新型测绘赋能智能驾驶——大有时空联合创始人兼CTO李庆建谈智能驾驶技术.pdf

6968/本刊记者陈阳图/受访者提供新型测绘赋能智能驾驶作为国家智能网联汽车创新中心孵化设立的科创企业，大有时空自成立以来，就紧紧围绕精准时空数据服务和智能驾驶解决方案，进行技术攻关和业务布局。在第一届中国测绘地理信息大会现场，记者采访了李庆建，邀请他围绕高精定位与智能驾驶的技术路径做出详细分析。李庆建告诉记者，围绕智能驾驶相关技术，大有时空打通了从车端建图到云端制图再到编译发布的完整技术链条，从而形成了一个完整的数据闭环解决方案。基于新型基础测绘技术手段所采集的多源高精时空数据，再结合人工智能生成算法，达到高精地图的自动生成和更新的目的，赋能给智能汽车，从而解决目前智能驾驶过程中无图、少图和地图更新周期长的难点。数据闭环解决方案是智能驾驶数据驱动的关键路径，也是智能汽车研发量产运营的关键路径。李庆建介绍，大有时空的数据闭环解决方案，不仅是对智能驾驶汽车的单向赋能，而且能够让自动驾驶汽车反作用于测绘数据的更新。在该方案中，自动驾驶汽车同时也作为测绘终端和平台，来帮助测绘生产进行地理信息数据的采集和更新。“我们提出新型测绘赋能智能驾驶，这是一个双向赋能的过程，智能汽车既是地理信息数据的使用者，同时也是数据获取的载体。”李庆建进一步解释道，大有时空以高精位置数据和AI算法为核心，打造数据标注、轻量化的高精地图、仿真训练、智能终端，从而形成数据驱动地图更新等应用，并结合工具链保障整个闭环链路安全合规。从提升道路安全与驾驶体验的智能驾驶方案，到形成以城市多源数据为基础，以时空数据为索引的新型测绘方案。“当下，一些车企宣扬轻地图，重感知的技术路线，其实根本原因是目前符合自动驾驶需求的动态高精地图更新成本太高、难度太大。轻地图实质仍然使用地理信息数据，它只是更依赖于动态感知和实时计算的单车智能。而我们提出的数据闭环思路是将基础测绘数据、多源动态感知数据和云端制图、编译发布进行打通，从而实现多管齐下、双向赋能。”李庆建介绍说。当然高精地图落地难、更新难其实暴露的是地理信息数据供给方面的难题。无论是强调车路协同还是单车智能，多源、动态、海量的地理信息数据都是必不可少的，比如依靠强感知、轻地图的单车智能路线也必须依靠海量地理信息大数据去训练人工智能算法，推动算法优化和演进，以满足和适应更复杂的路线环境，否则“智能算法不智能”，“轻地图”技术路线所期望的自动避障、智能规划等目标也难以实现。人工智能三要素是数据、算法、算力，算力有赖于算力中心等基础设施的建设和提升，算法则需要依靠数据去不断训练，因此，智能化的问题归根到底仍然是数据的问题。目前，由于数据安全和保密规定，高精地图数据采集受限，数据更新周期长、成本高；另一方面，数据分散在不同区域、不同行业和不同部门，数据跨区域、行业、部门流动尚缺乏明确的制度规定，数据壁垒问题明显。“正是基于数据共享难题，大有时空另辟蹊径，结合现有基础测绘数据、动态感知数据结合人工智能算法，实时生成地图，再用多源地图数据训练人工智能算法，形成一个数据闭合工具链和解决方案，支撑智能驾驶量产合规。”李庆建介绍道。大有时空联合创始人兼CTO李庆建谈智能驾驶技术No?今年8月初，北京市高级别自动驾驶示范区工作办公室携百度、小马智行两家单位，顺利完成了自动驾驶车辆在大兴机场航站楼前上下客、公共区域内部接驳等流程的试跑测试，推进大兴机场自动驾驶车辆上路行驶，探索打通从经开区到机场的无人驾驶运营线路。9月20日，北京大兴机场正式开通自动驾驶接驳服务。我们距离自动驾驶走进生活，又迈出了一大步!据统计，今年前三季度，我国新能源汽车产销量分别达到631.3万辆和627.8万辆，同比分别增长33.7%、37.5%。随着新能源汽车行业的快速发展，汽车智能化、网络化也逐渐成为产学研用多方关注的重点，尤其是智能驾驶在我国也越来越受到重视。智能驾驶是在自动驾驶技术的基础上，使汽车具有感知、决策和执行的能力，是未来汽车行业发展的重要方向之一。高精度定位技术和地理信息数据作为贯穿智能驾驶感知、决策和执行全流程的关键技术，已成为赋能智能驾驶发展的重要引擎。虽然，近两年，关于车和图的探讨不绝于耳，“轻地图”还是“重地图”的路线之争也是愈发激烈，但几乎没有人否认，高精度定位技术和精准时空数据在赋予智能驾驶高可靠、高安全方面的技术优势。国汽大有时空科技（安庆）有限公司（以下简称“大有时空”）联合创始人、CTO（首席技术官）李庆建认为，所谓“轻地图”，并不是不用地理信息数据，只是不用传统的地图形式，智能驾驶的感知处理和决策本质上仍然依赖于地理信息数据的支撑。视Vision有时空联合创始兼CTO李庆建有时空范采集建时空数据闭环，助智能驾驶安全合规6968/本刊记者陈阳图/受访者提供新型测绘赋能智能驾驶作为国家智能网联汽车创新中心孵化设立的科创企业，大有时空自成立以来，就紧紧围绕精准时空数据服务和智能驾驶解决方案，进行技术攻关和业务布局。在第一届中国测绘地理信息大会现场，记者采访了李庆建，邀请他围绕高精定位与智能驾驶的技术路径做出详细分析。李庆建告诉记者，围绕智能驾驶相关技术，大有时空打通了从车端建图到云端制图再到编译发布的完整技术链条，从而形成了一个完整的数据闭环解决方案。基于新型基础测绘技术手段所采集的多源高精时空数据，再结合人工智能生成算法，达到高精地图的自动生成和更新的目的，赋能给智能汽车，从而解决目前智能驾驶过程中无图、少图和地图更新周期长的难点。数据闭环解决方案是智能驾驶数据驱动的关键路径，也是智能汽车研发量产运营的关键路径。李庆建介绍，大有时空的数据闭环解决方案，不仅是对智能驾驶汽车的单向赋能，而且能够让自动驾驶汽车反作用于测绘数据的更新。在该方案中，自动驾驶汽车同时也作为测绘终端和平台，来帮助测绘生产进行地理信息数据的采集和更新。“我们提出新型测绘赋能智能驾驶，这是一个双向赋能的过程，智能汽车既是地理信息数据的使用者，同时也是数据获取的载体。”李庆建进一步解释道，大有时空以高精位置数据和AI算法为核心，打造数据标注、轻量化的高精地图、仿真训练、智能终端，从而形成数据驱动地图更新等应用，并结合工具链保障整个闭环链路安全合规。从提升道路安全与驾驶体验的智能驾驶方案，到形成以城市多源数据为基础，以时空数据为索引的新型测绘方案。“当下，一些车企宣扬轻地图，重感知的技术路线，其实根本原因是目前符合自动驾驶需求的动态高精地图更新成本太高、难度太大。轻地图实质仍然使用地理信息数据，它只是更依赖于动态感知和实时计算的单车智能。而我们提出的数据闭环思路是将基础测绘数据、多源动态感知数据和云端制图、编译发布进行打通，从而实现多管齐下、双向赋能。”李庆建介绍说。当然高精地图落地难、更新难其实暴露的是地理信息数据供给方面的难题。无论是强调车路协同还是单车智能，多源、动态、海量的地理信息数据都是必不可少的，比如依靠强感知、轻地图的单车智能路线也必须依靠海量地理信息大数据去训练人工智能算法，推动算法优化和演进，以满足和适应更复杂的路线环境，否则“智能算法不智能”，“轻地图”技术路线所期望的自动避障、智能规划等目标也难以实现。人工智能三要素是数据、算法、算力，算力有赖于算力中心等基础设施的建设和提升，算法则需要依靠数据去不断训练，因此，智能化的问题归根到底仍然是数据的问题。目前，由于数据安全和保密规定，高精地图数据采集受限，数据更新周期长、成本高；另一方面，数据分散在不同区域、不同行业和不同部门，数据跨区域、行业、部门流动尚缺乏明确的制度规定，数据壁垒问题明显。“正是基于数据共享难题，大有时空另辟蹊径，结合现有基础测绘数据、动态感知数据结合人工智能算法，实时生成地图，再用多源地图数据训练人工智能算法，形成一个数据闭合工具链和解决方案，支撑智能驾驶量产合规。”李庆建介绍道。大有时空联合创始人兼CTO李庆建谈智能驾驶技术No?今年8月初，北京市高级别自动驾驶示范区工作办公室携百度、小马智行两家单位，顺利完成了自动驾驶车辆在大兴机场航站楼前上下客、公共区域内部接驳等流程的试跑测试，推进大兴机场自动驾驶车辆上路行驶，探索打通从经开区到机场的无人驾驶运营线路。9月20日，北京大兴机场正式开通自动驾驶接驳服务。我们距离自动驾驶走进生活，又迈出了一大步!据统计，今年前三季度，我国新能源汽车产销量分别达到631.3万辆和627.8万辆，同比分别增长33.7%、37.5%。随着新能源汽车行业的快速发展，汽车智能化、网络化也逐渐成为产学研用多方关注的重点，尤其是智能驾驶在我国也越来越受到重视。智能驾驶是在自动驾驶技术的基础上，使汽车具有感知、决策和执行的能力，是未来汽车行业发展的重要方向之一。高精度定位技术和地理信息数据作为贯穿智能驾驶感知、决策和执行全流程的关键技术，已成为赋能智能驾驶发展的重要引擎。虽然，近两年，关于车和图的探讨不绝于耳，“轻地图”还是“重地图”的路线之争也是愈发激烈，但几乎没有人否认，高精度定位技术和精准时空数据在赋予智能驾驶高可靠、高安全方面的技术优势。国汽大有时空科技（安庆）有限公司（以下简称“大有时空”）联合创始人、CTO（首席技术官）李庆建认为，所谓“轻地图”，并不是不用地理信息数据，只是不用传统的地图形式，智能驾驶的感知处理和决策本质上仍然依赖于地理信息数据的支撑。视Vision有时空联合创始兼CTO李庆建有时空范采集建时空数据闭环，助智能驾驶安全合规7170智能汽车作为继手机之后又一个智能终端，它的发展一直引人注目，随着自动驾驶示范区的遍地开花，我们不禁追问：真正意义上的高级别自动驾驶究竟还有多远？为什么现阶段自动驾驶只在固定的示范区落地，是什么制约了自动驾驶汽车上路行驶呢？高级别自动驾驶通常是指L4级别及以上，属于依靠系统完成所有驾驶操作，驾驶员可以完全解放双手的发展阶段。正因如此，L4及以上的自动驾驶，必须是车路协同的群体智能，而不是单车智能，它需要依靠动态、精准的全要素高精地图与智能汽车互通互联，从而保障车与车、车与路之间的安全行驶。目前的难点就在于实时动态更新全要素高精地图的技术难度较大、更新成本太高。为什么高级别自动驾驶在封闭环境或示范区内能够落地呢？这是因为封闭环境下，周围环境单一、变化较小，所以全要素高精地图的动态实时更新难度小、成本可控，且感知、决策、执行所需要的算法和算力要求较低。反之，在开放的城市环境中，周围的环境无时无刻不在变化，无论是对数据感知还是算法、算力都提出了更高要求。“自动驾驶的技术原理，我们称之为三位一体，即感知决策执行三位一体智能化体系。基于高精地图和实时感知采集到的多源数据，用以支撑和指导汽车智能控制中台的规划决策，汽车的智能控制中台再通过人工智能算法来执行驾驶操作，而智能汽车同时也作为数据采集终端支撑人工智能算法的训练，从而形成一个三位一体的循环。”李庆建解释道。“循环的过程就是智能驾驶的演进过程，可以说，高级别自动驾驶不是突然研发出来的，而是通过数据、算法和算力的不断演进从而从低阶向高阶不断进化的。”李庆建举例说道，这就像人类的学习过程，“三位一体”就是从感知、决策执行形成一个数据循环，每循环一次，自动驾驶算法就优化一点，通过量变引起质变，这是自动驾驶从低阶向高阶演进的必然过程。李庆建认为，自动驾驶从低阶智能向高阶智能演进同样依赖数据、算法和算力三大要素的驱动。他告诉记者，具体来说还有三大难点：一是智能驾驶方案的研发、测试及合规运营闭环链条尚需优化等；二是多样化的常规场景中海量多源数据的获取和覆盖；三是人工智能算法模型的训练和优化。当前，我国不断建设自动驾驶智能网联示范区的目的就是从这三大问题出发，对智能驾驶相关技术和标准规范等环节进行反复训练、演进和磨合，可以说这是给智能驾驶提供一个“学习”的过程。此外，目前智能驾驶还缺乏一个明确的商业模式，虽然我们已经探索并出现了无人配送、无人出租车等商业模式，但这些还远没有实现规模化。正因如此，智能驾驶领域的市场价值还没有释放出来。“一个技术或产业要落地必然需要明确的商业模式和足够的市场价值，否则它就是无根之木、无源之水。”李庆建说。“我认为，当我们获取高精地图数据的成本变为一个合理固定值的时候，可能就标志着智能驾驶技术和产业趋近成熟。”李庆建表示，比如以前我们获取大量专业知识时，只能去图书馆查询翻阅，但随着互联网知识获取成本的降低，“拐点”就出现了，知识获取的主要方式就开始从实体书本向互联网转移。所以当获取海量多源高精数据获取的成本固定在一个较低区间的时候，自动驾驶的“拐点”就会出现。如今，在人工智能、大数据、物联网、云计算等新兴技术的融合驱动下，测绘地理信息技术呈现出智能化转型升级和泛在化应用服务这两大特点和趋势。智能驾驶就是测绘地理信息技术融合与泛在赋能的典型案例。李庆建也认为，新需求和新技术正驱动整个测绘行业转型升级和应用拓展，目前技术和产业的发展表现出融合发展和综合赋能的特点，因此，我们测绘行业的政策法规、行业标准和技术思路、应用产业都应该紧跟这一趋势。首先，测绘地理信息应该围绕数据的智能化采集和应用形成一体化的众源更新和服务体系。测绘地理信息服务不应该局限于数据，还应该拓展服务形式，形成众包测绘、众源更新、泛在服务的新的应用服务体系。其次，我们要积极拥抱诸如智能驾驶、智慧城市等新需求、新技术和新变化。比如自动驾驶对地理信息数据的精度、更新周期、覆盖范围都提出了新的更高要求，这对我们既是挑战也是给予，我们测绘行业应该主动呼应这些新需求和新挑战，来革新传统测绘的产品形式和服务模式，从而助推整个行业的转型升级。就像自动驾驶要求实时多源高精的地理信息数据，也呼吁全新的地理信息数据产权制度，以满足智能驾驶研发、测试、量产、运营的整个过程，而在我们适应这样的新需求时，智能驾驶也成为新的测绘生产工具，拓展了测绘地理信息的生产服务手段和产业价值。最后，面对自动驾驶领域“重地图”和“轻地图”路线之争，我们应该充分结合本国国情和体制优势，将动态实时高精地图生产纳入新型基础设施范畴，从而助推我国智能驾驶技术和产业实现弯道超车。许多欧美国家倾向于单车智能，但一方面单车智能在高级别自动驾驶中可能面临更多的安全隐患，另一方面单车智能相应的单车成本也更高，这些成本会直接转嫁给消费者，而且单车智能对于算力、算法和芯片也提出了更高要求。而如采用车路协同的群体智能，一方面安全性、可靠性可以更高；另一方面单车成本能够更低，对于算力、算法和芯片的要求也会降低；更重要的是基于我国的北斗卫星导航系统的多种优势，我们具备性能更优、覆盖更广、基准统一的综合时空基础设施，因此我们完全可以发挥集中力量干大事的体制优势，综合利用北斗导航系统构建实时、动态的高精地图基础设施，赋能智能驾驶产业，实现后来居上、弯道超车。“在智能化时代，我们测绘地理信息行业也应该建立平台化思维，主动拥抱人工智能、大数据等新兴技术工具，来建设和升级我们测绘服务平台，通过融合创新、综合赋能来实现测绘地理信息行业和产业的全面升级和价值跃升。”交谈中李庆建反复提到：“一个行业的转型升级很多时候必须思维先行，我们传统测绘人的思维必须要变一变了。”No?视VisionOpenDRIVE精度地图成果NDS精度地图成果聚焦“三位体”理念，推动智能驾驶向阶演进拥抱技术融合趋势，构建众源更新服务体系7170智能汽车作为继手机之后又一个智能终端，它的发展一直引人注目，随着自动驾驶示范区的遍地开花，我们不禁追问：真正意义上的高级别自动驾驶究竟还有多远？为什么现阶段自动驾驶只在固定的示范区落地，是什么制约了自动驾驶汽车上路行驶呢？高级别自动驾驶通常是指L4级别及以上，属于依靠系统完成所有驾驶操作，驾驶员可以完全解放双手的发展阶段。正因如此，L4及以上的自动驾驶，必须是车路协同的群体智能，而不是单车智能，它需要依靠动态、精准的全要素高精地图与智能汽车互通互联，从而保障车与车、车与路之间的安全行驶。目前的难点就在于实时动态更新全要素高精地图的技术难度较大、更新成本太高。为什么高级别自动驾驶在封闭环境或示范区内能够落地呢？这是因为封闭环境下，周围环境单一、变化较小，所以全要素高精地图的动态实时更新难度小、成本可控，且感知、决策、执行所需要的算法和算力要求较低。反之，在开放的城市环境中，周围的环境无时无刻不在变化，无论是对数据感知还是算法、算力都提出了更高要求。“自动驾驶的技术原理，我们称之为三位一体，即感知决策执行三位一体智能化体系。基于高精地图和实时感知采集到的多源数据，用以支撑和指导汽车智能控制中台的规划决策，汽车的智能控制中台再通过人工智能算法来执行驾驶操作，而智能汽车同时也作为数据采集终端支撑人工智能算法的训练，从而形成一个三位一体的循环。”李庆建解释道。“循环的过程就是智能驾驶的演进过程，可以说，高级别自动驾驶不是突然研发出来的，而是通过数据、算法和算力的不断演进从而从低阶向高阶不断进化的。”李庆建举例说道，这就像人类的学习过程，“三位一体”就是从感知、决策执行形成一个数据循环，每循环一次，自动驾驶算法就优化一点，通过量变引起质变，这是自动驾驶从低阶向高阶演进的必然过程。李庆建认为，自动驾驶从低阶智能向高阶智能演进同样依赖数据、算法和算力三大要素的驱动。他告诉记者，具体来说还有三大难点：一是智能驾驶方案的研发、测试及合规运营闭环链条尚需优化等；二是多样化的常规场景中海量多源数据的获取和覆盖；三是人工智能算法模型的训练和优化。当前，我国不断建设自动驾驶智能网联示范区的目的就是从这三大问题出发，对智能驾驶相关技术和标准规范等环节进行反复训练、演进和磨合，可以说这是给智能驾驶提供一个“学习”的过程。此外，目前智能驾驶还缺乏一个明确的商业模式，虽然我们已经探索并出现了无人配送、无人出租车等商业模式，但这些还远没有实现规模化。正因如此，智能驾驶领域的市场价值还没有释放出来。“一个技术或产业要落地必然需要明确的商业模式和足够的市场价值，否则它就是无根之木、无源之水。”李庆建说。“我认为，当我们获取高精地图数据的成本变为一个合理固定值的时候，可能就标志着智能驾驶技术和产业趋近成熟。”李庆建表示，比如以前我们获取大量专业知识时，只能去图书馆查询翻阅，但随着互联网知识获取成本的降低，“拐点”就出现了，知识获取的主要方式就开始从实体书本向互联网转移。所以当获取海量多源高精数据获取的成本固定在一个较低区间的时候，自动驾驶的“拐点”就会出现。如今，在人工智能、大数据、物联网、云计算等新兴技术的融合驱动下，测绘地理信息技术呈现出智能化转型升级和泛在化应用服务这两大特点和趋势。智能驾驶就是测绘地理信息技术融合与泛在赋能的典型案例。李庆建也认为，新需求和新技术正驱动整个测绘行业转型升级和应用拓展，目前技术和产业的发展表现出融合发展和综合赋能的特点，因此，我们测绘行业的政策法规、行业标准和技术思路、应用产业都应该紧跟这一趋势。首先，测绘地理信息应该围绕数据的智能化采集和应用形成一体化的众源更新和服务体系。测绘地理信息服务不应该局限于数据，还应该拓展服务形式，形成众包测绘、众源更新、泛在服务的新的应用服务体系。其次，我们要积极拥抱诸如智能驾驶、智慧城市等新需求、新技术和新变化。比如自动驾驶对地理信息数据的精度、更新周期、覆盖范围都提出了新的更高要求，这对我们既是挑战也是给予，我们测绘行业应该主动呼应这些新需求和新挑战，来革新传统测绘的产品形式和服务模式，从而助推整个行业的转型升级。就像自动驾驶要求实时多源高精的地理信息数据，也呼吁全新的地理信息数据产权制度，以满足智能驾驶研发、测试、量产、运营的整个过程，而在我们适应这样的新需求时，智能驾驶也成为新的测绘生产工具，拓展了测绘地理信息的生产服务手段和产业价值。最后，面对自动驾驶领域“重地图”和“轻地图”路线之争，我们应该充分结合本国国情和体制优势，将动态实时高精地图生产纳入新型基础设施范畴，从而助推我国智能驾驶技术和产业实现弯道超车。许多欧美国家倾向于单车智能，但一方面单车智能在高级别自动驾驶中可能面临更多的安全隐患，另一方面单车智能相应的单车成本也更高，这些成本会直接转嫁给消费者，而且单车智能对于算力、算法和芯片也提出了更高要求。而如采用车路协同的群体智能，一方面安全性、可靠性可以更高；另一方面单车成本能够更低，对于算力、算法和芯片的要求也会降低；更重要的是基于我国的北斗卫星导航系统的多种优势，我们具备性能更优、覆盖更广、基准统一的综合时空基础设施，因此我们完全可以发挥集中力量干大事的体制优势，综合利用北斗导航系统构建实时、动态的高精地图基础设施，赋能智能驾驶产业，实现后来居上、弯道超车。“在智能化时代，我们测绘地理信息行业也应该建立平台化思维，主动拥抱人工智能、大数据等新兴技术工具，来建设和升级我们测绘服务平台，通过融合创新、综合赋能来实现测绘地理信息行业和产业的全面升级和价值跃升。”交谈中李庆建反复提到：“一个行业的转型升级很多时候必须思维先行，我们传统测绘人的思维必须要变一变了。”No?视VisionOpenDRIVE精度地图成果NDS精度地图成果聚焦“三位体”理念，推动智能驾驶向阶演进拥抱技术融合趋势，构建众源更新服务体系