面向無(wú)人駕駛的邊緣高精地圖服務(wù)

唐潔 劉少山

摘要：高精度地圖作為無(wú)人駕駛應(yīng)用中輔助駕駛的重要手段，在高精度定位、輔助環(huán)境感知、控制決策等方面發(fā)揮著重要作用。邊緣計(jì)算將計(jì)算、存儲(chǔ)、共享能力從云端延伸到網(wǎng)絡(luò)邊緣，使用“業(yè)務(wù)應(yīng)用在邊緣，綜合管理在云端”的模式，非常適合于部署更新頻率高、實(shí)時(shí)服務(wù)延遲低、覆蓋面積廣的高精地圖服務(wù)。結(jié)合眾包的邊緣地圖服務(wù)已經(jīng)成為高精地圖更新的主要方式，有著重要的應(yīng)用前景。

關(guān)鍵詞：高精地圖;無(wú)人駕駛;邊緣計(jì)算;眾包

Abstract： High-precision map plays an important role in autonomous driving， and it is the important foundation for high-precision positioning， environmental perception and control decision. Edge computing extends computing， storage and data sharing from cloud to network edge thus it is very suitable for deploying high-precision map services. With the mode of "deployment in edge， management in cloud"， edge high-precision map service can provide high update frequency， low real-time service delay and wide coverage area. Combined with crowdsourcing， edge high-precision map has become the applicable and promising solution for low-cost and high-precision map updating.

Key words： high-precision map; autonomous driving; edge computing; crowdsourcing

無(wú)人駕駛作為目前人工智能行業(yè)最受關(guān)注的應(yīng)用場(chǎng)景之一，擔(dān)當(dāng)著革新汽車行業(yè)甚至是交通運(yùn)輸業(yè)未來(lái)的重要使命。無(wú)人駕駛能夠真正地解放人類雙手，提高行車安全，通過(guò)更普及的運(yùn)力共享，在緩解交通擁堵的同時(shí)可大大地減少對(duì)環(huán)境的污染。隨著無(wú)人車的普及，無(wú)人駕駛將成為未來(lái)智慧公共出行的主要方式，是未來(lái)智慧城市的重要聯(lián)結(jié)之一[1]。

在無(wú)人駕駛應(yīng)用中，高精地圖是其必不可少的實(shí)現(xiàn)基礎(chǔ)。高精地圖是對(duì)物理世界路況的精準(zhǔn)還原，通過(guò)道路信息的高精度承載，利用超視距信息，和其他車載傳感器形成互補(bǔ)，打破車身傳感的局限性，實(shí)現(xiàn)感知的無(wú)限延伸。以底層的高精度地圖數(shù)據(jù)為基礎(chǔ)，在此之上疊加動(dòng)態(tài)交通數(shù)據(jù)，通過(guò)高速通信完成交通信息的實(shí)時(shí)更新以及駕駛預(yù)警推送，為無(wú)人駕駛行車決策提供強(qiáng)有力的指導(dǎo)[2-3]。

相比于傳統(tǒng)的電子地圖，高精地圖具有數(shù)據(jù)高精度、信息高維度以及高實(shí)時(shí)性的特點(diǎn)。隨著感知范圍的延伸和傳感精度的提高，高精度地圖有能力構(gòu)建更精確的定位、更廣范圍的環(huán)境感知、更完備的交通信息，從而為無(wú)人駕駛提供感知、定位、決策等多種支持[4-5]。高精度地圖不僅僅包含對(duì)道路靜態(tài)元素10～20 cm厘米精度的三維表示，如車道線、曲率、坡度和路側(cè)物體等，還包括了駕駛環(huán)境中各種動(dòng)態(tài)信息，如車道限速、車道關(guān)閉、道路坑洼、交通事故等。此外，高精地圖還發(fā)展出個(gè)性化駕駛支持，包括各種駕駛行為建議，如最佳加速點(diǎn)及剎車點(diǎn)、最佳過(guò)彎速度等，以提高無(wú)人駕駛的舒適度。

目前，全球圖商以及無(wú)人駕駛車商，如百度、Google、高德、HERE、TomTom等已經(jīng)組建了自有專業(yè)地圖采集車隊(duì)，通過(guò)配置有攝像頭和激光雷達(dá)等設(shè)備的高精度地圖采集車掃描獲得街景圖像數(shù)據(jù)和3D激光點(diǎn)云數(shù)據(jù)，經(jīng)過(guò)后臺(tái)的自動(dòng)化建圖流程，結(jié)合人工糾錯(cuò)與標(biāo)注，最終形成多層次地圖數(shù)據(jù)疊加的高精度地圖，并進(jìn)行發(fā)布。然而，自建專業(yè)采集車隊(duì)極其昂貴、維護(hù)成本開(kāi)銷大且覆蓋與更新面積有限，難以實(shí)現(xiàn)高精度地圖生產(chǎn)的實(shí)時(shí)更新或修復(fù)自愈。地圖眾包是高精度地圖生產(chǎn)與服務(wù)提供的新方向。利用（半）社會(huì)車輛在行駛過(guò)程中完成傳感數(shù)據(jù)采集，通過(guò)邊緣計(jì)算節(jié)點(diǎn)的數(shù)據(jù)清理、聚合和壓縮等優(yōu)化手段，可以將抽取過(guò)的關(guān)鍵感知數(shù)據(jù)推送至云端，在利用云端的強(qiáng)大算力使用多源數(shù)據(jù)完成對(duì)地圖數(shù)據(jù)的更新，最后再把增量更新與動(dòng)態(tài)實(shí)時(shí)交通存儲(chǔ)在邊緣緩存，根據(jù)車輛的駕駛場(chǎng)景，完成對(duì)高精地圖數(shù)據(jù)的推送與預(yù)取。由此可見(jiàn)，邊緣高精地圖服務(wù)是自動(dòng)駕駛在邊緣計(jì)算場(chǎng)景下的一大典型應(yīng)用，在減少成本開(kāi)銷的同時(shí)，實(shí)現(xiàn)覆蓋更為廣泛的、更高頻的、更實(shí)時(shí)的地圖數(shù)據(jù)服務(wù)。

通過(guò)眾包機(jī)制，利用多車傳感在邊緣計(jì)算端與云端進(jìn)行協(xié)同，實(shí)現(xiàn)高精度地圖的構(gòu)建與實(shí)時(shí)更新;并通過(guò)邊緣緩存向車輛實(shí)時(shí)發(fā)布高精度地圖的動(dòng)態(tài)層數(shù)據(jù)與靜態(tài)更新，以輔助車輛的無(wú)人駕駛。這一未來(lái)無(wú)人駕駛典型應(yīng)用需要解決3大方面的問(wèn)題：（1）如何以邊緣節(jié)點(diǎn)為中心，根據(jù)邊緣智能感知的車輛動(dòng)態(tài)分布進(jìn)行感知任務(wù)分配，并對(duì)匯集的群智信息的時(shí)空有效性與數(shù)據(jù)質(zhì)量進(jìn)行評(píng)估和控制;（2）多車輛傳感數(shù)據(jù)如何在邊緣節(jié)點(diǎn)自動(dòng)化地進(jìn)行過(guò)濾、聚合、協(xié)商，以得出對(duì)交通態(tài)勢(shì)的動(dòng)態(tài)描述，抽取出對(duì)靜態(tài)更新的一致性感知結(jié)果，其中包括如何通過(guò)有序協(xié)作對(duì)感知數(shù)據(jù)進(jìn)行動(dòng)態(tài)融合，從而提高感知準(zhǔn)確性、全面性，減少信息冗余度;（3）根據(jù)感知數(shù)據(jù)的時(shí)空特征和車輛的分布規(guī)律，如何利用邊緣環(huán)境中具有時(shí)空約束的服務(wù)數(shù)據(jù)緩存與分發(fā)，把確認(rèn)后的地圖更新與實(shí)時(shí)交通狀況傳播到其他相關(guān)車輛中，為無(wú)人駕駛服務(wù)提供細(xì)粒度、準(zhǔn)確、高時(shí)效的數(shù)據(jù)基礎(chǔ)。

1 高精地圖

高精地圖是高精度、高維度、高實(shí)時(shí)的地圖數(shù)據(jù)綜合。在數(shù)據(jù)精度上，相比電子地圖米級(jí)的數(shù)據(jù)誤差，高精地圖的相對(duì)精度誤差不超過(guò)20 cm。相比電子地圖中簡(jiǎn)單的道路模型，高精地圖包含了道路標(biāo)志、車道邊界、車道坡度、彎道曲率等多維度的豐富信息。同時(shí)，通過(guò)與車聯(lián)網(wǎng)以及車到萬(wàn)物（V2X）等技術(shù)的結(jié)合，高精地圖還將更新實(shí)時(shí)交通信息以及天氣狀況等。所有這些路況信息是高精地圖輔助實(shí)現(xiàn) L3～L5級(jí)無(wú)人駕駛的基礎(chǔ)。如圖1所示，高精度地圖在無(wú)人駕駛中發(fā)揮著重要作用。通過(guò)比對(duì)車載傳感環(huán)境信息與高精地圖信息，可以得到車輛在地圖中的厘米級(jí)精確位置，實(shí)現(xiàn)車輛的高精度定位[6]。利用先驗(yàn)知識(shí)，高精地圖信息可以輔助環(huán)境感知，從而降低車載環(huán)境感知的難度[7]。高精度地圖現(xiàn)已精確到車道模型，可以預(yù)知前方多種道路信息，實(shí)現(xiàn)提前減速和避讓，完成更有效的局部駕駛規(guī)劃。通過(guò)5G等通信手段，結(jié)合V2X交互支持，可以實(shí)現(xiàn)超距離路況感知與預(yù)警，完成更智能、更實(shí)時(shí)的全局駕駛規(guī)劃。

1.1 高精地圖數(shù)據(jù)組織

高精度地圖作為自動(dòng)駕駛的必要支撐，在維持底層車道數(shù)據(jù)精確性的同時(shí)，必須具備進(jìn)行動(dòng)態(tài)路況信息實(shí)時(shí)更新的能力，并發(fā)展出基于車主不同駕駛習(xí)慣的個(gè)性化駕駛支撐能力。因此，高精地圖需分為2個(gè)層級(jí)：最底層是靜態(tài)高精地圖層，需提前進(jìn)行裝載;上層是動(dòng)態(tài)高精地圖層，在行車過(guò)程中不斷更新。

為了提升存儲(chǔ)效率和可讀性，靜態(tài)高精地圖在存儲(chǔ)時(shí)又繼續(xù)劃分為矢量層和特征層。特征地圖是對(duì)路面信息的準(zhǔn)確刻畫，主要驅(qū)動(dòng)于高精度定位的需求，能夠很好地完成地圖道路匹配與定位。矢量地圖是在特征地圖基礎(chǔ)之上進(jìn)一步的抽象、處理和標(biāo)注。它的容量更小，并能夠通過(guò)其中的路網(wǎng)信息完成點(diǎn)到點(diǎn)的精確路徑規(guī)劃，這是高精度地圖使能的一大途徑。如圖2所示，矢量層包含車道模型、道路部件、道路屬性數(shù)據(jù)。這些語(yǔ)義元素被簡(jiǎn)化和抽取出來(lái)，補(bǔ)充到幾何構(gòu)建的道路結(jié)構(gòu)中，形成新的矢量地圖數(shù)據(jù)。其中，車道模型中包含了車道線、車道中心線、車道屬性變化等信息，可以輔助車輛完成橫向定位，并且執(zhí)行交通規(guī)則，比如指導(dǎo)車輛在虛線區(qū)域內(nèi)進(jìn)行并線，在車道分離點(diǎn)前完成變道。通過(guò)對(duì)比車載傳感數(shù)據(jù)與交通標(biāo)志牌等道路部件信息，可以修正車輛縱向定位和航向。即便在沒(méi)有檢測(cè)到任何道路特征的情況下，也可以通過(guò)高精地圖的航位推算進(jìn)行短時(shí)間的位置推算。車道模型中曲率、坡度、航向、橫坡等數(shù)學(xué)參數(shù)，可以決策車輛準(zhǔn)確的轉(zhuǎn)向、制動(dòng)、爬坡等行為。這部分?jǐn)?shù)據(jù)因?yàn)榈缆贩潞途S護(hù)出現(xiàn)頻繁變化，需要有效地利用邊緣群智感知進(jìn)行更新。

動(dòng)態(tài)高精地圖層構(gòu)建在靜態(tài)層之上，增加了道路擁堵情況、施工情況、交通事故、交通管制情況、天氣情況等動(dòng)態(tài)交通信息。這些動(dòng)態(tài)要素通過(guò)5G等通信手段在車車之間、車與邊緣節(jié)點(diǎn)之間、多邊緣節(jié)點(diǎn)之間進(jìn)行收集、處理與發(fā)布，將及時(shí)地反映在高精地圖上以輔助決策確保無(wú)人車行駛安全。

1.2 高精地圖傳感器類型

高精地圖的生產(chǎn)依賴于多個(gè)傳感器數(shù)據(jù)的融合。高精地圖數(shù)據(jù)采集時(shí)使用的傳感器種類不一定與無(wú)人駕駛時(shí)使用的傳感器相同。為保證L4或者L5無(wú)人駕駛的要求，高精地圖生產(chǎn)需要的傳感器主要包括圖3中的幾種類型。

· 光學(xué)攝像頭。通過(guò)車載攝像頭，可以捕捉車身周圍交通環(huán)境的靜態(tài)信息，通過(guò)對(duì)圖片中關(guān)鍵交通標(biāo)志、路面關(guān)鍵信息的提取，來(lái)完成對(duì)地圖的初步繪制。目前，基于圖像的深度學(xué)習(xí)技術(shù)發(fā)展遠(yuǎn)超過(guò)基于3D點(diǎn)云的深度學(xué)習(xí)，對(duì)于各種地物的提取具有較高的精確率和較低的召回率，可以非常清晰地提取道路邊線和交通標(biāo)識(shí)等信息。這些都是攝像頭作為高精地圖感知手段的重要優(yōu)勢(shì)。然而，攝像頭傳感要求外部環(huán)境光線充足，因此采集工作只能在白天進(jìn)行[8]。

· 陀螺儀（IMU）。IMU配備有6軸運(yùn)動(dòng)處理組件，包含了3軸加速度和3軸陀螺儀，分別檢測(cè)在上下、左右、前后這3個(gè)方向上的加速度和角速度信息，以此解算出物體的姿態(tài)，提供短時(shí)內(nèi)較為準(zhǔn)確的定位。但是，從加速度推算出運(yùn)動(dòng)距離需要經(jīng)過(guò)2次積分，隨著時(shí)間漂移所產(chǎn)生的誤差將不斷增大。因此，僅依賴IMU無(wú)法完成長(zhǎng)時(shí)間的車輛位置精確預(yù)測(cè)，高精地圖的生產(chǎn)往往需要精度較高的IMU，所使用的IMU價(jià)格一般在數(shù)萬(wàn)到幾十萬(wàn)之間[9]。

· 輪測(cè)距器。車輛的前輪通常配備了輪測(cè)距器，分別記錄左輪與右輪的總轉(zhuǎn)數(shù)。通過(guò)分析每個(gè)時(shí)間段內(nèi)左右輪的轉(zhuǎn)數(shù)、向左右轉(zhuǎn)動(dòng)的角度等，可以推算出車輛前進(jìn)的距離和位置。但是，不同的地面材質(zhì)（如冰面與水泥地）上的轉(zhuǎn)數(shù)對(duì)距離轉(zhuǎn)換存在偏差。所以單靠輪測(cè)距器并不能精準(zhǔn)預(yù)測(cè)無(wú)人車位置，但對(duì)于高精地圖的制作不是必須的傳感器。

· 全球定位系統(tǒng)（GPS）。GPS作為使用最廣的定位系統(tǒng)，在無(wú)人駕駛定位和高精地圖制作中都發(fā)揮著舉足輕重的作用。GPS使用4顆或更多衛(wèi)星的位置（儲(chǔ)存在星歷中）計(jì)算出地面接收器與每顆衛(wèi)星之間的距離，然后利用三維空間的三邊測(cè)量法推算出車輛的位置。民用GPS的單點(diǎn)定位精度一般在米級(jí)，差分GPS通過(guò)增加一個(gè)參考基站的方法可提高定位精度至厘米級(jí)[10]。但是在復(fù)雜環(huán)境中，一旦出現(xiàn)信號(hào)阻擋的情況，GPS多路徑反射（Multi-Path）的問(wèn)題會(huì)導(dǎo)致幾十厘米甚至幾米的誤差。同時(shí)GPS的定位頻率較低，最高僅為10 Hz，目前通常使用GPS和IMU連接組成慣性導(dǎo)航系統(tǒng)，利用低頻率的GPS數(shù)據(jù)校準(zhǔn)高頻率但易漂移誤差的IMU數(shù)據(jù)，進(jìn)而完成相對(duì)高頻率、高精度的融合數(shù)據(jù)。

· 激光雷達(dá)（LiDAR）。激光雷達(dá)通過(guò)向目標(biāo)物體發(fā)射一束激光，然后根據(jù)接收-反射的時(shí)間間隔確定目標(biāo)物體的實(shí)際距離。根據(jù)距離以及激光發(fā)射的角度和感光測(cè)量數(shù)據(jù)，通過(guò)簡(jiǎn)單的幾何變化即可推導(dǎo)出物體的三維空間位置信息和光強(qiáng)度信息。使用激光雷達(dá)能夠快速獲得道路及周邊環(huán)境的三維點(diǎn)云數(shù)據(jù)和光強(qiáng)度信息，完成對(duì)檢測(cè)到物體的初步判斷。激光雷達(dá)的工作條件基本不受時(shí)間影響，白天黑夜都可以工作。但是，激光雷達(dá)對(duì)環(huán)境要求較高，在大雨、濃煙、濃霧、大雪等惡劣天氣里都會(huì)受到很大的影響。同時(shí)，激光雷達(dá)并不能識(shí)別和理解交通標(biāo)志牌、信號(hào)燈等內(nèi)容，需要借助光學(xué)攝像頭來(lái)捕捉并提取這部分信息。最重要的是，激光雷達(dá)價(jià)格昂貴，尤其是高線束激光雷達(dá)的量產(chǎn)率比較低，價(jià)格居高不下，導(dǎo)致激光雷達(dá)的部署成本過(guò)高，難以落地。

· 多傳感器融合。如表1所示，單一傳感器很難全天候工作，并且在實(shí)際應(yīng)用中不同傳感器有著不同的特性。比如，GPS傳感器能夠直接測(cè)量出每個(gè)時(shí)間點(diǎn)車輛的全局位姿，但是這些直接測(cè)量結(jié)果通常不會(huì)很精確。激光雷達(dá)和攝像頭的每次采樣測(cè)量結(jié)果均是在局部坐標(biāo)系，但是兩者包含了豐富且準(zhǔn)確的局部測(cè)量信息，很多相對(duì)的位姿信息可以被抽取出來(lái)豐富地圖的語(yǔ)義。因此，在制圖中均采用多傳感器融合的方法。多傳感器數(shù)據(jù)融合就是把所有的車載傳感器數(shù)據(jù)標(biāo)定到統(tǒng)一的車輛坐標(biāo)系（如x軸向前，y軸向左，z軸向上）上，并盡可能利用各種離散時(shí)空數(shù)據(jù)，計(jì)算出車輛每個(gè)時(shí)間點(diǎn)在全局坐標(biāo)系下的三維位姿。一旦有了全局車輛的位姿信息，就可以完成各類傳感數(shù)據(jù)局部測(cè)量結(jié)果融合。

2 高精地圖的制作

如圖4所示，高精度地圖的構(gòu)建由數(shù)據(jù)采集、地圖生產(chǎn)、人工驗(yàn)證、地圖更新發(fā)布4個(gè)過(guò)程組成。

2.1 數(shù)據(jù)采集

目前主流的高精度地圖數(shù)據(jù)采集可以分成3大陣營(yíng)。其一，自由專業(yè)采集體系是圖商利用自建的高精專業(yè)采集車進(jìn)行上路采集。其二，行業(yè)采集生態(tài)是利用如物流車、出租車等車輛上的GPS、攝像頭等回傳實(shí)時(shí)的道路軌跡和路況信息，這也是現(xiàn)在導(dǎo)航地圖中使用的交通動(dòng)態(tài)信息采集方法之一。其三，眾包模式。在自動(dòng)駕駛時(shí)代，普及后的每輛無(wú)人駕駛車上的激光雷達(dá)、攝像頭等傳感器無(wú)時(shí)不刻都在采集道路信息。這些傳感信息可以被用來(lái)完成對(duì)高精地圖的更新發(fā)現(xiàn)與實(shí)施。邊緣地圖更新就是利用眾包在提供邊緣地圖服務(wù)的同時(shí)，收集服務(wù)車輛的傳感數(shù)據(jù)，利用邊緣智能完成對(duì)地圖多層級(jí)數(shù)據(jù)的迭代。

第一陣營(yíng)的代表是谷歌、百度等，他們擁有專業(yè)的地圖測(cè)繪車車隊(duì)，可完成封閉的集中式制圖。目前，谷歌汽車已經(jīng)完成了累積超過(guò)1 931 212.8 km的無(wú)人駕駛高精度地圖測(cè)繪[11]。然而專業(yè)的地圖采集車造價(jià)非常昂貴，成本達(dá)到800萬(wàn)元，相對(duì)精度在10 cm之內(nèi)，這顯然是單純依靠攝像頭提供視覺(jué)方案的眾包模式所無(wú)法實(shí)現(xiàn)的。第三陣營(yíng)的代表是 Mobileye。Mobileye借助不同品牌大量級(jí)的車載攝像頭獲取數(shù)據(jù)來(lái)源，并針對(duì)自動(dòng)駕駛情景，將重點(diǎn)放在路上的各種導(dǎo)流標(biāo)志、方向標(biāo)識(shí)、信號(hào)燈等，依靠這些建立的路標(biāo)，從微觀上在行駛過(guò)程中為車輛提供指引。

未來(lái)在無(wú)人駕駛發(fā)展和應(yīng)用中，3種模式將長(zhǎng)期共存。地圖采集車高昂的造價(jià)限制了地圖數(shù)據(jù)大范圍、高頻率的采集更新，因此這部分?jǐn)?shù)據(jù)將作為高精地圖基礎(chǔ)數(shù)據(jù)。在此之上，物流車等半社會(huì)化商用車和私用車將以眾包模式實(shí)現(xiàn)對(duì)高精度地圖數(shù)據(jù)的補(bǔ)充和更新;而邊緣地圖服務(wù)正是基于此種應(yīng)用需求，在網(wǎng)絡(luò)側(cè)完成對(duì)眾包車輛對(duì)道路多源描述的整合。

2.2 地圖生產(chǎn)

地圖生產(chǎn)主要涉及位姿修正、數(shù)據(jù)預(yù)處理、位置檢測(cè)和語(yǔ)義生成4個(gè)環(huán)節(jié)[12]。這一過(guò)程將會(huì)利用激光點(diǎn)云識(shí)別技術(shù)、深度學(xué)習(xí)圖像識(shí)別技術(shù)以及大數(shù)據(jù)的處理能力等實(shí)現(xiàn)多種傳感數(shù)據(jù)的自動(dòng)融合、識(shí)別、語(yǔ)義標(biāo)注等。一般來(lái)說(shuō)，采集的設(shè)備越精密，采集的數(shù)據(jù)越完整，需要算法修正的不確定性就越大，像Google、HERE等公司已有低分辨率的母圖做基礎(chǔ)，只需要疊加更多立體圖層和語(yǔ)義層。相反，如果采集的數(shù)據(jù)誤差越大，就越需要依賴算法彌補(bǔ)數(shù)據(jù)的缺陷，對(duì)算法要求更高。在邊緣地圖服務(wù)中，來(lái)自不同車輛的傳感信息本身就存在著各自的誤差。同時(shí)，不同的傳感數(shù)據(jù)描述通常是對(duì)同一事件的抽象，這就對(duì)傳感數(shù)據(jù)的邊緣抽象、融合、處理水平提出了較高要求。

2.3 人工驗(yàn)證

人工驗(yàn)證這一環(huán)節(jié)由人工完成。自動(dòng)化驗(yàn)證的數(shù)據(jù)還不能達(dá)到百分百的準(zhǔn)確，需要人工再進(jìn)行最后一步的確認(rèn)和完善。

2.4 地圖更新發(fā)布

地圖更新發(fā)布主要針對(duì)靜態(tài)地圖層的道路的修改和動(dòng)態(tài)地圖層的突發(fā)路況、交通事故等。最終形成的地圖更新可在云平臺(tái)決策之后經(jīng)由邊緣節(jié)點(diǎn)和車間通信進(jìn)行內(nèi)容的分發(fā)。

3 邊緣場(chǎng)景下的高精地圖服務(wù)

由于高精度地圖對(duì)數(shù)據(jù)更新提出了很高的要求，實(shí)時(shí)更新和實(shí)時(shí)同步是高精度地圖應(yīng)用過(guò)程中繞不開(kāi)的2大問(wèn)題。為了解決這2點(diǎn)，云平臺(tái)是高精地圖所不可或缺的。但是，云平臺(tái)在高精地圖中的直接應(yīng)用面臨2個(gè)難點(diǎn)：（1）實(shí)時(shí)更新、數(shù)據(jù)同步的困難;（2）云平臺(tái)制圖能力的有限性，包括但不限于數(shù)據(jù)收集、運(yùn)算、交互、分發(fā)等。因此，高精地圖生產(chǎn)與服務(wù)更需要從云-邊緣-端的角度推進(jìn)，在分散云中心計(jì)算壓力的同時(shí)，還要強(qiáng)化云-邊緣-端之間的聯(lián)系以及網(wǎng)絡(luò)側(cè)本身的計(jì)算、收集與發(fā)布能力。

因此，從高精地圖的產(chǎn)品形態(tài)和服務(wù)方式的角度，通過(guò)邊緣計(jì)算服務(wù)對(duì)高精地圖數(shù)據(jù)進(jìn)行實(shí)時(shí)更新與分發(fā)是一種可行的方式。根據(jù)邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟的定義，邊緣計(jì)算是在靠近設(shè)備或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的開(kāi)放平臺(tái)，就近提供邊緣智能服務(wù)，以滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求[13-14]?；谶吘売?jì)算的高精地圖服務(wù)包括地圖生產(chǎn)和地圖發(fā)布2部分內(nèi)容。邊緣地圖生產(chǎn)服務(wù)通過(guò)實(shí)時(shí)收集各車的行駛數(shù)據(jù)來(lái)增強(qiáng)交通時(shí)態(tài)的收集密度，擴(kuò)充道路情況信息的感知范圍，并通過(guò)對(duì)感知數(shù)據(jù)的預(yù)處理實(shí)現(xiàn)有效的內(nèi)容提取和無(wú)關(guān)語(yǔ)義去除等。邊緣地圖發(fā)布服務(wù)通過(guò)邊緣緩存能力進(jìn)行地圖數(shù)據(jù)發(fā)布，將大大地緩解數(shù)據(jù)更新的緩存開(kāi)銷和到達(dá)延遲，實(shí)現(xiàn)更貼近用戶的數(shù)據(jù)服務(wù)和行車預(yù)警。

高精地圖對(duì)于地圖數(shù)據(jù)處理有著特殊的要求：一是低時(shí)延，在車輛高速運(yùn)動(dòng)過(guò)程中，要實(shí)現(xiàn)動(dòng)態(tài)地圖中的碰撞預(yù)警功能，通信時(shí)延應(yīng)當(dāng)在4 ms以內(nèi);二是高可靠性，高精度地圖服務(wù)于無(wú)人駕駛，相較于普通數(shù)據(jù)處理，高精地圖的傳感數(shù)據(jù)處理需要更高的可靠性。與此同時(shí)，車輛的高速運(yùn)動(dòng)以及可預(yù)見(jiàn)的傳感數(shù)據(jù)量爆發(fā)，對(duì)于時(shí)延和可靠性的要求也將越來(lái)越高。邊緣計(jì)算在局域內(nèi)即可實(shí)現(xiàn)對(duì)實(shí)時(shí)傳感數(shù)據(jù)的聚集、分析與抽取，一方面將分析所得結(jié)果以極低延遲（通常是毫秒類）傳送給區(qū)域內(nèi)的其他車輛，一方面將抽取后的信息推送至云端，以便地圖云完成對(duì)更新的決策。通過(guò)利用邊緣計(jì)算的位置特征，地圖數(shù)據(jù)就可實(shí)現(xiàn)就近存儲(chǔ)，因此可有效降低時(shí)延，非常適合于動(dòng)態(tài)高精地圖中防碰撞、事故警告等時(shí)延標(biāo)準(zhǔn)要求極高的業(yè)務(wù)類型。同時(shí)，邊緣計(jì)算能夠精確地實(shí)時(shí)感知車輛移動(dòng)，提高通信的時(shí)效與安全。在此方面，德國(guó)已經(jīng)研發(fā)了數(shù)字高速公路試驗(yàn)臺(tái)來(lái)提供交通預(yù)警服務(wù)，該試驗(yàn)臺(tái)用于在長(zhǎng)期演進(jìn)（LTE）環(huán)境下在同一區(qū)域內(nèi)進(jìn)行車輛預(yù)警消息的發(fā)布[15]。相比集中式高精地圖服務(wù)，邊緣高精地圖服務(wù)擁有以下的特性：

· 低時(shí)延。邊緣高精地圖服務(wù)利用V2X 等近距離通信技術(shù)來(lái)提升行車安全與交通效率。目前邊緣節(jié)點(diǎn)有效范圍內(nèi)的主要通信方式是專用短程通信（DSRC）、蜂窩通信（LTE-V2X）、5G-V2X。5G網(wǎng)絡(luò)延遲可以達(dá)到毫秒級(jí)，峰值速率可達(dá)10～20 Gbit/s，連接密度可以達(dá)到100萬(wàn)/千米2，可保障大規(guī)模行車場(chǎng)景下的4 ms碰撞預(yù)警時(shí)間。這使得駕駛反饋更加迅速，改善了用戶安全與用戶體驗(yàn)。