“易图通副总裁羊铖：高精地图在V2X行业的应用”

9月13日，由格什塔特主办的2021第三届自动驾驶地图与定位大会隆重召开。 此次大会旨在聚集汽车地图定位领域的优秀技术专家，共享自动驾驶地图定位行业的最新应用情况、现实挑战、创新理念和未来技术趋势等。 以下是易图通科技(北京)有限企业副总裁、自动驾驶产品研究开发中心总经理羊戎在这次大会上的发言。

易图通科技(北京)有限企业副总裁、自动驾驶开发中心总经理羊锛

你好。 我来自易图通，负责易图通的自动驾驶产品和研发。 首先，简单介绍一下易图通企业。 易图通是国内最早的批量生产厂家之一。 我们从导航电子地图制作adas地图，5年前成立了自动驾驶部门，致力于提供高精细地图和自动驾驶相关的数据、应用和服务。

今天，我听到许多行业大咖从各自的角度分享了地图和高精度定位的副本，对我来说很有好处。 现在，我从另一个角度分享高精地图在v2x上的应用。

v2x是一个非常火热的话题，说起v2x其实可以在非常多的方面进行探讨。 我们还将讨论v2x通信方法，如c-v2x、v2x的各种应用方法，如v2x、v2r、v2p等。 另外，还将讨论v2x的各种技术，如路边rcu感知、车侧obu应用等。 今天，我想讨论一下高精地图在v2x行业的应用方向。

自动驾驶要走自行车智能路线吗？ 还是走车道协同路线？ 个人认为，首先自行车的智能自不必说，我们一定需要非常聪明的车； 但是，在自动驾驶快速发展的情况下，由于技术条件和其他限制，在这个过程中车道协同也越来越受到重视。 特别是在中国有政府的大力支持，有产业界各企业的投入，v2x路线可能是适合中国的自动驾驶快速发展路径。 我个人认为v2x要真正落地，全世界最快只有中国能做到。

自行车智能有限，首先计算力有限会带来一点安全问题。 其次，自行车的智能在odd方面受到很大限制。 也就是说，自动驾驶功能只能在特定的场景下打开，或者达不到一定的水平。 再次，经济价格问题，要想让自行车的智能非常好，在价格方面有很大的压力。

车路协同可以说是自行车智能非常好的补充，通过车路协同可以处理自行车智能无法处理的问题。 在环境识别方面进行合作，车辆可以获得智能识别比自行车越来越多的新闻； 在控制运行环境的基础上，也可以对车辆的行为进行干扰和补充； 作为计算的一环，还可以增加车与车、车与路之间的系统性的决定。 简单来说，车路协同可以给自动驾驶一个全局的视点(上帝的视点)，对某个场合的决定非常有帮助。 人-车-路-云协同电信新基础设施体系的建设，促进了汽车和交通服务新模式、新业态的快速发展，最终目的是安全、高效、低价、落地更快。

我想说明高精地图在v2x中的作用。 车路协同其实是一个非常多的复杂体系(系统)，从终端一侧到路边边缘一侧、云端一侧再到最终应用，是一个非常多复杂巨大的体系。 我对高精地图在这个系统中的作用的定义是“设备与应用的桥梁”。 这样，V2X APP有非常多的方面，如果涉及到非常准确的例如车道级别的APP，包括车道级别的行为和动态新闻在内，如果没有高精度的定位和高精度的地图，实际上可以说很难与最终的APP联系在一起。 云上的v2x服务器，最终也包含在大脑、边缘服务器和终端中，但实际上为了连接各设备、感知结果和最终的APP，需要这样高清晰的地图。 只有将高清晰地图应用于v2x系统，这一应用才有意义。 或者，需要正确的比特应用。

这是介绍自动驾驶和v2x结合的体系结构，在这里简单说明一下。 从自行车的感知中通过传感器(相机、激光雷达)输入环境感知的新闻，生成包含占据位图的模块的集群和跟踪模块。 另外，v2x路侧感知到的新闻，作为自动驾驶系统感知输入的一个来源，通过全球规划模块将新闻输入的结果重叠输出到局部规划模块，决定系统融合输出控制的结果，从而用于自动驾驶车辆的最终控制。

v2x群控平台提供行车安全系统决策，包括通行效率系统决策、可视化管理和其他新闻服务，并将这些实时新闻发送到路边mec设备和边缘计算平台，在车端进行导航。

涉及v2x在互联网上自动驾驶的典型应用场景，其中包括协同感知、协同决策、协同控制三个方面，对比不同的场景有不同的应用方向。 在开放场景的通常道路状况下，有超视距感知和死角感知； 协同决策包括车辆状态、道路状态等； 协调控制包括协调自适应巡航、车道等级管制等。 v2x对单车智能的补充非常好，提高了单车智能的感知能力、决策能力、控制能力，应该说这比单车智能要好。

关于单车和v2x感知优势和劣势的解体，我为什么说这两种方法是相互补充的过程？ 因为无论是车还是v2x，在感知方面其实各有利弊。

从单车感知的特征来说，可以以非常高的频率进行环境感知，在短距离内可以获得很高的物体位置精度，而v2x的最大特征是超视距的感知。 另外，可以利用越来越多的数据源获取越来越多的新闻，不仅仅是前面说的从以前流传下来的意义上的传感器，v2x还可以融合越来越多的感知新闻源。

从坏处来看，自行车的感知距离有限，受雨雪天气的影响等，容易受到环境条件的干扰。 而且，传感器的价格很高，要实现高性能的感知，需要昂贵的传感器。 v2x的缺点是检测频率相对较低。 受通信的影响，可能会丢失新闻。 关于物体位置的新闻和集群新闻，没有自行车那么准确。

让我们从曲线的例子来看。 原来的状态没有任何提示，大家在弯道上有可能超速或发生事故。 现在弯道上有一点危险警告标志，告诉大家这里是急转弯和容易发生危险的区域，而且从标志上演变成了闪烁向驾驶员警告弯道情况。 那么应用v2x，可以通过路边rsu和车载obu给客户带来非常精细化、人性化的提示，也可以直接新闻输入到自动驾驶车辆的决策系统中。 例如，接近曲线边缘时，如果想要紧急刹车，建议曲线以50km/h的速度通过。 如果车辆本身是特殊的车辆，在重心高或满载的情况下，可以以30km/h的行驶速度安全通过等，可以给出个性化的建议。 通过v2x与地图的结合，不仅是客户，就连自动驾驶决策系统也可以得到非常个性化、精细化的提示。 如果需要精确到某一车道，这就需要与高精度地图、高精度定位结合应用。

这里还有一个例子，说明v2x与高精地图相结合，可以在特定的应用场景，特别是车道级别的应用场景中为自动驾驶车辆提供更好的决策输入。 例如，禁止超车的警告可以通过v2x感知不同车道上的车辆的状况，并提供给自行车智能超车的决定机制。 由于车的边缘有高精度的地图，所以在做决定时也可以进行车道等级的决定行为。

下面是一个将我们和华为制作的v2x和高精度地图组合起来实现信号提示的例子。 我知道每个路口的红绿灯控制方向都不一样，但每个人通过这个路口时，对直行和右转感兴趣的新闻也不一样。 向车辆发送高精度地图新闻，根据车辆的行驶方向建议行驶速度。 例如，如果这个红灯还有20秒，建议以20km/h的速度到达十字路口后变为绿灯，顺利通过。 这就是v2x和高精地图结合的非常好的例子。

这个例子是v2x场侧智能耦合，v2x在avp中的应用。 目前，avp中既有单纯依赖自行车智能的人，也有单纯依赖场地智能的人，但我们看到的是场地侧和车侧相结合的方案。 简单地说，就是在现场侧获得全局感知，再制定一点全局计划，通过v2x和车侧的组合来实现avp的功能。 这样既可以开发车端，降低价格压力，又可以一一发挥车端的特点。 我们目前正在和停车场运营商进行这方面的尝试。 让我们来看看怎样才能找到一个场地改造价格不太高，并且可以降低车方价格压力的方案。

总的来说，在所有应用中，高精度地图是一座桥梁，无论是场侧应用、车侧应用，还是场侧车侧耦合应用，都需要用高精度地图将这些应用结合起来。

另外，v2x还可以提供高精度的定位新闻。 今天上午，很多行业的伙伴进行了高精度的定位相关的共享。 无论是通过地基增强，还是通过ppp技术处理高精度定位问题，v2x都可以自然地处理这个问题。 原理是最简单的基站定位原理，路边有很多rsu可以帮助这个定位。 这也是其应用方向之一。

另外，v2x路侧设备也可以作为高精度地图的更新源。 今天我们讨论的议题是高精地图和高精定位，但是高精地图存在着如何处理地图更新的问题。 今天上午的共享中，我们提到了用汽车众包更新，但实际上v2x路边设备也可以成为高精地图的更新源，我们目前正在进行这方面的探索和尝试。 有一层对高清晰度地图非常重要。 这些层需要顾客的行为和大数据。 这样的层可以通过车侧的数据积累来创建。 另外，也可以通过v2x路侧设备进行制作。 无论是通过车端还是路端，我都可以做这件事。 我们也在做这方面的尝试。

v2x新闻提供路径重新计划功能，简单地说，v2x可以提供更准确的全球计划新闻。 易图通近两年还进行了一些高精度地图在v2x上的项目应用，如路边球形摄像机毫米波雷达对路边的感知等。 我们做的是高速公路的数字基础，包括电子围栏、高精度定位服务的提供、高精度地图、最终可以应用于事物的推送、紧急联动、高速新闻反馈设施等。 我们尝试了如何将高精度地图和v2x APP应用很好地结合起来。

现在看到的是我们从数据收集到中间数据解决的具体项目APP，我们提供了稍有能力的输出，最终提供了包括车道级新闻发布在内的二维一体化综合展示服务。

这里是我们制作的产品，包括雷电摄影联动发现高速公路突发异常，结合v2x和高精地图，向车方客户进行车道级新闻提示，以及云端大屏幕的管理。

最后，我想总结介绍一下我们的易图通企业在做什么，有那些能力。 首先，我们能提供的产品服务分为三层，最下面是数据服务层。 因为易图通是大数据服务商，所以数据服务是我们最核心的业务和最核心的产品。 这包括adas map和hd map，当然会比较不同的APP场景，对地图进行更详细的分类。 在软件服务层方面，企业可以提供地图引擎，提供ehp，主要用于地图箱的应用场景。 另外，与目前转移到ad域控制的情况相比，还可以直接提供sdk，从而可以更灵活、更符合oem诉求的地图引擎服务。 另外，还可以提供包含nds和opendrive数据编译的数据编译，以及dr融合、多传感器融合等高精度定位服务。

云服务层:易图通高精地图生产线用云制作，通过地图的闭环。 除此之外还在进行车方的众包更新。 我们的目的是利用量产车辆搭载的自动驾驶车辆现有的传感器完成地图更新的闭环。

我们在车侧提取高精度地图所需的矢量数据，发送到云端后进行地图比对、优化、排列等业务，最后通过地图生产线下到车侧形成完整的闭环。

你现在看到的是地图产品线的矩阵，根据自动驾驶水平的不同，我们宣传的产品线也有相应的区别。 另外，与不同开放度的应用场景相比，我们也进行了产品线的划分。

我认为短期或未来3-5年内，要点产品为l2+产品，是目前的noa产品，在这方面，hd minus等产品符合相关诉求。

最后，我想借此机会感谢领域的伙伴们。 自动驾驶是一条非常繁多的产业链，没有一家企业能够覆盖整个产业链。 我们依赖着今天参加的远距离、地平线、美行等优秀的伙伴。 在至今为止的合作中，我们很开心。 另外，我们还希望今后与在座的伙伴们越来越多、更深入地合作，让大家自动驾驶这个产业变得更好。

今天我的共享到此为止。 谢谢你。