无缝地把普通道路和高速道路连为普通道路，实现全场景的连接，帮助做到上下匝道环岛通行、路口通行，提前右转辅助等，这在以前没有地图的情况下是完全做不到的一些功能。
对于未来的HD MAP，我们认为，V2X在中国是未来一个很好的增强自动驾驶能力的方向。边缘计算的一个好处是，能实时发现车辆所不能发现的信息，再结合高精度地图，能提供一个更稳定的信息，包括corner case、一些危险信息等。
最近我们在上海参加了一个“新四跨”活动，四维图新在里面做了高精度地图的支撑，70%的车厂都选用了四维图新的高精度地图。
要实现高精度地图从L2~L5的的无缝升级，我们认为有一个整体的演进路径。他是一个平滑的过程，从ADAS到L4的整体演进过程。
最后我们讲一下，地图想要真正用起来，其实要有一个完整的闭环生态。随着自动驾驶车辆越来越多，各种传感器配置越来越多，需要车辆和地图的云服务共同打通。我们会提供基于地图的客户化服务、基于用户运营的服务，通过大数据驱动，产生实现自动驾驶的一个演进。
