智能城市测绘中地图学与地理信息系统技术的应用分析

杨艳 谢永夫

摘要：近年来，我国的智能化建设的发展越来越迅速，在人类驾驶活动中，地图常被用于路径规划和计算、地理位置定位查询以及动态交通信息提醒等，具有较强的导航功能，能极大地提升出行效率。随着汽车产业智能化、网联化技术的不断发展，自动驾驶需要更高精度的定位、更丰富的道路环境信息、以及更及时的地图更新频次，传统的导航地图已无法满足技术需求。为满足自动驾驶的需求，因此发展出新的形式——高精度地图，即高分辨率地图（HighDefini-tionMap），一方面指地图的绝对精度更高，另一方面指地图能够格式化存储交通场景中各种交通要素。

关键词： 智能城市测绘;地图学与地理信息系统技术;应用分析

引言

随着经济的发展，我国的地图建设的发展也有了改善。地图制图自动化与智能化是当前制图领域研究的热点问题，模板制图是实现制图自动化，提高制图效率的一种手段。近年来，随着城市化进程的加快，原有的制图成果数据现势性无法满足要求，为满足地图制图的需求，建立地图制图基础数据库势在必行，预期成果主要包括基础数据库以及相关技术文档等。它是利用数据库、地理信息系统等技术完成地图制图矢量数据的对象化建模与集成建库，建成基础数据库，实现我省国情监测、地名普查、境界普查等现势性强的成果数据的集成管理，为地图制图提供相关矢量数据源。

1高精度地图的制作流程

高精度地图将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。道路网主要由道路基准线网络构成，以描述道路几何、表达与交通设施间的关系，包括道路基准线、道路基准线连接点、路口等。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯、路边地标等基础设施信息。根据高精度地图的数据格式以及所包含的信息，业内对于高精度地图的生产流程主要分为四大部分：（1）数据采集，范围包括车道线、道路属性等道路数据及停车场数据，采集数据包括图片、点云、GPS、IMU（惯导数据）。（2）数据预处理，主要是通过深度学習识别全景图像中的车道线及标志牌，将点云数据进行分类。深度学习技术能依靠GPU（graphicsprocessingunit）强大的并行处理能力自动地从大量人工标注训练数据集中学习特征，训练好的神经网络模型能够对图像数据等进行实时高效的自动化处理，将非结构化的原始数据转化为结构化数据，包括目标位置、姿态、种类、语义信息等，为地图要素矢量化提供数据支撑。（3）人工确认，通过人工对环境、道路、车道、物体和停车场数据进行确认，确保数据的准确性。（4）数据发布，即将包含道路、标志牌等属性的完整高精数据发布。

2优化措施分析

2.1数据入库前检查

2.1.1数据入库前检查内容

（1）文件和结构一致性：数据文件和目录组织、数据集和图层、属性项。（2）拓扑一致性：层内、层间拓扑、网络拓扑、要素与覆盖一致性。（3）其它逻辑一致性：属性项值域、数据来源一致性、矢量数据共线共面一致性、元数据内容与实际数据一致性。（4）空间参考正确性：坐标系基准、高程基准、投影。（5）矢量数据接边：包括省内及省际接边。

2.1.2数据入库前检查要求

（1）成果数据、元数据、技术文档等文件齐全。（2）各矢量要素层的坐标系基准、高程基准、地图投影等空间参考设置须符合数据相关技术规定要求。（3）线状要素不能有重叠线、独立线、微短线、冗余节点、断点、假结点、悬挂线以及自相交等。（4）行政区划界线层中界线要素是否与相应级别行政区界线重叠。省级行政区、地、市、州级行政区、县级行政区、乡、镇行政区下一级行政区面是上一级行政区面的严格剖分。（5）点状要素、线状要素与面状要素三者之间存在的逻辑关系是否合理。

2.2高精度地图更新

在基于环境匹配的定位中，如果道路环境变化，就可能会影响到匹配算法的准确度，进而出现定位偏移，影响自动驾驶汽车对于周围环境的判断，最终影响到驾驶的安全性。高精度地图发布后如果无法保证持续更新，信息滞后带来的安全风险将持续增加，为更好地匹配车辆行驶环境，需要提供高精地图的更新功能。对于高精度地图的更新策略，可根据中国市级行政区（地级市）来设置更新区域。一版新的高精地图数据生产流程中包含采图、制作、有关部门审核、加密申请、发布等过程。其中国家相关部门的审核批示是无法跳过的环节。因此一般按照一年发布4版高精地图，按季度进行更新的频率进行。更新的具体规则如下：①部分更新：如果车端地图版本小于云端最新版本，并且地图版本相差大于或等于1年，则用云端的全量包来进行更新;②增量更新：如果车端地图版本小于云端最新版本，并且地图版本相差小于1年，则用云端的增量包来进行更新。地图更新需要确保数据的安全性和可靠性，考虑更新过程中存在各种异常情况的可能，在需更新的高精度地图制作完成后需要开展一系列场景的路测，如：测试基础功能可用性的常规场景，测试网络无法连接和无GPS信号时的网络/定位信号异常场景，行政区新增、删除、合并等变化的场景，更新过程中系统断电、断点场景等。通过一系列场景的测试，以覆盖用户更新高精度地图过程中可能存在的场景，实现更新的安全性和可靠性。

2.3高精度地图导航与规划方法

高精度地图导航与规划是指在传统任务路径规划的基础上，考虑车道模型并设计代价函数，得到制定目标下的最优车道导航路径和行驶策略。对于自动驾驶，不仅要依据高精度地图生成行驶路线或轨迹，还要不断结合感知控制和修正智能车实际行驶路线，这要求导航路径的生成或刷新必须在一定时间阈值内。结合传统道路导航分层路径规划的思想，实现车道级路径规划有两种策略：①采用分层寻路的方式，借鉴成熟的道路级搜索方法，先实现宏观最优的寻路，再通过道路和车道之间的对应关系，完成车道级的路径规划。这种方法适合大范围的路径规划，能有效提高计算效率，但需要对道路、车道及中间关联层进行建模。基于车道驾驶态势的拓扑构建和路径规划方法，以lanezone作为核心要素实现二次规划。②直接生成车道级有向图并在此基础上进行最优路径搜索，适合用于小范围或局部路径规划。采用A*算法进行车道级的静态路径规划，根据起点与终点在园区范围内规划出一条符合交通行驶法规的最优行驶参考路径。

结语

本文围绕高精度地图数据结构、数据生产及功能应用的关键技术和研究现状进行了详细阐述。然而，高精度地图相关研究跨越传统测绘、计算机和自动驾驶等众多领域，其研究方向和内容远不止于此。如高精度地图数据安全、标准和政策等问题，还将在一定时间内制约该领域产业化的发展。此外，高精度地图目前相关研究仍体现出明显的商业技术驱动特征，应进一步联合企业和院校的力量，推动加强其基础理论的研究。2020年2月24日，国家发展改革委及工信部等11部委联合发布的《智能汽车创新发展战略》中，围绕高精度地图提出了多项重要任务包括：重点突破智能汽车基础地图技术，验证智能汽车基础地图服务能力，培育智能汽车基础地图新业态，建设覆盖全国路网的道路交通地理信息系统。可以预见，伴随5G技术对车联网建设的巨大推动作用，无人驾驶的研究重点将从单车智能逐步转向车路协同，高精度地图的服务功能将进一步落实。

参考文献

[1]张晓楠，华一新，李鹤元，朱玲，张政.以符号为中心的统计地图制图模板技术研究[J].测绘科学技术学报，2015，32（3）：300-304.

[2]李宗华.数字城市空间数据基础设施的建设与应用研究[D].武汉大学，2005.

[3]王琦，陈永生，何群，张阳阳.抚顺市采沉地灾监测信息数据库建设[J].矿山测量，2017，45（5）：14-18.

[4]林树泽.数据库信息系统物理设计优化研究[D].天津大学，2012.