黑海面积第１１期张㊀攀，等：通用化高精地图数据模型
扑关系.交通标志物的数据模型方面，主要定义内容包括类型㊁包围盒㊁语义以及与道路㊁车道的关联关系.最后，按照本文提出的数据模型，完成了大范围的高精地图数据制作，并且成功编译到了N D S及O p e n D R I V E等标准物理格式，同时应用到A D A S I SV３电子地平线产品，取得了良好效果，进
一步验证了模型的实用性和有效性.
参考文献:
[１]㊀S E I F H G,HU X i a o l o n g．A u t o n o m o u s d r i v i n g i n t h e i C iＧt y H D m a p s a s a k e y c h a l l e n g e o f t h e a u t o m o t i v e
i n d u s t r y[J]．E n g i n e e r i n g,２０１６,２(２):１５９Ｇ１６２．[２]㊀B E N D E RP,Z I E G L E RJ,S T I L L E RC．L a n e l e t s:E f f i c i e n t m a p r e p r e s e n t a t i o n f o r a u t o n o m o u s d r i v i n g[C]ʊP r o c e e dＧ
i n g so f２０１４I E E EI n t e l l i g e n t V e h i c l e sS y m p o s i u m P r oＧ
c e e
d i n g s．J u n e８Ｇ１１,２０１４,D
e a r b o r n,M I,U S A:I E E E,
２０１４:４２０Ｇ４２５．
[３]㊀S C H I N D L E R A．V e h i c l e s e l fＧl o c a l i z a t i o nw i t hh i g hＧp r e c iＧs i o n d i g i t a l m a p s[C]ʊP r o c e e d i n g s o f２０１３I E E E
I n t e l l i g e n t V e h i c l e s S y m p o s i u m W o r k s h o p s(I V W o r kＧ
s h o p s)．J u n e２３Ｇ２３,２０１３,G o l dC o a s t,Q L D,A u s t r a l i a:
I E E E,２０１３:１３４Ｇ１３９．
[４]㊀K I M C,J O K,C H O S,e t a l．O p t i m a l s m o o t h i n g b a s e d m a p p i n gp r o c e s s o f r o a ds u r f a c em a r k i n g i nu r b a nc a n y o n
e n v i r o n m e n t[C]ʊP r o c e e d i n g so
f t h e１４t h W o r k s h o p o n
P o s i t i o n i n g,N a v i g a t i o na n d C o mm u n i c a t i o n s(W P N C)．
O c t o b e r２５Ｇ２６,２０１７,B r e m e n,G e r m a n y:I E E E,２０１７:
１Ｇ６．
[５]㊀R A N G A N A T H A N A,I L S T R U PD,WUT a o．L i g h tＧw e i g h t l o c a l i z a t i o n f o rv e h i c l e su s i n g r o a d m a r k i n g s[C]ʊP r oＧ
c e e
恐怖直播影评d i n g so f２０１３I E E E/R S JI n t
e r n a t i o n a lC o n
f e r e n c eo n
I n t e l l i g e n t R o b o t sa n d S y s t e m s．N o v e m b e r３Ｇ７,２０１３,
T o k y o,J a p a n:I E E E,２０１３:９２１Ｇ９２７．
[６]㊀Q U X i a o z h i,S O H E I L I A NB,P A P A R O D I T I SN．V e h i c l e l o c a l i z a t i o nu s i n g m o n oＧc a m e r aa n d g e oＧr e f e r e n c e dt r a f f i c
s i g n s[C]ʊP r o c e e d i n g so f２０１５I E E EI n t e l l i g e n tV e h i c l e s
S y m p o s i u m(I V)．J u n e２８ＧJ u l y１,２０１５,S e o u l,K o r e a
(S o u t h):I E E E,２０１５:６０５Ｇ６１０．
[７]㊀J O K,K I MJ,K I M D,e t a l．D e v e l o p m e n t o f a u t o n o m o u s
c a r p a r t I:
d i s t r i b u t
e ds y s t e m a r c h i t e c t u r ea n dd e v e l o pＧ
m e n t p r o c e s s[J]．I E E E T r a n s a c t i o n so nI n d u s t r i a lE l e cＧ
t r o n i c s,２０１４,６１(１２):７１３１Ｇ７１４０．
[８]㊀MA T T E R NN,S C HU B E R TR,WA N I E L I KG．H i g hＧa cＧ
c u r a t e v e h i c l e l o c a l i z a t i o n u s i n g
d i g i t a lm a p s a n d c o h
e r e n c y
i m a g e s[C]ʊP r o c e e d i n g s o f２０１０I E E E I n t e l l i g e n t
V e h i c l e sS y m p o s i u m．J u n e２１Ｇ２４,２０１０,L aJ o l l a,C A,
U S A:I E E E,２０１０:４６２Ｇ４６９．
[９]㊀S C H R E I B E R M,K NÖP P E LC,F R A N K E U．L a n e L o c: L a n e m a r k i n g b a s e d l o c a l i z a t i o n u s i n g h i g h l y a c c u r a t e
m a p s[C]ʊP r o c e e d i n g so f２０１３I E E EI n t e l l i g e n tV e h i c l e s
S y m p o s i u m(I V)．J u n e２３Ｇ２６,２０１３,G o l dC o a s t,Q L D,
A u s t r a l i a:I E E E,２０１３:４４９Ｇ４５４．
[１０]㊀Z I E G L E RJ,L A T E G AHN H,S C H R E I B E R M,e t a l．V i d e ob a s e dl o c a l i z a t i o nf o rB e r t h a[C]ʊP r o c e e d i n g so f
２０１４I E E EI n t e l l i g e n t V e h i c l e sS y m p o s i u m P r o c e e d i n g s．J u n e８Ｇ１１,２０１４,D e a r b o r n,M I,U S A:I E E E,２０１４:
１２３１Ｇ１２３８．
[１１]㊀J O K,J O Y,S UH RJK,e t a l．P r e c i s e l o c a l i z a t i o no f a n
a u t o n o m o u s c a r
b a s e d o n p r o b a b i l i s t i
c n o i s em o
d
e l s o
f r o a d
s u r f a c em a r k e r f e a t u r e su s i n g m u l t i p l e c a m e r a s[J]．I E E E
T r a n s a c t i o n s o n I n t e l l i g e n t T r a n s p o r t a t i o n S y s t e m s,
２０１５,１６(６):３３７７Ｇ３３９２．
[１２]㊀C H E N X i a o,HU W e i d o n g,Z H A N GL e f e n g,e t a l．I n t eＧ
g r a t i o no f l o wＧc o s tG N S S a n dm o n o c u l a r c a m e r a s f o r s i mＧ
u l t a n e o u s l o c a l i z a t i o na n dm a p p i n g[J]．S e n s o r s,２０１８,１８
(７):２１９３．
[１３]㊀J A N GC,C H OS,J E O N GS,e t a l．T r a f f i c l i g h t r e c o gＧn i t i o ne x p l o i t i n g m a p a n dl o c a l i z a t i o na te v e r y s t a g e[J]．
E x p e r t S y s t e m sW i t hA p p l i c a t i o n s,２０１７,８８:２９０Ｇ３０４．[１４]㊀A E B E R HA R D M,R A U C H S,B A H R AM M,e t a l．E xＧp e r i e n c e,r e s u l t s a n d l e s s o n s l e a r n e d f r o ma u t o m a t e d d r i vＧ
i n g o nG e r m a n y sh i g h w a y s[J]．I E E EI n t e l l i g e n tT r a n sＧ
p o r t a t i o nS y s t e m sM a g a z i n e,２０１５,７(１):４２Ｇ５７．[１５]㊀N D S．N D S o p e n l a n em o d e l１．０r e l e a s e[E B/O L]．[２０１７Ｇ５Ｇ１１]．h t t p:ʊw w w．o p e n l a n e m o d e l．o r g/
[１６]㊀A S AM．O p e n D R I V Ev１．６f o r m a t s p e c i f i c a t i o n[E B/O L]．[２０２０Ｇ１Ｇ１４]．h t t p s:ʊw w w．a s a m．n e t/
[１７]㊀B E N D E RP,Z I E G L E RJ,S T I L L E RC．L a n e l e t s:E f f i c i e n t m a p r e p r e s e n t a t i o n f o r a u t o n o m o u s d r i v i n g[C]ʊP r o c e e dＧ
i n g so f２０１４I E E EI n t e l l i g e n t V e h i c l e sS y m p o s i u m P r oＧ
c e e
d i n g s．J u n e８Ｇ１１,２０１４,D
e a r b o r n,M I,U S A:I E E E,
２０１４:４２０Ｇ４２５．
[１８]㊀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):９３９Ｇ９５３．D O I:１０．１１９４７/j．A G C S．２０１９．２０１９０１２５．
L I UJ i n g n a n,Z HA N J i a o,G U O C h i,e ta l．D a t al o g i c
s t r u c t u r e a n d k e y t e c h n o l o g i e s o n i n t e l l i g e n t h i g hＧp r e c i s i o n
m a p[J]．A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,２０１９,
４８(８):９３９Ｇ９５３．D O I:１０．１１９４７/j．A G C S．２０１９．２０１９０１２５．[１９]㊀A D A S I SA I S B L．A D A S I SV３．１s p e c i f i c a t i o n[E B/O L]．[２０２０Ｇ１Ｇ７]．h t t p s:ʊa d a s i s．o r g．
[２０]㊀张攀，郑珂，王军德，等．拓扑模型下的导航地图道路曲率引入[J]．测绘通报,２０１５(１１):５２Ｇ５６．
Z HA N GP a n,Z H E N GK e,WA N GJ u n d e,e t a l．I n t r o d uＧ
c i n g r o a
d c u r v a t u r
e i n t o n a v i g a t i o nm a p b a s e d o n t o p o l o g iＧ
c a lm o
d
e l[J]．B u l l e t i no fS u r v e y i n g a n d M a p p i n g,２０１５
(１１):５２Ｇ５６．
[２１]㊀徐敬海，李清泉，宋莺，等．基于K i w i数据格式的地图显示研究[J]．武汉大学学报(信息科学版),２００５,３０(１０):
８６６Ｇ８６９．
X UJ i n g h a i,L IQ i n g q u a n,S O N G Y i n g,e ta l．R e s e a r c h
o nm a p d i s p l a y m e n tb a s e do nk i w i d a t a f o r m a t[J]．G e oＧ
５４４１
Copyright©博看网 All Rights Rerved.
N o v e m b e r２０２１V o l．５０N o．１１A G C S h t t p:ʊx b．s i n o m a p s．c o m
m a t i c sa n d I n f o r m a t i o n S c i e n c e o f W u h a n U n i v e r s i t y,
２００５,３０(１０):８６６Ｇ８６９．
[２２]㊀Z E N G W,C HU R C H RL．F i n d i n g s h o r t e s t p a t h so nr e a l r o a dn e t w o r k s:t h e c a s e f o rA[J]．I n t e r n a t i o n a l J o u r n a l o f
G e o g r a p h i c a l I n f o r m a t i o nS c i e n c e,２００９,２３(４):５３１Ｇ５４３．[２３]㊀L I UJ i n g n a n,Z H A NJ i a o,G U OC h i,e t a l．D a t a l o g i c s t r u cＧt u r e a n dk e y t e c h n o l o g i e s o n i n t e l l i g e n t h i g hＧp r e c i s i o nm a p
[J]．J o u r n a lo f G e o d e s y a n d G e o i n f o r m a t i o n S c i e n c e,
２０２０,３(３):１Ｇ１７．
[２４]㊀蒋捷，韩刚，陈军．导航地理数据库[M]．科学出版社,２００３．
J I A N GJ i e,H A N G G a n g,C H E N J u n．N a v i g a b l ed a t a b a s e
[M]．B e i j i n g:S c i e n c eP r e s s,２００３．
[２５]㊀A L T H O F F M,U R B A NS,K O S C H IM．A u t o m a t i c c o nＧv e r s i o no f r o a d n e t w o r k s f r o m O p e n D R I V E t o l a n e l e t s[C]
ʊP r o c e e d i n g so f２０１８I E E EI n t e r n a t i o n a lC o n f e r e n c eo n
S e r v i c e O p e r a t i o n s a n d L o g i s t i c s,a n d I n f o r m a t i c s
(S O L I)．S i n g a p o r e:I E E E,２０１８:１５７Ｇ１６２．
[２６]㊀P O G G E N H A N SF,P A U L S JH,J A N O S O V I T S J,e t a l．L a n e l e t２:ah i g hＧd e f i n i t i o nm a p f r a m e w o r k f o r t h e f u t u r e
o f a u t o m a t e dd r i v i n g[C]ʊP r o c e e d i n g so f t h e２１s t I n t e rＧ
n a t i o n a l C o n f e r e n c e o n I n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m s
(I T S C)．M a u i,H I,U S A:I E E E,２０１８:１６７２Ｇ１６７９．[２７]㊀詹骄，郭迟，雷婷婷，等．自动驾驶地图的数据标准比较研究[J]．中国图象图形学报,２０２１,２６(１):３６Ｇ４８．
Z HA NJ i a o,G U OC h i,L E IT i n g t i n g,e t a l．C o m p a r a t i v e
s t u d y o nd a t as t a n d a r d so fa u t o n o m o u sd r i v i n g m a p[J]．J o u r n a l o f I m a g e a n dG r a p h i c s,２０２１,２６(１):３６Ｇ４８．[２８]㊀祖似杰，张攀，罗跃军．基于车道驾驶态势的拓扑构建与路径规划[J]．地理空间信息,２０１８,１６(５):５３Ｇ５６,９．
Z uS i j i e,Z h a n g P a n,L u oY u e j u n．T o p o l o g y c o n s t r u c t i o n
a n dr o u t e p l a n n i n g
b a s e do nl a n ed r i v i n g
c o n
d i t i o n[J]．
G e o s p a t i a l I n f o r m a t i o n,２０１８,１６(５):５３Ｇ５６,９．[２９]㊀H O M A Y O U N F A RN,L I A N GJ,M A W C,e t a l．D A G M a pＧp e r:l e a r n i n g t o m a p b y d i s c o v e r i n g l a n et o p o l o g y[C]ʊ
P r o c e e d i n g so f２０１９I E E E/C V FI n t e r n a t i o n a lC o n f e r e n c e
o n C o m p u t e r V i s i o n(I C C V)．S e o u l,K o r e a(S o u t h):
I E E E,２０１９:２９１１Ｇ２９２０．
[３０]㊀国家质量技术监督局．中华人民共和国国家标准：道路交通标志和标线G B５７６８ １９９９[S]．北京：中国标准出版
社,１９９９．
S t a t eB u r e a uo fQ u a l i t y a n dT e c h n i c a lS u p e r v i s i o no f t h e
P e o p l e sR e p u b l i c o f C h i n a．N a t i o n a l S t a n d a r d(M a n d a t o r y)o f
t h eP e o p l e sR e p u b l i c o f C h i n a:R o a d t r a f f i c s i g n s a n dm a r kＧ
i n g s．G B５７６８ １９９９[S]．B e i j i n g:S t a n d a r d s P r e s s o f
C h i n a,１９９９．
[３１]㊀D U R E K O V I CS,S M I T H N．A r c h i t e c t u r e s o fm a pＧs u p p o r t e d
A D A S[C]ʊP r o c e e d i n g s o f２０１１I E E E I n t e l l i g e n tV e h i c l e s
S y m p o s i u m(I V)．B a d e nＧB a d e n,G e r m a n y:I E E E,２０１１:
２０７Ｇ２１１．
(责任编辑：张艳玲)
收稿日期:２０２１Ｇ０５Ｇ１１
修回日期:２０２１Ｇ１０Ｇ２６
第一作者简介：张攀(１９８９ )，男，博士生，研究方向为高精地图㊁定位㊁自动驾驶系统.透支卡
F i r s t a u t h o r:Z H A N GP a n(１９８９ ),m a l e,P h Dc a n d iＧd a t e,m a j o r s i nh i g hd e f i n i t i o nm a p s,l o c a l i z a t i o na n d a u t o n o m o u sd r i v i n g s y s t e m．
EＧm a i l:p a n z＠w h u．e d u．c n
通信作者：刘经南
C o r r e s p o n d i n g a u t h o r:L I UJ i n g n a n
EＧm a i l:j n l i u＠w h u．e d u．c n
６４４１
小狗门Copyright©博看网 All Rights Rerved.
㊀２０２１年１１月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a N o v e m b e r,２０２１㊀㊀第５０卷㊀第１１期测㊀绘㊀学㊀报V o l．５０,N o．１１引文格式：陈龙，刘坤华，周宝定，等．多智能体协同高精地图构建关键技术研究[J]．测绘学报,２０２１,５０(１１):１４４７Ｇ１４５６．D O I:１０．１１９４７/j．
A G C S．２０２１．２０２１０２５９．
C H E N L o n g,L I U K u n h u a,Z H O U B a o d i n g,e ta l．K e y t e c h n o l o g i e s o f m u l t iＧa g e n tc o l l a b o r a t i v e h i g h d e f i n i t i o n m a p
c o n s t r u c t i o n[J]．A c t aG e o
d a
e t i c a e tC a r t o g r a p h i c aS i n i c a,２０２１,５０(１１):１４４７Ｇ１４５６．D O I:１０．１１９４７/j．A G C S．２０２１．２０２１０２５９．多智能体协同高精地图构建关键技术研究
陈㊀龙１，刘坤华１，周宝定２,３，李清泉４,５
１．中山大学计算机学院，广东广州５１０００６;２．深圳大学土木与交通工程学院，广东深圳５１８０６０;３．深圳大学城市智慧交通与安全运维研究院，广东深圳５１８０６０;４．深圳大学广东省城市空间信息工程重点实验室，广东深圳５１８０６０;５．自然资源部大湾区地理环境监测重点实验室，广东深圳５１８０６０
新年心语K e y t e c h n o l o g i e so fm u l t iＧa g e n tc o l l a b o r a t i v eh i g hd e f i n i t i o n m a p c o n s t r u cＧt i o n
C H E NL o n g１,L I UK u n h u a１,Z H O UB a o d i n g２,３,L IQ i n g q u a n４,５
蟾蜍草１．S c h o o l o fC o m p u t e rS c i e n c ea n dE n g i n e e r i n g,S u nY a tＧs e nU n i v e r c i t y,G u a n g z h o u５１０００６,C h i n a;２．C o l l e g eo f C i v i l a n dT r a n s p o r t a t i o nE n g i n e e r i n g,S h e n z h e nU n i v e r s i t y,S h e n z h e n５１８０６０,C h i n a;３．I n s t i t u t eo fU r b a nS m a r t T r a n s p o r t a t i o n&S a f e t y M a i n t e n a n c e,S h e n z h e n U n i v e r s i t y,S h e n z h e n５１８０６０,C h i n a;４．G u a n g d o n g K e y L a b o r a t o r y o fU r b a n I n f o r m a t i c s,S h e n z h e nU n i v e r s i t y,S h e n z h e n５１８０６０,C h i n a;５．M N RK e y L a b o r a t o r y f o rG e oＧE n v i r o n m e n t a lM o n i t o r i n g o fG r e a t B a y A r e a,S h e
n z h e n５１８０６０,C h i n a
A b s t r a c t:T h eh i g h e r t h ea u t o m a t i cd r i v i n g d e g r e e,t h eh i g h e r r e q u i r e m e n t so fah i g hd e f i n i t i o n m a p．I n t e l l i g e n t h i g hd e f i n i t i o n m a p sc a n p r o v i d ei n f o r m a t i o nf o rL５l e v e la u t o n o m o u sv e h i c l e s,w h i c hi sa n i m p o r t a n t d i r e c t i o n f o r t h ed e v e l o p m e n t o f h i g h d e f i n i t i o nm a p s i n t h e f u t u r e．A c c o r d i n g t o t h ec u r r e n t h i g h d e f i n i t i o nm a p c o n s t r u c t i o nm e t h o d s,t h ed e f i n i t i o no fm u l t iＧa g e n t c o l l a b o r a t i v e i n t e l l i g e n t h i g hd e f i n i t i o n m a p c o n s t r u c t i o n i s p r o p o s e d．I t s c o n s t r u c t i o n f r a m e w o r k a n d k e y t e c h n o l o g i e s:m u l t iＧa g e n t r o u t i n g f o r d a t a c o l l e c t i o n,m u l t iＧs o u r c eh e t e r o g e n e o u si n t e g r a t i o n d a t af u s i o n a n d e x p r e s s i o n,r o a ds c e n ec o g n i t i o n, i n t e l l i g e n t h i g h d e f i n i t i o nm a p f u s i o n,i n t e l l i g e n t h i g hＧd e f i n i t i o n u p d a t e a r e s t u d i e d,a n d t h e i r c o r r e s p o n d i n g a p p r o p r i a t e t e c h n i c a l s c h e m e s a r e p r o p o s e d．
B e s i d e s,t h e c h a l l e n g e s i n t h e f u r t h e r c o n s t r u c t i o n p r o c e s s a r e a n a l y z e d．
红参有什么功效K e y w o r d s:h i g hd e f i n i t i o n m a p;p a t h p l a n n i n g;r o a ds c e n eu n d e r s t a n d i n g;m u l t iＧs o u r c eh e t e r o g e n e o u s d a t a p r o c e s s i n g
F o u n d a t i o n s u p p o r t:T h eN a t i o n a l K e y R e s e a r c h a n dD e v e l o p m e n t P r o g r a mo f C h i n a(N o．２０１８Y F B１３０５００２); T h e
G u a n g d o n g N a t u r a lS c i e n c e F u n d sf o rD i s t i n g u i s h e d Y o u n g S c h o l a r(N o．２０２１B１５１５０２００２０);T h e N a t i o n a lN a t u r a l S c i e n c e F o u n d a t i o n o f C h i n a(N o s．６２００６２５６;４２１７１４２７);T h e K e y R e s e a r c h a n d D e v e l o p m e n t P r o g r a mo f G u a n g z h o u(N o．２０２００７０５０００２)
摘㊀要：自动驾驶车辆的自动化驾驶程度越高，对高精地图的要求越高.智能化的高精地图能够为L５级别自动驾驶车辆提供所需地图数据，是未来高精地图发展的重要方向.基于目前高精地图的构建方法，本文首先提出多智能体协同高精地图构建的定义，分析其构建框架.然后，对多智能体数据采集路径规划㊁多源异构一体化数据融合与表达㊁道路场景认知㊁智能高精地图融合㊁智能高精地图更新等关键技术进行了研究，提出了可行的技术方案.最后，分析了其未来构建过程中存在的挑战.
关键词：高精地图；路径规划；道路场景理解；多源异构数据处理
中图分类号:P２０８㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:１００１Ｇ１５９５(２０２１)１１Ｇ１４４７Ｇ１０
基金项目：国家重点研发计划(２０１８Y F B１３０５００２)；广东省自然科学杰出青年基金(２０２１B１５１５０２００２０)；国家自然科学基金(６２００６２５６;４２１７１４２７)；广州市重点研发项目(２０２００７０５０００２)
Copyright©博看网 All Rights Rerved.
N o v e m b e r２０２１V o l．５０N o．１１A G C S h t t p:ʊx b．s i n o m a p s．c o m
㊀㊀高精地图专为自动驾驶设计，是自动驾驶核心技术之一.它又被称为高分辨率地图，具有高精度的道路场景(车道线㊁交通标志㊁路沿等)㊁定位等信息，可以辅助自动驾驶过程中的感知㊁定位㊁路径规划㊁决策与控制，提高驾驶过程中的安全性.
近年来，针对高精地图的研究可以分为以下３个研究方向：高精地图格式[１Ｇ２]㊁高精地图数据结构和高精地图制作方法.由于本文主要讨论高精地图的数据结构和制作方法，因此，对高精地图格式不做详细介绍.从高精地图数据逻辑方面分析，文献[３]对高精地图的静态图层数据逻辑结构进行了分析，认为高精地图应该包括：道路层㊁车道网络层㊁车道线层与交通标志层.文献[４]提出了路径导航
车道级地图体系结构.由于静态地图不能保证行驶的安全，文献[５]提出局部动态地图的概念，首次将动态物的感知纳入地图范畴.文献[６]提出不同驾驶级别的自动驾驶汽车需要依赖不同级别的高精地图；自动驾驶级别越高，对高精度地图的要求越高；指出L５级别自动驾驶汽车的需求为智能化的高精地图，即动态高精地图＋分析数据的能力.
从高精地图制作方法分析，目前的高精地图制作均面向L３或L４级别的自动驾驶，未对L５级别的自动驾驶地图进行研究.面向L３或L４级别自动驾驶高精地图的构建可以分为数据采集㊁制图与地图更新３个步骤.其中，数据采集方案[７]均为通过搭配多种传感器的自动驾驶车辆或全景移动测量系统进行数据采集.但是无论自动驾驶数据采集车辆还是全景移动测量系统，成本均太过昂贵，不能实现大规模的数据采集，影响高精地图的制图和地图更新；同时，目前制图算法多基于深度学习来实现图像理解㊁定位等，该类算法存在数据需求量大㊁可解释性差等问题.
本文以智能化的高精地图为研究对象，提出多智能体协同高精地图构建定义与框架，并对其关键技术㊁构建过程中存在的挑战进行了分析，该框架的核心思想包括以下两点.
(１)将数据采集平台由自动驾驶车辆或全景移动测量系统扩展为机器人㊁自动驾驶车辆㊁无人机等多种类型的智能体.通过搭配相同或者不同类型传感器的㊁不同类型的多个智能体协同采集数据，既降低了采集设备的成本，又保证了数据采集速度.
(２)为保证高精地图的智能性㊁精度和地图更新速度，提出多智能协同高精地图的制作和更新框架.
本文的主要内容包括:①提出了多智能体协同高精地图构建定义和框架;②分析了多智能体协同高精地图构建过程中的关键技术;③研究了其构建过程中存在的挑战.
１㊀多智能体协同高精地图构建定义及框架
㊀㊀多智能体协同高精地图构建指采用多个搭建相同或不同传感器(摄像机㊁激光雷达㊁G N S S㊁I MU等)㊁不同类型的智能体(自动驾驶车辆㊁机器人㊁无人机等)协同采集数据，并对数据进行处理，实现智能高精地图制作和更新的过程.依据多智能体协同高精地图构建定义，其具体构建框架如图１所示.
大脚丫学芭蕾(１)多智能体数据采集：通过对多智能体进行路径规划，使其协同进行数据采集的过程.其中，如何令多智能体协同工作㊁规划多智能体数据采集路径，实现高效㊁高质量采集某区域的数据是该部分的重点和难点.
(２)数据一体化表达：由于不同的传感器具有不同的数据表达形式(数据内容㊁格式㊁特性㊁精度等)，为方便智能高精地图的制作，需要对多源异构数据进行一体化表达，得到三维地图.
(３)场景认知：智能化的高精地图具有理解静态物㊁半静态物㊁半动态物和动态物的能力，还具有解
释数据(认知)的能力.而目前基于深度学习的场景感知方法要求大量训练数据，且模型泛化能力差㊁不具有可解释性.因此，智能化的高精地图构建需要发展对数据量要求小㊁模型泛化能力强㊁具有可解释性的场景认知方法.
(４)轨迹规划：轨迹规划用于表达虚拟道路和道路间的逻辑关系，并对自动驾驶车辆在各车道的可行驶轨迹进行规划，为自动驾驶车辆行驶过程中的导航提供强约束.
(５)地图融合：基于认知数据和轨迹数据将不同空间㊁时间㊁层次的数据高精度地融合成为一个完整的高精地图.
(６)矢量化表达：将形成的智能高精地图从俯视图角度进行矢量化表达，形成矢量地图，提供给自动驾驶车辆使用.
(７)地图更新：自动驾驶程度越高，对高精度
８４４１
Copyright©博看网 All Rights Rerved.
第１１期陈㊀龙，等：多智能体协同高精地图构建关键技术研究
地图的准确度要求越高.而由于现实生活中频繁的道路建设和维修，使地图不能保持现势性，进而
不能为自动驾驶车辆提供准确信息.因此，智能化的高精地图需要具有较好的更新能力
.
图１㊀多智能体协同高精地图构建
F i g ．１㊀M u l t i Ｇa g e n t c o l l a b o r a t i v eh i g hd e f i n i t i o nm a p c
o n s t r u c t i o n ２㊀多智能体协同高精地图构建关键技术
２．１㊀多智能体数据采集路径规划
多智能体数据采集路径规划，即多个单智能体信息交互，在共同完成某个区域数据采集的过程中，每个智能体的路径规划；其本质为多智能体路径规划.针对多智能体路径规划问题，传统的
方法一般采用遗传算法[８]和蚁群算法[９]
求解.然
而，随着问题规模的增大㊁计算复杂度增加，传统方法不能高效地规划多智能体路径.近年来，随着深度学习的发展，涌现出众多基于深度强化学习的路径规划方法[１０]，提高了规划的效率[
１１Ｇ１２
].但是，现有的算法在进行多智能体路径规划时，通
常将问题抽象为多旅行商问题[１３Ｇ１４]
，多旅行商问题不考虑场景的复杂性与动态性.而在多智能体数据采集时，场景的复杂性与动态性是影
响数据采集效率和通信效率的重要因素之一，不可以被忽略.为解决此问题，本文建立适用于多智能体协同建图的路径规划模型.
集中学习和分散执行是一种多智能体协同策略.集中学习指通过应用集中的方法训练一组智能体，从而减轻智能体间通信负担.分散执行指智能体可以在其局部观测优势的基础上分散执
行[１５
]，这种体系在通信受限的情况对于保持多智能体间的信息高效交互意义重大[１６
].文献[１７]
基于集中学习分散执行框架，提出了一种集中式
专家监督多智能体强化学习算法，该算法采用D A g g
e r 算法获得单智能体分散执行策略，可以在较低的样本复杂度下训练分散执行多智能体策略.文献[１８]将集中和分散的思想应用到主从多智能体架构中，主智能体处理来自从智能体的信息；从智能体接受主智能体消息，并结合自身信息来执行动作，显著降低了多智能体系统的通信负担.实际上，集中学习分散执行策略已成为多智
能体系统协同的标准框架[
１９]
.为了实现多智能体间信息交互与协同路径规
划，本文提出采用 集中学习和分散执行 结合 多智能体强化学习 的多智能体协同路径规划模型，如图２所示，以集中式深度学习模型学习多智能体全局路径规划，以分散式执行实现多智能体间高效信息交互，充分利用二者在信息处理与信息交互方面的优势.即：首先，基于深度强化学习算法分析单一智能体的观测和行为，学习建图环境状态更新信息；其次，通过深度神经网络，集中学习智能体之间的沟通和协同方法；最后，基于网络结构，实现智能体之间的交互及协同规划，从而完成基于集中学习分散处理的多智能体路径规划方案.
具体来讲，各智能体向集中式学习模型发送建图环境状态更新信息，如场景随时间动态变化㊁与预测复杂度差异较大等；集中式学习模型将全部更新信息集中表达为图神经网络的形式，并基
９
４４１Copyright©博看网 All Rights Rerved.
