车道级导航地图在智能驾驶中的应用

摘要 该文从分析汽车智能化对智能驾驶的需求和智能驾驶对地图数据需求的角度出发，给出了车道级导航地图的内容、应用优势，以及车道级地图数据在智能驾驶的自主定位和行驶姿态调整、路径规划和导航策略优化、车辆感知和决策能力增强、智驾体验和安全性提示、应对复杂和特殊场景等方向的应用方法，并通过智能驾驶实际效果证明了车道级导航地图在智能驾驶应用的可行性。

关键词 车道级导航地图；智能驾驶；数据内容；应用优势

中图分类号 U463 文献标识码 A 文章编号 2096-8949（2024）23-0018-04

0 引言

智能汽车是国家重要的发展战略，国家发展改革委联合其他十部委发布《智能汽车创新发展战略》（发改产业〔2020〕202号）指出：“以发展中国标准智能汽车为方向，以建设智能汽车强国为目标，以推动产业融合发展为途径，开创新模式，培育新业态，提升产业基础能力和产业链水平，满足人民日益增长的美好生活需要。”智能汽车大体分为全无人驾驶汽车（L4和L5级别）和有条件自动驾驶及驾驶辅助智能汽车（L3以下级别），前者运营在有限的示范区内需要高精地图HD-map，后者运行在所有城乡道路，需要与之配套的车道级导航地图。

HD-map的内容极其庞杂，按目前的生产工艺，每人每天产能不足10 km，全国铺满将是上百亿的巨大资源投入，实时更新更是难上加难。而车道级导航地图相比而言是一种轻量级的高精地图，它舍弃高精地图里面的特征定位类对象，具备内容精简够用、更新速度快、精确度高等特点，能为智能驾驶提供实时、准确的车道级道路信息，为智能驾驶的车道级定位、车道级路径规划和引导、车道级驾驶操控提供了重要数据基础和决策依据，配合实时感知的环境信息使智能驾驶更安全、更流畅。

智能驾驶技术在传感器、识别算法、算力等领域快速进步的支撑下突飞猛进，但“无图导航”不可取，安全无小事，完全摆脱地图的依赖进而实现完全自动驾驶在当前阶段不具备可行性。自我感知的弱点在于探测距离的局限，因此，它的路线规划能力是有限的、基于个体的，不具备提高道路整体通行效率的能力；另外，中国道路极其复杂，不同城市具有不同的特色，感知很难处理好复杂场景下的问题。因此，感知和地图是相辅相成的关系，需要同时存在。从另一个维度看，感知能力的加强，确实减少了对绝对高精地图的依赖，因此车道级导航地图的“轻地图”模式越来越成为智能驾驶的主流导向。

1 车道级导航地图数据的内容

车道级导航地图数据在传统的标准地图（SD Map）基础上，增加车道级拓扑连接网络及其关联的交通信号灯等专题信息和标准地图的关联关系，相比HD map而言，位置精度由分米级扩大到亚米级，地图内容进行了精简，保留智驾基础依赖信息。智能驾驶车辆通过车载传感器（如GNSS+IMU、激光雷达、车载摄像头等）实时感知周围环境，并将感知结果与车道级导航地图数据中的信息进行融合，从而做出更准确的决策和规划。不同等级的地图数据内容与精度要求如表1所示。

2 车道级导航地图数据在智能驾驶中的应用优势

2.1 车道级导航地图数据能够提供必要的道路信息

车道级导航地图数据虽然相对于高精地图在精度和详细程度上有所降低，但仍然包含了基础的车道级道路信息，如车道线位置、道路边界、路口范围等，这些信息是智能驾驶系统进行路径规划和自主定位的基础，有助于系统理解道路的基本结构和走向。

同时包含关键的标线标识和信号灯信息，如公交车道、潮汐车道、非机动车道等，这些信息直接关系到车辆的行驶安全和交通规则遵守，帮助智能驾驶系统能够做出更加合理和合规的驾驶决策。必要的道路信息示例如图1所示。

2.2 车道级导航地图数据能够实现快速扩域和更新

车道级导航地图数据相较于传统的高精度地图，更注重地图数据的实时性和可用性，其设计初衷是为了在保持较高精度的同时，实现数据的广泛覆盖和快速更新，这种设计理念使得车道级导航地图数据在扩域和更新方面具备天然的优势[1]。

数据资料上更为多源，除了专业的采集车辆覆盖采集，也可以利用多源的数据采集方式，通过大量用户的实时数据反馈积累更新数据，为地图数据的更新提供高时效、更丰富的资料。

从资料处理上更为快速，由于车道级导航地图数据需要的资料量相对较小，因此其存储和传输成本也相对较低。借助云计算平台，车道级导航地图数据可以实现海量数据的快速存储和处理，大数据技术对这些数据进行深度挖掘和分析，提取出有价值的信息用于地图的更新，同时能够节省大量的存储空间和带宽资源。

数据生产上更为高效，车道级导航地图数据能够建立高度自动化的数据制作和更新流程，通过基于卷积神经网络的视觉大模型自动识别和分析多元数据源，通过数据大模型建立数据自动融合策略，实现地图数据的自动更新，大大提高了地图更新的时效性和准确性，大大降低了生产制作成本。

3 车道级导航地图数据在智能驾驶中的应用

智能驾驶时主要分为感知、决策、控制三个方面，车辆利用车载传感器感知车辆周围环境，并根据感知所获得的道路、车辆姿态和障碍物信息，决策行驶路径和方向，进一步控制车辆的转向和速度，从而使得车辆能够安全、可靠地在道路上行驶，这样就需要机器来实现精准的智能控制，需要有精确的环境基础信息，而这正是地图表达的主要内容。车道级导航地图提供先验信息，能够为车辆提供数公里外的超视觉感知，支持更加精确、实时的导航和驾驶决策。

3.1 智驾自主定位和行驶姿态调整的应用

车道级导航地图数据通过提供较高精度的车道级几何信息（包括车道线位置、车道宽度、停止线等），帮助智能驾驶系统实现自主定位和姿态估计。结合车载传感器的数据，系统能够实时获取车辆在道路上的精确位置，并调整车辆的行驶姿态，确保车辆始终保持在正确的车道内行驶，智驾自动定位和调整效果如图2所示。

3.2 智驾路径规划和导航策略优化的应用

车道级导航地图数据帮助智能驾驶系统能够更准确地规划行驶路径，并做出更加合理的驾驶决策。

宏观的长距离路径规划，需要由道路级数据实现，而局部短距离的路径规划和导航，需要由车道级数据实现。系统根据车道级数据中的车道级拓扑、车道数量、车道类型（如公交车道、非机动车道）等信息，预测和评估不同路径的行驶安全性，从而选择最优的行驶路径，准确判断每个行驶阶段所需的车道，并在必要时进行车道变换。如车辆转弯时，不能驶入非机动车道，车道级导航地图数据提供的“非机动车道”类型有效帮助车辆在做路径规划时，不规划此车道[2]。

同时，在行驶过程中，系统也可以根据车道级数据实时调整驾驶策略，如加速、减速等，以应对各种复杂的交通状况。

车道级路径规划效果如图3所示。

3.3 智驾车辆感知和决策能力增强的应用

车道级导航地图数据能够辅助汽车超视距感知，当车辆行驶的道路环境被其他物体遮挡（如地面转向箭头被车辆压盖）或者转弯，以及超出汽车车载传感器感知范围时，车道级导航地图能够帮助车辆预测和判断行进方向道路的状况。车道级导航地图为智驾提供先验信息场景示例如图4所示。

车道级导航地图数据能够辅助车辆快速识别道路的分车道标线，提高自动驾驶车辆数据处理效率，自动驾驶车辆感知重构周围三维场景时，可以利用车道级导航地图数据作为先验内容，减小数据处理时的搜索范围。

智能驾驶系统综合考虑地图数据、传感器数据以及其他相关信息（如车辆状态、用户偏好等），通过复杂的算法进行数据分析和处理，实时检测和识别道路上的障碍物（如其他车辆、行人、路障等），系统能够分析障碍物的位置、速度和运动轨迹，从而预测它们与车辆之间的潜在冲突，并提前采取避障措施，确保行驶安全，做出更加准确的决策。

3.4 智驾车辆驾驶体验和安全性提升的应用

车道级导航地图的应用可以显著提升智能驾驶的驾驶体验和安全性。

基于车道级导航地图为智驾底图显示界面，通过结合车辆的摄像头和雷达等传感器数据，能够实时反映车辆周围的环境信息，如周围车辆、锥桶、防撞桶等，为驾驶者提供更加直观的驾驶场景模拟，增强驾驶的沉浸感和安全性。车辆周围实时环境示例如图5所示。

在人车共驾模式下，车道级导航地图通过保持自驾模式下的导航路径与座舱地图的一致性，避免了驾驶者在人驾和车驾之间频繁切换时产生的割裂感。这种一致性的用户体验不仅提升了驾驶的流畅性，也增强了驾驶者对自动驾驶系统的信任感。

另外，通过提供车道级的导航和驾驶决策支持，系统能够在一定程度上减少驾驶员的驾驶负担和错误率，提高行驶的安全性和舒适性。同时，车道级导航地图还可以帮助智能驾驶系统更好地应对各种复杂的交通场景，如施工区域、恶劣天气等，提高系统的鲁棒性和适应性。

3.5 智驾车辆应对复杂和特殊场景的应用

在现实世界真实的交通环境中，存在着各种复杂的场景，如复杂路口、主辅路出入口、隧道场景等。智能驾驶系统需要能够快速准确地理解这些场景，并作出相应的决策。然而，目前的技术在这方面还存在不足，车道级导航地图数据弥补了系统的短板[3]。

常见的复杂和特殊场景包括：

（1）复杂路口和立交桥：在复杂路口和立交桥等场景下，传统定位方法往往难以准确确定车辆的位置和姿态。通过车道级导航地图和传感器数据的结合，智能驾驶系统能够准确识别和匹配道路网络中的关键特征点，从而在这些复杂场景中实现精确的自主定位和姿态估计。复杂路口场景示例如图6所示。

（2）GNSS信号受限区域：在高楼密集区、隧道等GNSS信号受限的区域，传统定位方法可能无法正常工作。遇到此类场景，智能驾驶系统可以依靠地图数据和传感器数据进行自主定位和姿态估计，确保车辆在这些区域内的行驶安全和稳定。

4 结语

该文论述了车道级导航地图数据内容和在智能驾驶中的应用优势，以及在智驾的自主定位和行驶姿态调整、路径规划和导航策略优化、车辆感知和决策能力增强、智驾体验和安全性提示、应对复杂和特殊场景等方向的应用。车道级导航地图数据在智能驾驶系统中的应用具有广泛而深远的意义。

地图数据与智能驾驶系统的结合，显著提高了行驶的安全性。这种结合机制不仅使智能驾驶车辆能够更好地应对复杂多变的交通环境，还为实现更高级别的自动驾驶技术提供了坚实的基础。随着技术的不断进步和应用场景的拓展，车道级导航地图数据与智能驾驶系统的结合将在未来发挥更加重要的作用。

参考文献

[1]刘建平，郑阳，郑望晓.高精度地图的应用和更新方案[J].汽车实用技术， 2021（12）：27-29.

[2]谭坤淋.基于人工智能算法的图像识别技术分析[J]. 信息与电脑（理论版）， 2023（1）：196-198.

[3]杜远，孙阳.基于人工智能技术的线路施工现场安全图像识别方法[J].电工技术， 2022（14）：87-90.