产业深观察丨对话唐炉亮：从专业测绘走向众包测绘，高精地图如何力挽狂澜？

南方财经全媒体记者 陈思琦 深圳报道

自动驾驶是“重地图”还是“去地图”？行业的天平摇摆不定。

3月22日，元戎启行DeepRoute-Driver 3.0智能驾驶方案正式发布，据称能感知到高精地图所拥有的精细道路信息，还可实时定位车辆位置，很大程度实现对高精地图功能的替代和解绑。

3月23日，华为举行2023春季旗舰新品发布会，HUAWEI问界M5和问界M5 EV高阶智能驾驶版确认将于4月发布，据称是“全中国第一个不依赖高精地图的高阶智能驾驶系统”。

专业图商也全力挽尊。3月27日，阿里云联合高德地图推出“高速云”车路协同解决方案，宣称率先在4/5G公网环境实现车路协同高精度导航，以路侧感知与位置预测算法来代替车载感知能力，实现99%以上的感知覆盖率、95%的事件识别准确率、97%以上的车辆动态位置连续性。

同一日，四维图新（002405）回答投资者“贵公司是否拥有ChatGPT技术”时提到，GPT将应用在POI、道路要素等地图信息的自动化补全，对数据信息合理性进行自动化评估和品质管理，以及极端场景的自动化数据生成（标注）等领域。

近两年，业内对高精地图“测绘难度大、成本高”“今天发布、明天即过期”等痛点的容忍度似乎到了临界点，理想汽车、小鹏汽车、毫末智行、元戎启行、小马智行等多家企业或隐晦或明确地表达了“重感知，轻地图”的倾向。

高精地图如何力挽狂澜？天平两边的车商与图商又该如何共处？近日，南方财经全媒体记者专访了武汉大学测绘遥感信息工程国家重点实验室唐炉亮教授。

唐炉亮认为，现有道路场景感知主要依靠“天空地”专业测绘模式，优点是高精度、多层次、一体化，但存在空间覆盖上碎片化、时间动态上不连续等问题。

当高精地图从“天空地”专业测绘发展到“人人都是传感器”时代的众包测绘，道路场景感知将从二维的抽象简略到三维的精细丰富，从“静态过去式”向“动态现在时”发展，由此将大大降低道路测绘成本，提升道路覆盖率、更新频率，让高精地图“可用、能用、好用”。

在此基础上，车商与图商一方贡献数据，一方给予地图授权费用优惠，由此探索一种数据高效循环的全新商业模式，方可“让专业的人干专业的事”。

困境：全国路网覆盖不足10%

南方财经：对比传统电子地图，高精地图有哪些特点？如何判断高精地图的质量？

唐炉亮：第一个区别体现在要素方面。传统地图主要是静态的线性要素，高精度地图要素将包括静态要素（称之为“形”）和动态要素（称之为“流”）。

静态要素“形”有二三十类，覆盖“点”状POI、“线”状车道线、“面”状行车区域、“体”状立交桥等；动态要素“流”包括人-车-物等移动目标形成的人流、车流、物流等，甚至还有能耗流和排放流等。

其中，移动碳源的交通排放流监测是我国碳达峰、碳中和“双碳”计划的重要工作之一。通过高精地图可以知道移动碳源位置，以及碳化物、氮化物、硫化物等不同种类气体排放与时段变化情况，判断污染状态，制定碳排对策。

第二个区别在于，传统地图主要给人来读，高精地图可以是人、机混读，未来全部实现了无人驾驶，它可能完全变成机读地图。

数据精度、丰富度、鲜度是判断高精地图质量的主要维度。传统地图的数据大部分来自车载GPS轨迹，精度通常在10米以内，精度高的可达到3-5米，而高精地图数据精度通常在0.2米左右；数据丰富度方面，传统地图是静态地图，要素相对单一，而高精地图将包括静态与动态要素等丰富的时空信息；鲜度方面，高精地图要求更新及时，实现分钟级甚至秒级更新，测绘行业称为“现势性强”。

南方财经：截至2022年底，全国综合交通网络的总里程已超过600万公里。但据第三方统计，主要图商完成的路网覆盖仅为35-40万公里。为何高精地图当前无法实现大规模覆盖？其测绘有何难点？

唐炉亮：传统地图测绘一般采用专业模式，形成囊括水里测绘船、地面测绘车、低空无人机、航空摄影测量、航天卫星遥感等的“天空地”测绘模式，具有多层次、一体化、高空间精度优点。

高精地图测绘要求覆盖静态要素“形”与动态要素“流”，数据量极大，专业测绘成本高，难以做到实时采集与更新，导致空间覆盖上碎片化、时间动态上不连续，目前全球高精度地图数据覆盖不足1%（注：据国际自动化协会统计）。

我国高精度地图测绘技术发展比较快，但目前覆盖也不足10%，严重制约了自动驾驶、智慧城市、智能交通等国家战略的实施。

尤其是城市道路交叉路口，高精地图测绘更难。路口是一个由红绿灯来控制的分时段通行空间，不能像普通路段一样布设车道线，否则会显得密集而混乱。高精地图目前难以做到秒级更新，红绿灯信息无法实时反映在地图上。此外，城市道路交叉路口的拓扑联通关系复杂多变，这些都增加了高精地图数据采集和更新的难度。

南方财经：对于“路口困境”，自动驾驶车企又是怎么解决的？

唐炉亮：正如驾驶人可以通过视觉判断路口的红绿灯情况并作出决策，自动驾驶汽车会以摄像头、毫米波雷达等传感设备代替人眼来感知周边的驾驶环境，判断是否为可通行状态。

当前，自动驾驶企业无法获得精细的动态地图信息，自然会选择“重感知，轻地图”的方向，弊端是车上需要装更多传感器，成本高，而且带来了安全方面的不确定性。如果高精地图将来实现秒级更新，车上的传感器相应减少，自动驾驶汽车量产的成本也会相应降下来。

不仅如此，交通拥堵问题也可通过地图感知技术来解决。高精地图的使用将加速无人驾驶的落地，当所有车辆都由机器、网络统一控制，系统可以直观反映哪些地方堵、哪些地方不堵，判断什么时候通行更合适，也就更方便做整体性、均衡性的交通布局和调度。

破局：从专业测绘走向众包测绘

南方财经：高精地图面临测绘成本高、更新难度大等问题，有何解决方案？

唐炉亮：上面提到，专业测绘存在空间覆盖上碎片化、时间动态上不连续等问题。尤其国内基础设施建设速度快，道路信息时有变化，一般3-6个月后就要重新采集，没有企业能负担得起大范围覆盖并实时更新的成本。

物联网与大数据时代则为“众包测绘”提供可能。同时，基于人工智能、深度学习技术的飞速发展，测绘科技正从“人工”向“智能”方向发展，为高精度地图数据采集提供了技术支撑。

如今做到无人驾驶、辅助安全驾驶的一些车辆，基本具备了专业采集车的精度和数据获取能力，相当于一种专业测绘。将来有更多无人驾驶车辆，也就相当于有更多专业测绘装备在路上作业，车辆行驶中就可以把行车轨迹实时传回来，做到准实时监测道路变化，这就形成了一种专业的泛在测绘。

另外，大数据时代“人人都是传感器”，大众在使用地图时，其手机定位、车载GNSS轨迹、行车记录仪、社交媒体打卡、公交地铁刷卡等时空大数据，都可以成为高精地图的数据来源，具有采集简单、成本低、空间覆盖广、时间连续性好等优点。

精度方面，来自城市出租车系统的车载GNSS轨迹，以及来自手机终端的GNSS轨迹数据，其定位精度达到10-15米。我所在的武汉大学大数据场景众包感知团队已经可以做到将10-15米精度轨迹数据，通过我们提出的模型与算法，实现精度为0.2-0.5米的车道级道路数据提取，同时实现转向级的动态实时交通流信息挖掘。

由此，众包测绘可以做到高精地图静态数据的小时级更新，动态数据已经可以做到分钟级更新。

需要注意的是，我国有六百多个城市，但目前开放智能网联汽车高精地图试点应用的只有北京、上海、广州、深圳、杭州、重庆6座城市，高精度地图数据量是远远不够的。而且这些城市的试点数据并不相通，形成了一座座“数据孤岛”。

根据《国务院机构改革方案》，我国将组建国家数据局，或将打通“数据孤岛”，进行数据的统一汇集管理，这也有利于提升高精地图的覆盖程度与治理效率。

南方财经：高精地图的测绘要求企业取得甲级测绘资质。众包测绘模式下，路面车辆、大众等扮演的是什么角色？是否存在数据合规问题？

唐炉亮：众包测绘模式下，我们是道路数据的使用者，同时也是数据的采集者与感知者。出租车等个体数据的采集不属于专业测绘，这种数据已经无处不在。例如，车辆GPS轨迹早已成为滴滴、百度、高德等互联网和地图服务商为用户提供即时交通信息的主要数据源。

众包测绘的现状是，车商不愿意将采集的数据提供给图商用于更新地图，甚至想自己做地图，认为数据掌握在自己手中才是可靠、可控的；而图商也不会免费让车商使用高精地图服务。

如果在保证这些地图信息保密传送的基础上，各自向前走一步，车辆将海量轨迹数据上传至专业图商的云端，图商按数据量贡献少收费，或给予其他优惠，由此形成一种新的商业模式，让专业的人干专业的事，那么车商大可不必生产自己的地图。