面向高阶智能驾驶的高精地图表达策略

doi:10.13474/j.cnki.11-2246.2026.0524

测绘通报 ›› 2026, Vol. 0 ›› Issue (5): 149-154.doi: 10.13474/j.cnki.11-2246.2026.0524

• 技术交流 • 上一篇

面向高阶智能驾驶的高精地图表达策略

邓广然^1,2,3, 张永利⁴, 符校⁴, 陶岚^1,2,3, 欧阳馨秋^1,2,3, 韩剑姿^1,2,3, 陈泽佳⁵, 董广胜⁶

1. 广州市城市规划勘测设计研究院有限公司, 广东广州 510060;
2. 广州市资源规划和海洋科技协同创新中心, 广东广州 510060;
3. 广东省城市感知与监测预警企业重点实验室, 广东广州 510060;
4. 广东省测绘产品质量监督检验中心, 广东广州 510075;
5. 广州纤离科技有限公司, 广东广州 511462;
6. 武汉大学测绘遥感信息工程全国重点实验室, 湖北武汉 430079

收稿日期:2025-10-11 发布日期:2026-06-09
通讯作者: 张永利。E-mail:42235726@qq.com
作者简介:邓广然(1993—),男,硕士,高级工程师,主要从事车路云一体化及高精地图应用及实景三维建设等方面的研究。E-mail:493823439@qq.com
基金资助:
广州市资源规划和海洋科技协同创新中心项目(2023B04J0301;2025B04J0025);广东省社会发展科技协同创新体系建设项目(2023A1111120016);中央高校基本科研业务费专项基金

Representation strategies of high-precision map for advanced intelligent driving

DENG Guangran^1,2,3, ZHANG Yongli⁴, FU Xiao⁴, TAO Lan^1,2,3, OUYANG Xinqiu^1,2,3, HAN Jianzi^1,2,3, CHEN Zejia⁵, DONG Guangsheng⁶

1. Guangzhou Urban Planning & Design Survey Research Institute Co., Ltd., Guangzhou 510060, China;
2. Collaborative Innovation Center for Natural Resources Planning and Marine Technology of Guangzhou, Guangzhou 510060, China;
3. Guangdong Enterprise Key Laboratory for Urban Sensing, Monitoring and Early Warning, Guangzhou 510060, China;
4. Guangdong Provincial Surveying and Mapping Product Quality Supervision and Inspection Center, Guangzhou 510075, China;
5. Guangzhou Xianli Technology Co., Ltd., Guangzhou 511462, China;
6. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

Received:2025-10-11 Published:2026-06-09

摘要/Abstract

摘要： [目的] 高精地图是高阶智能驾驶(高阶智驾)的核心支撑,其规模化应用面临智驾行驶安全与地理信息安全的双重挑战。本文通过系统梳理高精地图的核心表达需求,提出了一套多维度优化的表达策略。[方法] 该策略具体包括地图表达范围拓展、特征地物高度分档及连续地面起伏分解3类关键技术,并在多类典型场景中开展仿真测试、实地验证与案例检验。[结果] 结果显示,在不突破地理信息安全底线的前提下,该策略可将高阶智驾的安全事故率降低至原来的1/10,满足其对特征地物误判率及地面起伏误差的安全要求。[结论] 基于此策略,广州已顺利完成5宗高精地图审图业务,审图时效提升75%,为全国范围内高精地图的合规应用与智能网联汽车产业规模化发展提供了重要支撑。

关键词: 智能驾驶, 高精地图, 地图审图, 地理信息安全, 行驶安全

Abstract: [Purposes] High-precision map serves as a core support for advanced intelligent driving,yet its large-scale application faces dual challenges: ensuring driving safety and safeguarding geographic information security.This study systematically examines the core representational requirements of high-precision map and proposes a multi-dimensionally optimized representation strategy.[Methods] The approach incorporates three key technical innovations: expanded map coverage,hierarchical categorization of feature elevations,and decomposition of continuous terrain fluctuations.Simulations,field tests,and case validations are conducted across various typical scenarios.[Findings] The results show that,on the premise of not breaching the bottom line of geospatial information security,this strategy can reduce the safety accident rate of high-level intelligent driving to about 1/10 of the original rate,meeting its safety requirements for misjudgment rate of feature ground objects and ground undulation error.[Conclusions] Based on this strategy,Guangzhou has successfully completed the map review work for five high-precision map projects,with the review efficiency improved by 75%,providing important support for the compliant application of high-precision map nationwide and the large-scale development of the intelligent connected vehicle industry.

Key words: intelligent driving, high-precision map, map review, geographic information security, driving safety

中图分类号:

邓广然, 张永利, 符校, 陶岚, 欧阳馨秋, 韩剑姿, 陈泽佳, 董广胜. 面向高阶智能驾驶的高精地图表达策略[J]. 测绘通报, 2026, 0(5): 149-154.

DENG Guangran, ZHANG Yongli, FU Xiao, TAO Lan, OUYANG Xinqiu, HAN Jianzi, CHEN Zejia, DONG Guangsheng. Representation strategies of high-precision map for advanced intelligent driving[J]. Bulletin of Surveying and Mapping, 2026, 0(5): 149-154.

参考文献

[1] 李德仁,洪勇,王密,等.测绘遥感能为智能驾驶做什么？[J].测绘学报,2021,50(11):1421-1431.
[2] 刘经南,詹骄,郭迟,等.智能高精地图数据逻辑结构与关键技术[J].测绘学报,2019,48(8):939-953.
[3] 冯昶,杜清运,范晓宇,等.高精动态地图基础平台众源更新技术路线研究[J].测绘地理信息,2023,48(1):10-15.
[4] 杜清运,况路路,任福,等.自动驾驶高精度地图特征分析及发展展望[J].地球信息科学学报,2024,26(1):15-24.
[5] 杨蒙蒙,江昆,温拓朴,等.自动驾驶高精度地图众源更新技术现状与挑战[J].中国公路学报,2023,36(5):244-259.
[6] 王柳,王东波,肖寒,等.智能驾驶“一张图”要素组织方法与应用[J].测绘科学技术学报,2025,42(3):304-311.
[7] Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles:SAE J 3016—2021[S].[S.l.]:Society of Automotive Engineers,2021.
[8] 国家市场监督管理总局,国家标准化管理委员会.汽车驾驶自动化分级:GB/T 40429—2021[S].北京:中国标准出版社,2021.
[9] 蔡忠亮,王孟琪,李伯钊,等.高精地图相关标准及数据模型的研究[J].测绘地理信息,2023,48(1):30-34.
[10] 张攀,刘经南.通用化高精地图数据模型[J].测绘学报,2021,50(11):1432-1446.
[11] 国家市场监督管理总局,国家标准化管理委员会.高级辅助驾驶地图审查要求:GB/T 44489—2024[S].北京:中国标准出版社,2024.
[12] 黄龙,章炜,乐鹏,等.智能网联汽车高精地图安全监管分析与技术研究[J].武汉大学学报(信息科学版),2025,50(10):2122-2134.
[13] 吴佳桐,狄琳,黄龙.智能驾驶高精地图数智化审查研究[J].测绘通报,2024(10):174-178.
[14] 陈会仙,章炜,杨蒙蒙,等.面向无人驾驶的高精地图公开应用趋势研究[J].武汉大学学报(信息科学版),2024,49(4):537-545.
[15] 刘永轩,董明,杨伯钢,等.高精度地图众源更新安全监管研究与路径探析[J].北京测绘,2024,38(2):189-194.
[16] 张想,彭力.融合标精地图先验的地图不确定性感知及拓扑推理[J/OL].计算机工程,1-11[2026-03-27].https://doi.org/10.19678/j.issn.1000-3428.0070312.
[17] 杜荣华,李宗,张金来,等.基于分层超点自注意力模型的自动驾驶3维语义分割研究[J].激光技术,2026,50(1):9-21.
[18] ZHANG Yifan,KANG Bingyi,HOOI B,et al.Deep long-tailed learning:a survey[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2023,45(9):10795-10816.
[19] 龙小羽,南新元.智能驾驶场景下的中小型障碍物检测方法[J].科学技术与工程,2025,25(9):3778-3787.
[20] 陶博,颜伏伍,尹智帅,等.基于高精度地图增强的三维目标检测算法[J].吉林大学学报(工学版),2023,53(3):802-809.
[21] BOSETTI P,DA LIO M,SAROLDI A.On the human control of vehicles:an experimental study of acceleration[J].European Transport Research Review,2014,6(2):157-170.
[22] 杨智博,张志强,秦孔建,等.基于自动驾驶机器人的自动驾驶汽车制动强度对驾驶员舒适度的主客观影响分析[J].制造业自动化,2021,43(9):111-116.
[23] 国家质量监督检验检疫总局,中国国家标准化管理委员会.道路交通信号灯:GB 14887—2011[S].北京:中国标准出版社,2012.
[24] 国家市场监督管理总局,国家标准化管理委员会.道路交通标志和标线第2部分:道路交通标志:GB 5768.2—2022[S].北京:中国标准出版社,2022.
[25] 张亚勤,李震宇,尚国斌,等.面向自动驾驶的车路云一体化框架[J].汽车安全与节能学报,2023,14(3):249-273.
[26] KUSANO K D,SCANLON J M,CHEN Y H,et al.Comparison of Waymo rider-only crash data to human benchmarks at 7.1 million miles[J].Traffic Injury Prevention,2024,25(sup1):S66-S77.

面向高阶智能驾驶的高精地图表达策略

Representation strategies of high-precision map for advanced intelligent driving

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	应申, 邱牧原, 王润泽, 何山, 蒋跃文, 白轶多. 高精地图路口构建与模拟:shapefile到OpenDRIVE的转换制图[J]. 测绘通报, 2025, 0(6): 115-122.
[2]	曾诗晴, 陈凯, 陈文典, 张勇, 曾浩炜, 吴亮. 以道路高精地图建设为例的部件级实景三维探索[J]. 测绘通报, 2025, 0(2): 23-27.
[3]	马小龙, 马照亭, 赵园春, 方驰宇, 费雯凯, 闫春利, 王月明, 石一慧. 自动驾驶地图在线更新安全合规技术研究与实践[J]. 测绘通报, 2025, 0(11): 134-139.
[4]	郭圆, 李必军, 应申, 钟炜, 周剑. 高精度地图众源更新地理信息安全问题浅析[J]. 测绘通报, 2024, 0(8): 122-127.
[5]	刘春, 马小龙, 戚远帆, 厉彦一, 乔亦弘. 前融合策略下辅助智能驾驶的多模态数据采集与高精度点云地图构建[J]. 测绘通报, 2024, 0(8): 8-12,19.
[6]	赵明姝. 一种更新高精地图置信度的方法[J]. 测绘通报, 2024, 0(5): 166-171,177.
[7]	张闯, 应申, 王润泽, 王舒曼, 李霖. 智能网联汽车的高精地图数据交互模式[J]. 测绘通报, 2024, 0(2): 107-112.
[8]	李玉婷, 袁振超, 张丽. 基于改进YOLOv8的交通标识检测方法[J]. 测绘通报, 2024, 0(12): 106-110.
[9]	黄金彩, 李诗逸, 石岩. 利用行车记录仪视频提取路面车道线[J]. 测绘通报, 2024, 0(12): 1-5.
[10]	吴佳桐, 狄琳, 黄龙. 智能驾驶高精地图数智化审查研究[J]. 测绘通报, 2024, 0(10): 174-178.
[11]	吴佳桐, 黄龙, 王勇, 罗安. 智能汽车基础地图安全防控相关问题浅析[J]. 测绘通报, 2023, 0(9): 155-159,170.
[12]	张盼盼, 宋佳顺. 四维标注在智能驾驶BEV感知中的应用[J]. 测绘通报, 2023, 0(9): 139-143.
[13]	刘大伟. 路口内虚拟车道自动制图方法[J]. 测绘通报, 2023, 0(6): 15-19.
[14]	王丽妍, 周勋, 胡伟, 刘立歆, 李飞雪. 面向自动驾驶的高精地图数据引擎模型[J]. 测绘通报, 2023, 0(6): 11-14,19.
[15]	费雯凯. 面向高精地图的局部相对位置动态生成方法及其应用[J]. 测绘通报, 2023, 0(6): 1-5.