五、思考
(一)标准体系框架
目前国内外从事高精度道路导航地图的测绘和生产的单位逐渐增多，但各作业单位的技术水平、采用的仪器设备、作业方法、数据处理和成果形式各不相同。不同企事业单位采用的标准也不一致。
图 8 高精度电子地图标准体系框架
这对高精度道路导航地图的管理和共享带来了问题，因此亟需加强高精度道路导航地图标准体系框架的制定。高精度电子地图标准体系框架是形成高精度电子地图标准体系的基本单元。它包括地图基础标准、云整合标准、应用服务标准和检测评定标准四个部分，如图 8 所示。
(二)隐私与安全
出于对国家安全的考虑，许多国家对公共地图的信息采集与绘制也有诸多规定，包括精确度、测绘区域、机构和人员等诸多限制条件。因此需要进一步规范公共地图信息采集与高精度道路导航地图数据保护政策，在保障信息安全和鼓励高精度道路导航地图技术发展之间，找到最佳平衡点和解决方案。
(三)坐标体系的开放问题
传统导航地图都有约定俗成的电子地图版本审查和加偏移措施等加密手段，但是现在这些地图加密手段与高精度道路导航地图之间存在矛盾。因此，在未来的发展中要对高精度道路导航地图怀有创新性思维，实际应用的导航定位服务都是局部的，或许可以尝试用相对坐标系解决定位精度安全问题。
(四)及时准确地进行数据更新
传统导航地图因其商业地图公司及时、准确地进行数据更新，从而保障导航服务的准确性。而高精度道路导航地图的更新过程除了道路/车道的几何信息外，还包括交通要素在内的大量数据更新。而且，高精度道路导航地图本身就包含庞大的数据量，如果每次都通过原始采集手段进行数据更新，将会导致过多冗余数据和过高的成本。因此在未来的高精度道路导航地图发展中，采用众包手段获得用户手上的大量及时数据，是一种更加便捷、低廉、可靠的数据更新手段。
参考文献
[1] 刘少山, 唐洁. 第一本无人驾驶技术书 [M]. 北京: 电子工业出版社, 2017
[2] Tao Z, Bonnifait P, Fremont V, et al. Mapping and localization using GPS, lane markings and proprioceptive sensors [C]. Tokyo: Intelligent Robots and Systems (IROS), 2013 IEEE/RSJ Interna tional Conference on IEEE, 2013
[3] Nedevschi S, Popescu V, Danescu R, et al. Accurate ego-vehicle global localization at intersections through alignment of visual data with digital map [J]. Intelligent Transportation Systems, 2013,14(2): 673–687
[4] 贺勇. 基于高精细地图的GPS 导航方法研究 [D]. 上海: 上海交通大学(硕士学位论文), 2015.
[5] Suganuma J, Uozumi T. Precise position estimation of autonomous vehicle based on map-matching [J]. IEEE Intelligent VehiclesSymposium, 2011 (4): 296–301
[6] Levinson J, Montemerlo M, Thrun S. Map-based precision vehicle localization in urban environments [M]. Cambridge: MIT Press,2007
[7] Hao L, Nashashibi F, Toulminet G. Localization for intelligent vehicle by fusing mono camera low-cost GPS and map data [J]. Intelligent Transportation Systems, 2010 (9): 1657–1662
[8] Ress C, Etemad A, Kuck D, et al. Electronic horizon—Providing digital map data for ADAS applications [J]. Madeira, 2008 (3):40–49
[9] Sutarwala B Z. GIS for mapping of lane-level data and re-creation in real time for navigation [D]. Riverside: University of California (Master’s thesis), 2010
[10] Schreiber M, Knoppel C, Franke U. Laneloc: Lane marking based localization using highly accurate maps [J]. IEEE Xplore, 2013,36(1): 449–454
[11] Guo H Z, Meguro J I, Kojima Y, et al. Automatic lane-level map generation for autonomous robotic cars and advanced driver as sistance systems using low-cost sensors [C]. Hong Kong: IEEE
International Conference on Robotics & Automation ICRA, 2014
[12] Bender P, Ziegler J, Stiller C. Lanelets: Efficient map represen tation for autonomous driving [J]. Intelligent Vehicles Sympo sium, 2014 (3): 420–425
[13] 彭璇, 王梦媛, 曾洁茹, 等. 高精度北斗定位技术在交管执法取证中的应用研究 [J]. 电子技术应用, 2017, 43(4): 21–23
[14] Shi W S, Cao J, Zhang Q, et al. Edge computing: Vision and chal lenges [J]. IEEE Internet of Things Journal, 2016, 3(5): 637–646
[15] 施巍松, 孙辉, 曹杰, 等. 边缘计算: 万物互联时代新型计算模型[J]. 计算机研究与发展, 2017, 54(5): 907–924
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
