编者按：高精度道路导航地图具有更加丰富细致的道路信息，可以更加精准地反映道路的真实情况。与传统地图相比，它的图层数量更多，图层内容更加精细，具有新的地图结构划分。正是因为高精度道路导航地图丰富的信息含量，使得它具有庞大的数据量，而传统的集中式大数据处理模式无法满足它的计算需求。因此，本文提出「众包+边缘计算」的大数据处理模式来解决高精度道路导航地图的计算问题。目前，高精度道路导航地图已进入高速发展状态，但发展过程中仍面临着一些需要解决的问题。

本文来自 2018年4月15日出版的《中国工程科学》，作者是中国工程院院士、武汉大学刘经南教授，武汉大学郭迟副教授、张宏敏和左文炜，同济大学吴杭彬副教授和易图通科技（北京）有限公司副总裁羊铖。

传统导航地图在日常生活中主要被用于导航和查询地理信息，出行的人群是其主要服务对象。基于人类自身的视觉识别能力和逻辑思维能力，很多道路信息都被精简[1]。随着互联网时代的高速发展，更多基于位置的新型服务和行业被提出，例如「互联网+」智能交通、无人系统等。

国家发展和改革委员会提出的促进智能交通发展的「互联网+」便捷交通实施方案已经正式发布。这些服务都是依托互联网来开展的，因此地图的服务对象不再仅仅是人类，而是慢慢向机器过渡，这对地图的精度、内容结构和计算模式等都提出了新的要求。

普通导航地图的精度在5m左右，只描绘了道路的位置和形态，没有反映道路的细节信息，无法准确知道车辆所在位置。

而高精度道路导航地图的绝对精度要求优于1m，相对精度达到10-20cm，包含了车道、车道边界、车道中心线、车道限制信息等非常丰富的信息，如图1所示。

高精度道路导航地图更加真实地反映道路的实际样式，因此包含更多的图层数量和道路数据，图层描绘也更加细致。高精度道路导航地图不仅具有更高精度的坐标，还拥有更加准确的道路形状。同时，每个车道的坡度、曲率、航向、高程等数据也被添加进来。

另外，车道之间的车道线情况（虚线、实线、单线和双线）、车道线颜色（白色、黄色）、道路隔离带、隔离带材质、道路箭头、文字内容和所在位置在高精度道路导航地图中都需要详尽描述。

高精度道路导航地图的数据量是普通地图的10^5倍甚至更多，目前以云计算为核心的集中式大数据处理模式已经满足不了需求。

随着物联网和5G通信技术的快速发展，云端协同的计算方法——边缘计算被提出，同时众包的任务发布模式也被应用于多个行业。因此高精度道路导航地图的大数据处理模式可以采用「众包+边缘计算」的模式。

随着智能交通和自动驾驶领域的飞速发展，现有的普通导航地图在内容、精度和完整性方面都无法满足高层次的应用需求[2]。针对道路的高精度电子地图被逐步提出并得到了广泛的认同[3,4]。

目前在辅助驾驶系统和自动驾驶领域使用高精度道路导航地图数据的研究较多。例如根据高精度道路导航地图进行信息行为和车辆定位的研究[5,6]，在辅助驾驶和自动驾驶系统中使用高精度道路导航地图信息并在其上进行自动驾驶车道轨迹引导方法的研究[7,8]。

而关于建立高精度道路导航地图的方法研究也有很多，例如通过配备GPS-RTK的采集车沿特定线路采集数据[9]；使用激光雷达与广角摄像头结合的方法提取道路信息，加上配备高精度全球卫星导航系统（GNSS）则能够达到10cm精度，但这种采集方案成本较高[10]；也有研究者提出使用低成本传感器创建车道级地图的方法，通过全球定位系统+惯性导航系统（GPS/INS）紧耦合进行定位，从正射影像图中获取相关地图信息[11]。

目前国内外从事高精度电子地图的测绘和生产的单位也逐渐增多。在Google以及Daimler的无人驾驶汽车的研制过程中，高精度电子地图都是重要的组成部分[12]。2015年，奥迪、宝马、Daimler 联合起来斥资31亿美元购买诺基亚Here地图，为研发高精度道路导航地图做准备。

2015年，高精度道路导航地图已经应用于特定场景，2011年宝马的3系Track Trainer，2014年奥迪的RS7都利用高精度道路导航地图技术在Laguna Seca和Hockenheim成功跑完了赛道。