随着AI的一次阶段性成长，自动驾驶的憧憬似乎变得“看得见”，各种相关概念喷薄而出，其中就有“高精度地图（HDMap）“。业界对HDMap的解释是：现在的自动驾驶AI相当于一个3岁儿童的智商，他无法像成人一样理解道路上的各种对象，所以需要HDMap告诉他如何行走。如图1是一份HDMap示例。
HDMap主要有三个指标：
1）至少20厘米以内的地图绝对坐标精度：自动驾驶汽车需要精确的知道自己在路上的位置，往往车辆离马路牙子和旁边的车道只有几十厘米，所以HDMap的横向精度要求很高；
2）车道级的道路交通信息：HDMap不仅要有高精度的坐标，同时还要有准确的道路形状、车道数量以及每个车道的坡度、曲率、航向、高程，侧倾等属性数据，另外，车道之间的分隔线是虚线、实线还是双黄线，线的颜色、道路的隔离带、隔离带的材质甚至道路上的箭头、文字等内容都需要描述，另外，普通电子地图的限速、交限及红绿灯等等信息也要有，如图2所示；
3）实时更新：根据相关定义，无人驾驶时代所需的局部动态地图（Local Dynamic Map）按更新频率可将所有数据划分为四类：永久静态数据（更新频率约为1个月），半永久静态数据（频率为1小时），半动态数据（频率为1分钟），动态数据（频率为1秒），如图3所示。
通过上面的介绍，我们已经知道了HDMap的定义，现在我们就来分析HDMap制作的难度有多大。HDMap一般性的制作过程如图4所示，主要包括外业采集、数据预处理、内业编辑及发布。
2020年中国的高速公路总里程大约是290721 KM，所有车行道路总里程约为2974875 KM。如果按两个外业人员一天白天采100KM，晚上完成数据预处理入库，每个内业操作员平均一天作业20KM，那就需要5个作业员再花一天完成这100KM的内业。总共加起来就是7个作业员两天完成100KM，平均每人每天7KM。根据相关报道“高德从 15 年开始，花了两年的时间记录出 30 万公里的高速公路高精度数据”，这说明实际制作过程花费的时间要多得多，制作全国所有车行道路的HDMap所要花费的时间更是不可想像（普通道路HDMap制作存在交通信息更丰富、车道线模糊不清晰、没有车道线或者采集过程左右车辆遮挡等各种问题，这些都需要大量的人工干预）。HDMap制作的大致效率如图5所示。
根据上图中的效率估算，感兴趣的读者可以大致计算一下制作HDMap需要的人工及设备成本。高速公路的基础HDMap是可以制作完成的，但是所有道路的制作连Google地图都不一定能下得了决心。毕竟Google地图（普通电子地图）的内业操作员数量曾经一度达到5000+，HDMap的人员密度只会更大，10倍以上......开弓就别想回头！
HDMap的前两个指标尚且如此困难，第三个指标“实时性”更是无解！目前市场上解决HDMap“实时更新”问题的预想性方案是“众包模式”。不妨先看看普通电子地图，Google地图有10亿以上的用户，每天Google地图的C端返回海量的信息，然而它的数据鲜度（包括影像和道路等数据）大多在半年以上。做过地图的都知道，“众包”返回的地图数据只能作为参考，它的坐标精度、描述的准确性都是无法保证的，想用它来实时更新HDMap，是实在没有办法了么？普通电子地图要做到实时更新尚且闻所未闻......（地图的数据内容远远不只用户的事件性报告）
另外再说说自动驾驶中可能出现的动态事件，高速上超车、前方出现动物、前方有东西掉落，这些即使有了高精度地图，现在的AI也没有办法。即使投入巨资做出了不怎么新的高精度地图，也只是自动驾驶的一个辅助装置（这个装置不能保证一定正确）......
最后打个比喻，为什么要费劲去做一些辅助性装置让幼鸟在特定场景下飞翔呢，幼鸟长大之后无需这些装置自然可以飞翔，据相关报道“美国10岁熊孩子驾车在高速上狂飙，警察都追不上！“，AI已经3岁了，着什么急......
想想现在的高精度地图跟“愚公移山”有什么区别，随着下一次AI的成长，AutoDrive自然会到来。
