为迎接自动驾驶技术带来的时代的来临，四维图新围绕打造“智能汽车大脑”的战略愿景，形成从导航地图、车联网到自动驾驶、芯片，再到位置大数据的五大业务板块布局，进而围绕核心业务全方位发力自动驾驶。近日，我们围绕四维图新不断优化业务布局的同时如何在自动停车系统领域的发展进行了深入沟通。

　　现在学界普遍认为，国内自动驾驶基本上处在L3级别，从技术支持的角度来说，目前四维图新已经实现高速路自动驾驶，包括从高速到高速的匝道路径规划。另外指出在自动驾驶过程中，车能开多快主要取决于环境感知的能力，取决于传感器能够“看”多远。如果在几百米外可以清晰地观察到路面情况，并及时做出调整和规划，车速完全可以提升到和人类驾驶时差不多。

　　在自动驾驶过程种，地图的含义更为丰富，地图可以为车辆提供决策的基础，也是车辆做提前预判的基础。正因为如此，依托于其作为图商巨头的制图技术、人才、经验以及资质，四维图新在2015年就开始采集制作高精度地图。今年5月，四维图新与Here的合资公司图新瀚和成立，引入Here的经验与模式在中国开展服务。同时，四维图新间接与Here的大股东，德系三车厂达成合作。未来，四维将与奥迪、宝马、奔驰就新型车载传感器数据的收集和处理平台搭建进行探讨，目前已确认引入6种新型传感器，用于高精度地图的平台化采集。

　　而从自动驾驶技术走向消费者的角度来看，比较看好公共城市交通系统领域的应用。一方面，自动驾驶对社会基础设施建设要求比较高，比如车道线、红绿灯、智慧交通规则等，但是公共交通可以由政府设立专门的道路和设施，等于是降低了自动驾驶技术的开发难度，更好的走向大众。另一方面，通过政府的扶持和推动，新兴的技术能够快速上马，获得大量使用数据，推动了技术进步。

　　另据，四维图新未来要打造两个“脑”，一个是非规则化的“脑”;一个是深度学习的“脑”。现在四维图新的自动驾驶算法，主要还是在规则化的策略;后阶段会融入深度学习，积极探索深度学习在策略、控制、规划等领域的应用。在他看来，目前自动驾驶方向，已经实现的端到端技术，尚且只能算作“玩具”。由于深度学习的黑箱，人们难以对其工作过程进行拆解，在尤其关注安全的自动驾驶领域，大家对深度学习用于决策基本都持谨慎态度。深度学习在自动驾驶领域仍重道远。

　　最后，也谈对自动驾驶技术人才培养的观点，虽然目前没有专门的课程来教学，目前一些细分领域的知识都已经应用到自动驾驶中，比如神经网络学科早就出现了，最开始只停留在理论层面，后来随着技术发展很多知识应用到了医疗器械领域，而如今随着人工智能的崛起，神经网络又被应用到机器感知层面。所以说这部分的人才储备总体是够的，现阶段只是因为供求关系的原因导致市场价格波动。

　　目前看来，高精度地图对于自动驾驶的意义主要有以下几点：

　　第一，极端天气和环境下的位置感知。举个例子，雨天积水发射灯光、冬天路面积雪覆盖等情况下，利用视觉传感器和激光雷达是很难识别车道线的，这时候就需要高精度地图来提供辅助。高精度定位配合高精度地图，车辆可以对自己的位置做出非常准确的判断，而后控制车辆按照预定方向行使。

　　第二，自动驾驶的安全性和舒适性。例如车辆在一条很长的高速路行使，如果在这条高速路上有一个很急的弯道，如果用视觉或激光雷达的方式去判断，车辆快开到这个弯道的时候才能去做出判断，这样会造成急刹车、急转弯等现象，这个时候会给整个驾驶的安全性和舒适性造成影响。但如果使用高精度定位技术，车辆对自己的位置有清晰的了解，车辆可以通过自己的智能决策系统去判断，什么时候、提前多少米开始刹车、转向以及转向的角度。这种方式提升了整个驾驶系统的安全性和舒适性。

　　第三，V2X应用。在交叉路口的车辆穿行和避让场景中，如果每一辆车都能够精确地定出自己的位置，通过车车通信和车路通信把自己的位置分享给其他车辆，那么每辆车都会对彼此的位置和路口的交通情况有清楚的了解，通过这样一种智能路车调度系统，可以实现交叉行驶车辆的调度。达到一定程度的话，甚至可以取消红绿灯。

　　第四，节省自动驾驶系统运算量。利用图像识别和激光点云算法，不管是存储量还是运算量都是巨大的，所以目前我们看到一些自动驾驶车的后备箱里，实际上放了一个非常大型的服务器去做运算和处理的。这种模式是很难实现工程化或者商业化应用的。如果利用卫星定位，就可以定位出车辆大概在这个道路的某一段，或者说在道路非常精确的某一个路段上，在做点云匹配时，就完全没有必要把整个城市或整条道路的这个点云图像数据库都调入做匹配处理，只需要调用一段数据就可以了，这样会大大缩短存储量和运算量。

　　也正是如此，高精度地图在自动驾驶整体解决方案中扮演的是地图传感器的角色，它与激光雷达、摄像头等传感器一样，是非常关键的一环。