關注“測繪學術資訊”
自動駕駛的高精度路網地圖資料模型研究
劉靜華 葛為燎 董志
（浙江省測繪科學技術研究院，杭州 310012）
摘要：針對目前的導航電子地圖無法有效保障自動駕駛的安全行駛問題，提出建構高精度路網地圖資料模型輔助自動駕駛車輛及早預先感覺周圍環境、規劃行駛路線、控制指令生成等來更有效地保障自動駕駛的安全性。在車載雷射雷達車采集資料的基礎上，通過利用矢量化資料建立資料模型、元件集合、拓撲建構、互動式關聯關系等實作資料之間的關聯性和耦合，以滿足自動駕駛的應用。試驗表明，使用本模型制作的高精度路網地圖，具有拓撲的合理性、資料模型可塑、關聯關系互動性群組件集合拓展等優勢，能夠有效提升車輛超視距感覺行駛環境的能力，提高控制指令的生成效率和正确性，確定自動駕駛的安全性和可靠性。
0 引言
随着自動駕駛領域和智能化交通的進一步發展，導航電子地圖從精度、要素、組織等均無法為自動駕駛提供一個智能的、安全的行駛環境及相應需求資訊[1]。國外Mobileye與大衆、寶馬和日産簽署協定實作資料共享，Here與奔馳、寶馬等形成高精度地圖聯盟[2]；國内釋出了《智能汽車創新發展戰略》、《交通強國建設綱要》，提出“建設覆寫全國的車用基礎地圖系統和加強智能網聯汽車研發”。國内外一系列的方案和政策從頂層戰略、示範應用、優化架構等方面展現了自動駕駛的發展趨勢，作為智能網聯汽車基礎設施的高精度路網地圖[3]，其優質的資料結構、模型建構、拓撲建構等能有效地讓自動駕駛無人車了解行車過程中的規則、交通狀況和周邊環境。現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%為有導航功能的轎車提供地圖資料[4]。考慮到高精度地圖廣闊的發展前景，除了原本地理資訊行業之外，國内很多網際網路行業的企業通過收購或者與圖商合作的形式進入高精度地圖研發領域，百度和TomTom聯合、騰訊收購四維圖新、阿裡巴巴收購高德地圖等，也有很多新創公司加入這個領域如寬凳科技、極奧科技等[5]。然而高精度路網地圖資料模型未形成有效的規定，本文面向自動駕駛的預先感覺周圍環境、規劃行駛路線、控制指令[6-7]等應用出發，對高精度路網地圖資料模型進行研究。
結合《公路工程技術标準》、《道路交通标志和标線》、《城市道路交通設施設計規範》等國内道路規範，通過外業實采、内業矢量化、建立道路、道路設施、交通設施之間空間與屬性之間的拓撲、互動式關系和模型元件，生成符合國内環境滿足自動駕駛應用的高精度路網地圖。高精度路網地圖資料模型建構主要包含車輛行駛中所需的詳細交通靜态資訊、道路拓撲資訊和精細交通限制資訊[8]。原理基于車輛行駛并不是在未知的環境，而是在具有一定規則構成的已知空間環境下，高精度路網地圖主要是預先擷取車輛行駛道路中所有相關交通要素的空間位置、要素形态、道路規則、行駛資訊等，通過要素數字化、拓撲建構等資訊進而建立數字道路模型[9-12]，在行駛過程中融入車輛的實時位置、車輛行駛參數、動态資訊等[13]資訊，生成車輛行駛管道和控制指令。
1 高精度路網地圖架構設計
輔助自動駕駛的高精度路網地圖主要由道路基本設施、道路輔助設施、交通設施3類要素組成，道路基本設施主要包含道路中心線、邊線、橋梁、隧道等供車輛通行的設施；道路附屬設施包含人行線、紅綠燈、線圈、綠化帶等交通安全和管理的設施；交通辨別設施包含車道辨別、交通引導、警告标志等應用于車輛通行交通辨別。将以上3類要素的形态通過點、線、面、體建構，形成真實的虛拟靜态路況，包括起伏、轉向等，采用屬性挂接相應要素資訊，通過屬性表進行存儲，建立資料倉庫，并通過符号比對形成視圖顯示庫，在矢量資料的基礎上利用智能算法、資料工具分析等形成車輛路徑規劃、環境預判、決策分析等指令資訊。
為了便于自動駕駛分析和應用，采用分層、分類等對高精度路網地圖資料進行資訊綜合。資訊綜合需考慮自動駕駛在環境解讀中對要素的需求，經過多次在試驗場地中試驗和自動駕駛路段的行駛測試後。根據自動駕駛應用将高精度路網地圖要素按最小、最穩定為單元依據地理實體特性進行分類編碼，通過編碼建立現實世界和虛拟資訊世界的連結，編碼采用20位定長的十進制數字碼，縣級及以上行政區劃碼采用GB/T2260的編碼，縣級以下行政區劃采用GB/T10114的編碼規則，以空間位置關系、應用的密切度、要素歸屬性将要素分為大、中、小3類，并建立分類表和分類碼，交通設施特征代碼采用GB/T 21381-2008，圖形碼以兩位的十進制數字碼表示：點01、線02、面03、體04。
2 資料模型建構
2.1 模型構成
車輛行駛空間由多重空間組成，如車道區域、路口區域和其他特色區域組成，車輛行駛過程中車道線、人行線、停止線等對車輛行駛具有限制性，是以探索以最小單元的交通要素為模型顆粒，對路網要素進行空間化表現，利用空間資料庫的特征，以點、線、面、體的幾何形态建立所有要素之間關聯、耦合、拓撲，入庫的資料包括幾何資訊及屬性資訊。為了減少計算量，提高定位效率，将車輛行駛過程中的整個路行駛空間分割為一些子區域，如車道區、路口區、特定區等，以區域為單元，建立車輛可行駛通道。将行駛通道用形式化表示為式（1）。
V=（Li，Wi，Pi） （1）
式中：V=是行駛通道的集合，L=是行駛車道的集合，W=為行駛經過路口的集合，P=為行駛過程中遇到的特定區域的集合，如收費站、檢查站、服務區等。
車道區包含車道中心線、道路中心線、道路邊線、車道标線、交通标志牌、交通輔助駕駛裝置。形式化表達為式（2）。
L =（LCi，Ri，Si，TLi，TPi，Ai） （2）
式中：LC=為車道中心線的集合，R=為道路中心線集合，S=為道路邊線的集合，TL=為車道标線的集合，TP=為交通标志牌的集合，A=為交通輔助駕駛裝置的集合。
車道中心線包含辨別符、屬性、坐标等資訊，形式化表示為式（3）。
LC=（LBi，LSi，Ci） （3）
式中：LB=為車道中心線辨別符，LS=為車道屬性集，Ci分别為車道每個節點的幾何屬性集合。
在行駛過程中，将通道根據行駛區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=為可行駛通道的集合，Wi =為不可行使通道的集合，在可行使通道區域内，根據車道區内各要素及屬性資訊，建立車輛通行的拓撲關系，形成道路駕駛的路徑規劃。
2.2 拓撲建構
拓撲建構是模型建構的核心工作，因為車輛在行駛過程中核心的問題是如何選擇下一個區間，基于車道級别的拓撲實質就是含有權重的有向圖[14-17]，利用車道的空間位置集合和空間關系中鄰接、相交、相離等為關聯建立車道拓撲，針對各車道的交通标記确定車輛行駛的方向和通行狀态，如左轉、右轉、直行、轉彎等，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，确定車輛是否可變道，車道拓撲的建立需考慮連結資料、通行規則、通行編碼等資訊。
根據交通規則和車道的空間位置，遇到屬性、車道數等發生變化時，對車道區進行劃分，依據每一段的交通屬性和空間位置，劃分13個車道區域（圖3）。根據交通規則，對車道進行可行駛車道區和不可行使車道區的劃分，可行使車道區通過分段連接配接相鄰區域，自動建立車道區域辨別碼，實作車輛從起始點開始一個區域到另一個區域的過渡，建立車輛行駛的空間管道，确定汽車行駛路線。所有通過區域均通過辨別碼和空間位置自動連接配接，建構多條從起點到終點的通行管道，增加了拓撲建構的自由度。
拓撲建構以車道區為機關，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，但是由交通規則和空間位置等資訊可以判斷，此處可通行狀态參數一緻，可自由變道，是以歸為一個車道區間。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實際道路的長度進行路徑規劃，結合車輛傳感器傳回的資料，實作自動行駛。
2.3 關聯建構
對象之間的關聯關系是空間資訊關聯的紐帶，也是資料分析、統計的基礎，通過對象之間廣義關系的抽象表達[18-19]，進而模拟客觀現實世界的關聯，對象屬性關聯關系的建構直接影響資料存儲、管理、可視化顯示及分析等應用，是以高效、互聯、精細的互動式屬性關聯關系的建構至關重要。互動式關聯關系主要以獨立空間要素為單元，在此基礎上通過屬性和屬性值完成互動式關聯關系的建構。
2.3.1互動式建構的基本流程
建立每個要素的動态性屬性，以單個屬性集合來存儲不同變化形式的屬性特征，通過外界感覺的實體存在狀态[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态和性質。以内在屬性展現對象時空語義特征，同時形成語義異構，建立多語義尺度表達。每個唯一編碼ID和屬性值Value建立一一對應關系，用ID和Value組成二進制組隊映射關系。屬性資訊表達關系如圖5所示，以車道中心線為時空對象，使用者需對路邊形狀、路口面積、道路類型、實時交通資訊等進行采集和管理，在對應的關聯屬性中進行存儲。
2.3.2關聯對象屬性對應
在關聯對象擷取的基礎上，關聯對象屬性對應關心根據關聯對象不同也分為一對一、一對多、多對一、多對多4種類型，關聯關系的基本資訊、限制規則等都是批量建構的，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聯屬性對應情況。
3 試驗情況
3.1資料采集方法
本次試驗對德清主城區100公裡的道路進行了采集、生産、釋出、應用，試驗采用高性能采集車、雷射掃描器、GPS（Global Positioning System）定位儀、慣導、雷達、全景相機等組成的全景雷射雷達移動測量系統為主要采集平台，擷取道路的高分辨率全景影像資料、點雲資料和可量測影像資料，無人機和外業測圖為補充開展資料外業資料擷取，并通過資料內建、差分解算等預處理，在點雲資料和影像的品質精度符合要求下，形成内業生産資料。資料采集流程見圖8。
3.2 資料表達方式及特點
高精度資料以高精度路網導航地圖所呈現。本次試驗的高精度路網地圖以三維實體資料真實還原現實中車輛所經過的道路環境，并将輔助車輛行駛的交通資訊對應（或關聯）到相應交通裝置的屬性中[23-25]，通過交通規則，建立行駛車輛周邊車道關系，滿足自動駕駛。本次實驗使用的高精度路網地圖分為10大類328小類，通過将交通規則關聯在車道上，建構車道之間的拓撲關系，建立有序、連續的車輛可行駛通道，根據定位比對結果獲得起始點的車道編号，通過規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作了所有要素的關聯，完成要素之間的集合管理；通過空間位置集合和空間關系中鄰接、相交、相離等為關聯建立車道拓撲；以獨立空間要素為單元，通過屬性和屬性值完成互動式關聯關系的建構。
3.3測試過程及結果
通過本模型建構的高精度地圖路網資料經過在使用者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資訊，精确地表達了路網厘米級三維表征，為車輛的預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合，将感覺結果與智能高精地圖相比對，實作了行駛車輛在行車車道上的協同高精度定位，協作車輛快速判斷車輛所屬的外部環境，有效保證機動車輛對道路環境感覺的準确性，能有效在車輛行駛形成指令，及時調整行駛狀态。
4結束語
本文提出了從自動駕駛應用角度去建構道路、道路設施、交通設施等行車輔助要素的資料模型，詳細介紹通過元件集合、拓撲建構、互動式關聯關系等操作建立高精度地圖路網資料模型的過程。經過試生産形成的資料與多家車商合作，展開聯合應用驗證，本模型建構的資料能有效與傳感器結合，實作了自動駕駛中在傳感器的輔助下能快速定位車輛目前位置，感覺周邊環境形成虛拟駕駛環境，随着駕駛環境變化及時調整規劃、決策、下達等。但是在生産、測試過程中存在一些難點，如道路通行狀況變化頻繁，變化發現和更新機制有待完善；點雲資料矢量化提取自動化水準有待進一步加強，特别針對交通設施的提取和錄入；資料在公開使用方面受限較多，會成為大規模推廣及使用的瓶頸。在下一步的生産研究中，急需提升點雲資料自動提取的能力，特别是針對交通設施及屬性自動提取、識别能力；與國内外相關企業探讨建立統一的資料模式，加快資料管理評審、評估、測試标準建立，實作資料共享。
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資訊應用。
關注“測繪科學”