无人驾驶时代下，绘制高精地图面临的挑战

高精地图的绘制并不难，问题在于成本。难的是如何理解环境发生的变化，并做出快速精准的判断，并与车辆进行及时通讯。当然，短期内如何商业化，也是一大问题。

高精地图的绘制并不难，问题在于成本。难的是如何理解环境发生的变化，并做出快速精准的判断，并与车辆进行及时通讯。当然，短期内如何商业化，也是一大问题。

在绝大多数人眼里，高精度地图是高级自动驾驶的核心使能技术之一。开发这类地图是一项浩大的工程，需要在资金和人才方面进行巨大的投资。

在传统地图中，盘山公路上的黄色标志表示前方有蛇形弯道，这很难如实地反映详细道路状况，但却可以向驾驶员传递一个简单的信号：准备应对弯道。

几个世纪以来，地图最本质的作用从未改变：指导人类从A地到达B地。不难想象，有时过于详尽的地图也会碍事。加州初创公司Deepmaps首席运营官罗伟(音)表示：“你不需要过多细节，细节过多反而可能让人迷惑。”罗先生此前曾在谷歌地图担任产品经理。

然而，在为用户提供信息的同时，地图公司也同时指望用户能够帮自己补充许多缺失的部分，并时刻对变化做出反应。毕竟，地图的用户是人类，地图和语言一样，是连接人类思维的桥梁符号。

自动驾驶时代的地图绘制

然而，这种情况正在改变。作为地图学中的最新领域，专为自动驾驶汽车绘制的地图面对的则是一类完全不同的用户：软件程序。与人类驾驶员不同，导航系统需要的是细节，每一条曲线、每一个凸起的路沿、每一条车道，每个细节都至关重要，而且必须达到厘米级精度。除此之外，更具挑战性的是，自动导航系统必须有能力判断各种未知情况，并作出相应改变。

比如，假如有棵树倒在路上，导航系统则该如何继续提供指引?对于人类驾驶员，这根本不是问题，不过是抱怨几句，然后换条路而已。但大多数软件在面临类似的情况时都需要非常详细的指导，否则根本不知道作何反应。

如今，新型地图已经成为自动驾驶行业中的基础技术之一，地图行业也由此开始崛起。毕竟，车辆最本质的功能是将人或货物运送至目的地，而地图可以帮自动驾驶车辆确定自身位置以及如何到达目的地，与现实世界建立联系。

新型地图需要对城市中的每一条小街小道都进行精确的三维记录，这本身没有什么难度。但更重要的是，我们还需要人工智能(AI)技术，协助车辆判断行驶路线上可能出现的各种情况，并作出适当的反应，而且通常需要在几分之一秒内完成。

如今，在自动驾驶汽车发展如火如荼之时，新一代地图的绘制已然成为了一项庞大事业。其中的参与者不仅包括地图行业巨头谷歌Waymo，还有很多初创公司，比如拿到风投的美国公司DeepMind和Carmera，以及由戴姆勒(Daimler)、大众(Volkswagen)和其他多家汽车制造商投资的欧洲领先地图供应商Here Technologies。最终，在竞争中胜出的公司将有机会运行一个全球地理平台，追踪并指导地球上大部分车辆的行驶。卡内基梅隆大学机器人系教授John Dolan表示：“这是一个非常热门的研究领域。”

如何应对变化

对于针对自动驾驶汽车的地图绘制而言，最大的挑战在于如何应对变化。“事实上，(自动驾驶地图)必须是4D的。”Deepmap公司的罗伟Wei Luo 表示：“也就是传统三维外加时间维度。”为了在地图中融入时间维度，所有系统都必须通过某种方法来收集最新数据，而且必须保证这些数据的实效性和可靠性。Waymo等公司选择利用自己自动驾驶车队上的传感器，其他公司则倾向于采用「众包」的思路，也就是利用其他车辆上装载的激光雷达和各种传感器。

一旦传感器就位，并开始传回报告流，数据收集部分的工作就很简单了。“你可以从一张信息丰富的基础地图开始。”纽约初创公司Carmera创始人兼首席执行官Ro Gupta表示：“这并不简单，但从某种程度上来说已经不是问题了。”

事实上，真正构成巨大挑战的正是大量数据本身。罗先生表示，每辆自动驾驶汽车每小时大约可以产生1PB的导航数据，这非常庞大，相当于2的50次方字节。软件必须对这些海量数据进行筛选，并从中找出有意义的片段，然后「决定」是否采取行动及采取何种行动。这将带来非常庞大的认知工作，需要人工智能技术的深入参与。

在最初阶段，单单识别变化就已经是一个挑战了。随着海量数据的不断涌入，基础地图将持续确认各种信息匹配无误。停车标志?没问题。左转车道?也没问题。

然而，世界常会有新的变化，比如街角处的一棵松树没有了，出现了一片空地。系统可以发现这些变化，但这个变化是否比落叶或水洼的出现更重要?人类驾驶员想都不用想，就会立刻认出某片空地上停了一辆卡车。但软件系统却缺乏人类的这种经验和直觉，因此必须通过更多线索才能进行判断。观察结果有更多的数据支持吗?类似大树这样的目标曾有多少次消失不见呢?这种情况是否会造成任何事故或其他麻烦?会影响交通的通畅吗?

在应对变化时，时间至关重要。一种符合逻辑的做法是通过对传感器车辆进行编程，使其仅在检测到与基础地图出现不符的情况时才进行报告，从而大幅减少数据通信量及相关延迟。如果Broad Street大街上的三条车道一切如故，那又何必再报告一些没用的信息，给系统增加噪声呢?Carmera的Gupta表示，不过，问题在于我们可能会忽视掉一些未被察觉的变化。他说：“因而可能会丢失一些假阴性指标。”

是否连“云端”?

此外，新型地图的更新还牵扯各种各样的数据管理问题。例如，哪些地图数据应交由车辆自己解读，又有哪些应该上传至基于云的人工智能系统进行判断?

从一方面，云可以同时从多个来源接收信息，将其与历史模式进行匹配，并提供更多的智能功能。然而，尽管超高速5G蜂窝网络预计将在三年内得到普及，但数据的传输依然无法避免延迟问题。更重要的是，由于网络连接很难得到100%的保证，因此自动驾驶汽车也必须配备车载系统，从而具备在不联网的情况下对变化进行判断，并做出适当反应的能力。

在早期阶段，大多数地图公司都会选择将部分区域当作样本，进行新型地图开发。很自然，很多公司都把精力集中在正在进行自动驾驶测试或已经开始提供相关服务的区域。比如，Waymo和Deepmap均在亚利桑那州和加利福尼亚州的部分地区投入了很大精力。

Carmera则已经与一些货运公司签订了合作协议，目前正在与纽约、旧金山和佛罗里达州的老年村进行地图建模，而这些地区都是其合作伙伴正在提供自动驾驶穿梭巴士服务的区域。Here Technologies公司则是一个例外，这家公司凭借与多家主流欧洲汽车制造商的关系，可以通过这些制造商出售的数十万辆汽车上的传感器，收集欧洲和北美地区的匿名数据。

现阶段的营利也很重要

对于一些获得风投的创业公司而言，业务发展的时机也非常重要。尽管这些公司现在已经开始大量砸钱，但全自动驾驶汽车(也就是SAE 4级和SAE 5级自动驾驶汽车)的广泛普及可能要到十几年以后，甚至更久。因此，这些创业公司也在为他们的下一代地图寻找过渡期的市场。HereTechnologies产品营销经理Mattew Preyss提问到：“在过渡期中，我们该如何利用这些数据来帮助驾驶员?”

Preyss表示，下一代地图将为Waze、谷歌地图及TomTom等当下主流导航服务提供有力补充，时时为驾驶员提供最新路况和路线修正信息。更重要的是，这些地图还可以提供如增强现实或寻找车位等一系列全新服务，以音频和画面的形式为驾驶员提供详细的路线信息。与以往一样，只要同时牵涉人类驾驶员和地图，我们就必须面临一个永恒挑战——如何让地图为驾驶员提供更多有用信息，但同时剔除可能分散驾驶员注意力的细节。

现阶段，让人类驾驶员继续参与新型地图绘制还有一个重要作用——地图本身可以学习人类驾驶员是如何对数据做出反应的，进而将更多人工智能处理能力分配在行车路线的中需要车辆立即做出反应的重大变化上。在未来十年中，我们人类驾驶员也将“教导”导航系统，使其真正做好取代我们的准备。