一、高精地图与传统地图对比
传统的导航地图包含道路拓扑、道路中心线几何形状和道路级别属性（车道变化属性点、以及道路分离点和车道分离点），一般来说这叫车道模型，仅仅是高精度地图的其中一层。高精度地图一般包括三层：包含语义信息的车道模型、道路部件（Object）、道路属性三类矢量信息，以及用于多传感器定位的特征图层。道路部件包括交通标志、指示牌、龙门架、路杆等路侧及路面的各类物体，当车辆传感器探测到这些道路物体，然后再对比地图，便可得知车辆的精确位置。道路属性包括道路的曲率、航向、坡度以及横坡，用来帮助车辆执行转向、加减速。简单一点概括的话，传统地图更加类似于一个二维地图，而高精度地图更像一个三维地图，随着维数的增加，包含的信息量级也大大提升，高精度地图的数据量是普通地图的10万倍以上，采集方式也变得更加复杂。
高精地图包涵属性
资料来源：公开资料整理
一张传统导航地图主要包括两种关键信息——GIS（地理信息系统）和POI（兴趣点，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等）。GIS和POI叠加起来形成了地图的表达。GIS底图可以通过采集车外采的方式获得，也可以通过购买航拍或者卫星照片得到，因为目前航拍或者卫星地图精度已经可以达到0.05米甚至更精确，这个精度已经足够传统地图生产商使用。POI则主要通过数据采集车采集，采集后进行手工标注。这种方式适合大规模采集标注，效率高成本低（采集设备便宜，采集车成本约30-40万元），尤其适合沿街的店面和场所的采集和标注，是目前图商的主要采集手段。这是传统地图，精度误差10-15米就已经足够。高精度地图包含更多信息，尤其是曲率、坡度等三维信息，而且对于精度要求较高，目前中国高精度地图要求精度达到20cm。一般来说高精度地图采集需要用到激光雷达，而激光雷达的成本较高，使得高精度地图的制作成本大幅提升。
以高德的高精度地图采集车为例，顶部装配两个激光雷达（位于后方）和四个摄像头（两前两后）的方式来满足所需要的10cm级别精度，能够完成标牌、障碍物、车道线等道路信息的三维模型搭建，高德的高精度地图采集车成本超过800万元人民币。百度的高精度地图采集车单车设备成本在100万人民币左右，整套采集车在采集设备上包括由Velodyne提供的32线激光雷达、摄像头以及由三台单反相机+120度鱼眼镜头组成的360度环视影像采集系统。根据四维图新公开交流提供的信息，四维的高精度地图采集车成本也约为100万元。正是因为高精度地图采集的设备以及油耗、人员工资等成本高昂，创业公司一般无法承担，通常采用众包方式进行高精度地图的制作（Civil maps、lvl5、Carmera、Mapper），或者不提供高精度地图，仅仅提供解决方案（Deep map），帮助有需要的客户制作高精度地图。
更新频率上，高精度地图要求实时更新，因为数据量太大，一般通过众包的方式进行更新（四维图新与Mobileye合作，利用众包技术实现高精度地图的实时更新），而传统地图更新周期比较长，可能一年更新一次也够用；使用者上，高精度地图一般给汽车自动驾驶系统使用，无需可视化，但是普通地图的使用对象是人类，因此需要显示屏；应用场景上，高精度地图用于L3级别以上的自动驾驶，而传统地图一般用于辅助驾驶。
高精地图与传统地图对比
资料来源：公开资料整理
未来十五年高精度地图行业将迎来黄金发展期，到2020这个市场的价值将达到21亿美元，2025年攀升至94亿美元。
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2019-2025年中国高精地图行业市场调查研究及投资前景预测报告》
二、高精地图在自动驾驶中的作用及高精地图商业模式
1、高精地图在自动驾驶中的作用
跟人类驾驶员的驾驶过程一样，自动驾驶也需要经过感知、高精定位、决策、控制四个步骤。人类的感知通过眼睛、耳朵，自动驾驶则通过激光雷达、毫米波雷达、摄像头、惯导系统等传感器。接着是高精定位，人通过将看到听到的环境信息与记忆中的信息对比，判断出自己的位置和方向，自动驾驶则需要将传感器搜集的信息跟储存的高精地图对比，判断位置和方向。最后人类驾驶员思考判断后操控汽车开向目的地。自动驾驶通过人工智能算法决策做出车道级路径规划，给制动、转向、加速等控制器下达指令，控制车辆开往目的地。
因此在自动驾驶过程中，高精地度起到了高精度定位、辅助环境感知、规划与决策等功能。其中最重要的是高精度定位，把自动驾驶汽车上传感器感知到的环境信息与高精地图对比，得到车辆在地图中的精确位置，这是路径规划与决策的前提。辅助环境感知是在高精地图上标注详细道路信息，辅助汽车在感知过程中进行验证。比如车辆传感器感知到前方道路上的坑洼，可以在跟高精地图中数据对比，如果地图中也标记了同样的坑洼，就能起到验证判断的作用。规划决策则是利用云平台了解传感器感知不到区域（比如几公里外）的路况信息，提前避让。
自动驾驶分级
资料来源：公开资料整理
2、高精地图商业模式
在静态高精地图之上，还需要增加动态高精地图，比如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等动态交通信息。动态地图需要实时更新，这使得图商传统的销售离线的license的商业模式开始出现转变。为了满足高精地图的实时更新，需要多级采集体系，采用自由采集体系、行业采集体系、社会采集体系多方融合的方式来完成。
自由专业采集体系是图商自己的高精专业采集车、全景ADAS采集车上路采集，方法跟第一步静态高精地图的生产一样。其次是行业采集生态，如物流车、出租车等车辆上的GPS、摄像头等传感器能传回实时的道路轨迹和路况信息，这也是现在导航地图中采集交通动态信息的方法之一。众包模式，特别是UGC模式的重要性在未来将不断提高。在自动驾驶时代，每辆车上的激光雷达、摄像头等传感器都在实时采集道路信息，这些采集的信息上传云平台后进行数据处理，通过激光点云识别技术、运用深度学习方法的图像识别技术以及大数据的处理能力实现自动化验证及人机交互式验证实现动态高精地图的实时更新。
资料来源：公开资料整理
传统汽车中，导航地图只是车主选配的功能，在自动驾驶汽车里，高精地图是不可或缺的核心部件。图商在产业链中的角色正在逐渐从传统汽车时代的供应商转变为自动驾驶时代的重要参与者、合作者、服务商。
除了向车厂或者自动驾驶出行服务商提供地理信息数据服务这种B端的业务，高精地图也会向C端延伸。因为地图是用户获取信息的核心入口之一，特别是在自动驾驶这种场景下，乘客通过车载地图搜索周边的商店、酒店、电影院等，选为目的地后让车辆自动行驶过去。甚至可以直接在地图上查看商店的评价，并下单支付，实现流量的多途径变现，从而将现在移动互联网的生态完美的移植到自动驾驶时代，例如为本地服务商家导流、通过搜索项目获得广告费用。
三、国外高精地图企业
国外的高精地图主要有Here、TomTom、Waymo（原Google地图）等老牌图商，其中Waymo的高精地图目前仅用于自己的无人车披露信息非常少。此外因为美国的地图测绘政策限制较少，因此成为高精地图创业者的天堂，比较有名的初创公司有Deep Map、Civil Maps、lvl5、Carmera。初创企业往往有一个自己主打的算法技术，比如CivilMaps能将1T的激光雷达点云数据压缩到8MB，Carmera融合摄像头和激光雷达的图像获得更好的传感效果等。但是云端的存储、运算、通信能力是初创企业普遍的短板。另外Uber、通用Cruise等也都在布局高精地图。
Here从2013年就开始制造高精地图，其研发最早开始于Here与戴姆勒的一个合作项目。凭借其在地图领域的积累，以及被奔驰、宝马、奥迪收购后主机厂的资源，Here正在努力构建行业标准。首先因为不同品牌车辆的传感器数据传输格式不同，导致云端无法高效聚合这些数据。2015年Here发布了一项数据传输的接口规范，让汽车可以将车载传感器获取的数据上传到云端，进行地图更新。这些数据包括车道识别、路标识别、坡道斜率、道路曲率、温度、降水量以及目标检测等。并聚集了16家主机厂和系统供应商共同推进车内传感器数据接口标准的统一格式。2015年Here还开放了部分高精地图数据供车企进行自动驾驶技术测试，开放的数据有美国旧金山港湾区周边道路、Mcity内部道路以及底特律、密歇根内部与周边的所有公开测试道路的数据；德国慕尼黑到巴伐利亚州霍勒道的A9高速公路；法国巴黎南部在A6-A10高速公路之间的数据等。
为了推进自动驾驶、高精地图联盟，HERE先后引入了Intel（15%）、博世（5%）、大陆（5%）、先锋（1%）的投资，涵盖了芯片、传感器等解决方案。与Intel的合作将联合开发一个高度可扩展的概念验证架构，支持高度和全面无人驾驶中的高清地图进行实时更新，双方还将探索物联网和机器学习领域的机会。与博世、大陆、先锋合作，使用他们的车载传感器（激光雷达、毫米波雷达、摄像头等）来实时更新地图。比如博世的精准定位服务“博世道路特征”可以利用安装博世的摄像头和毫米波雷达传感器的车辆在行驶过程中采集并识别道路信息，比如路牌、路灯、景物，并与高精地图对比从而判断车辆的相对位置，精度高达10厘米。
2018年2月宝马和戴姆勒宣布将在自己的自动驾驶汽车中使用HERE的高精地图，2018年3月宝马集团正式和HERE签署协议，在其下一批具有高度自动驾驶功能的量产车中使用HERE高精地图。这也是HERE的第一份商业合同。
资料来源：公开资料整理
四、国内高精地图企业
和美国不同，我国有比较严格的地图测绘政策限制，目前拥有“导航电子地图资质单位名单”的企业有13家。分别是四维图新、高德、长地万方、凯德、易图通、城际高科、国家基础地理信息中心、科菱航睿、光庭信息、浙江省第一测绘院、江苏省基础地理信息中心、灵图、立德空间信息。百度地图就是通过子公司长地万方开展导航电子地图测绘的。
国内的地图行业呈现三足鼎立的状况，百度地图、高德（阿里）、四维图新（腾讯），其背后是互联网巨头对地图入口的争夺。当然主机厂也不会将自动驾驶时代的附加红利拱手让给科技公司，比如上汽一方面跟阿里成立了合资的斑马网络，开发了车载操作系统，里面使用了高德的地图。一方面又向高精地图初创公司中海庭注资1.46亿元，获得51%股份。
Apollo是百度的无人驾驶平台，它是一个开放的、完整的、安全的平台，能够帮助合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统。2017年4月百度宣布对外开放该平台。目前已经有1700多家合作伙伴开始使用Apollo的开放代码，有100多个合作伙伴申请使用Apollo的开放数据。Apollo为开发者提供数据平台、仿真平台、感知平台、安全平台、参考硬件等，百度从2017年9月开始就向合作伙伴开放高精地图数据。
百度在高精地图领域的优势：拥有全国规模最大的高精度地图采集车队（40多辆），覆盖30万公里的全国高速及城市道路；可以精细刻画上百种道路要素和属性；自动化处理程度达到90%以上。
目前高德已完成覆盖中国超过30万公里的高速及城快公路的高精地图数据采集，实现绝对精度1米，相对精度10厘米，在采集里程和数据精度方面处于业内领先地位。依托高德交通大数据平台和阿里云计算平台，高德目前已建立起完整的高精地图自动化采集更新发布流程。基于由专业采集车辆、行业车辆和公众车辆组成的多级采集系统，高德地图能够实现最快速、最适宜的采集车辆组合、调派，对道路交通进行实时、快速的收集和反馈。依托阿里巴巴集团达摩院的机器识别与人工智能技术，高德实现了高精地图矢量元素自动化处理，绝大部分元素自动化指标达到95%以上。
日前四维图
新发布公告，与宝马（中国）汽车贸易有限公司签署了自动驾驶地图及相关服务的许可协议，为2021-2024年量产上市的宝马品牌汽车提供L3及以上自动驾驶地图产品和更新服务，车型包括宝马、Mini、劳斯莱斯等，就像其他汽车零部件公司的供应协议，只限定了车型和供货期间，具体的金额以2021-2024年的销量为准。目前各大车厂均将L3级别自动驾驶汽车的量产时间定为2020-2021年，按照提前两年采购的惯例，预计今年还将有其他国际大厂的L3自动驾驶汽车地图订单花落四维图新。
