近日，四维图新正式获批北京市政府颁发的自动驾驶车辆道路测试试验用临时号牌(“路测牌照”)，等级为T3级，这也是迄今北京市颁发的最高级别自动驾驶路测牌照。

　　记者了解到，目前北京已向包括四维图新、百度、智行者、小马智行在内的11家企业发放自动驾驶路测牌照。四维图新成为第一家获批T3路测牌照的位置服务提供商。

　　目前，北京市共有44条总计123公里的开放测试道路，覆盖了京津冀地区城市、乡村、高速85%的交通场景。获批T3路测牌照后，四维图新可在以上区域进行自动驾驶测试，在真实场景、极端场景打磨自动驾驶解决方案。

　　获取T3级路测牌照的难点在哪?

　　雷锋网新智驾了解到，T3级路测牌照是北京市在2018年推出的国内高级别、高标准的针对自动驾驶车在开放道路测试资格的认证。

　　获发牌照前，自动驾驶车辆需经过封闭试验场5000公里测试、能力评估、专家组评估 、北京市自动驾驶测试管理联席工作小组联席会审议等多个环节把关，并对车辆在近30个大场景下的自动行驶、变速、变道、转向、交通标牌信号灯识别、障碍物躲避能力，和对道路、标志标线、交通设施的识别能力，以及对交通法规和人性化驾驶规则的理解能力等，进行全面的检验与考察。

　　自动驾驶基础技术研究院研发部AI总监李阳提到，测试主要目的在于让每个自动驾驶团队能够认识到自动驾驶测试本身安全的重要性。例如流程安全性，包括测试管理、人员管理、软硬件版本迭代、零部件管理、传感器冗余、系统冗余、系统监控等是否符合汽车电子安全标准。

　　参加本次考试的四维图新自动驾驶车，配置了4个16线激光雷达、2个长距毫米波雷达和1个搭载四维图新自主研发视觉感知算法的单目摄像头。据李阳介绍，该方案的成本相当于其它自动驾驶方案的二分之一或三分之二。

　　轻量化传感器硬件方案在成本方面更容易被市场接受、更易落地的同时，也对软件、算法能力提出了更高的要求。

　　四维图新背后的技术：自动驾驶地图+AI

　　自动驾驶地图+AI，是四维图新独特的自动驾驶技术路径。

　　作为行业领先的位置服务提供商，四维图新围绕地图开始布局自动驾驶一系列业务，包括与地图相关的超精度定位和自动驾驶解决方案。最初阶段，四维图新自动驾驶解决方案主要用于验证地图。

　　2015年，四维图新正式孵化出智能地图事业部。目前其高精度地图已覆盖全国30万公里高速，且实现了自动驾驶地图在线发布和在线更新服务。

　　李阳提到，中国自动驾驶量产面临两大挑战：一是复杂多变的静态道路场景;二是拥堵危险的动态交通路况。针对复杂多变的静态道路场景，四维图新将多样化的结构化道路场景简化成少量的典型任务，即通过自动驾驶地图引擎，将超千万个真实道路场景抽象为百余个基本道路种类和路口、二十余个典型道路任务。简单理解即，自动驾驶地图以车辆能够理解的方式对现实环境进行重构，厘米级高精度数据表达上百种地图属性要素，以实时在线安全传感器的形式在自动驾驶定位、感知、规划、决策等环节扮演重要角色。依靠自动驾驶地图解构复杂环境，将全局规划根据场景划分成小任务，从而降低或优化分配系统对其他传感器需求。

　　对于动态交通路况，四维图新将高维度的超千万个轨迹计算简化为低维度的十余个行为分类，通过自动驾驶地图引擎使用行为参考(地图拓扑-拓扑到行为-规则拓扑-动态行为)来帮助减少交通环境中不确定的目标，并迅速进行决策判断。

　　例如在考试中的一个公交站场景，公交车打左转向灯即将出站，后车则需要避让，这本是机器难以理解的社会人性化驾驶规则，而如果利用自动驾驶地图，公交站则可以被设置为兴趣区，系统可以清楚的提前了解前方兴趣区位置，并投入更多感知计算资源检测公交车转向灯信号及出站动作，提高路权竞争者行为预测的精度，根据传感器数据融合结果作出相应决策，在这一案例中，自动驾驶地图既提供了空间参考，又保证了参与计算的数据维度可控，将复杂的场景解构成了简单的逻辑。

　　自动驾驶地图产品总监王淼向雷锋网新智驾表示，其高精度地图整体的数据结构分为三层：

　　道路层：包括自动驾驶基本路网，指导车辆在一定范围内展开道路级路径规划;

　　车道模型：包括车道线、车道边界和车道中心线，包括两个车道之间是否可以进行换道、路口间每个车道的通行关系;

　　定位对象(Object)：自动驾驶车辆用于进行定位的对象，例如路面、路侧及上方的各种物体，包括标志标牌、路面标志、龙门架、桥、杆、牌等等。

　　为保证高精度地图高可靠性，四维图新在生产过程中遵循汽车行业产品标准，并通过人工勘察、全站仪进行勘测，建立监控场定期监控厘米级变化;四维图新也发布了基于Websevers高精度地图服务、分发服务、传感器众包来保证高精度地图实时更新。

　　除自动驾驶地图，AI技术在整个四维图新自动驾驶发展路径上同样扮演着重要角色。四维图新利用AI来实现3D环境重建和地图更新。

　　摄像头作为成本较低且具有高密度的空间分辨率的感知部件，四维图新通过语义分割即深度估计的结果帮助自动驾驶车辆得到准确的3D环境，并实时构建本地地图。相比激光雷达、众包数据，此方法可以把局部的三维场景真实还原，并保证其稳定性。另一方面，通过感知既可以为自动驾驶车辆提供实时定位，也可为自动驾驶地图实现在线更新。目前四维图新感知系统可支持超过30多种类别，在50米距离的范围精度高于95%。

　　结合AI，也可以探测每一个障碍物并计算其具体参数、细节，支持所用动态的障碍物检测甚至是高速上的行人;对于车辆停止时雷达很难分辨的交通标识，感知都可以帮助其做出很好的判断。

　　在全国地图数据采集过程中产生的高质量影像数据，和近30万公里高速道路的点云数据，以及来自国内外合作伙伴的多元数据，为四维图新基于AI的深度学习算法提供了大量有效的训练数据集。基于AI的视觉感知算法在让系统准确进行物体识别、细节计算的同时，让自动驾驶车在降低对高线束激光雷达依赖的前提下，快速重构3D环境，并对环境车、人、物体进行预测。

　　从采集传统导航地图开始，四维图新记录了近20年全国高品质的道路数据，从城区到郊区从高速到村村通。各类道路数据成为四维图新最大的优势。随着高精度地图采集和制作，四维图新已拥有全国30万公里的高速高品质点云数据和照片数据，覆盖全国的UGC数据。与普通公开数据不同的是，四维图新所有的数据都带有位置信息，从而更容易的管理不同区域和场景。硬实力层面，四维图新已有200+AI开发工程师，且拥有半自动标注系统和自有的云平台。

　　深度学习、AI进入寒冬期的说法此起彼伏。李阳提到，对四维图新而言，深度学习、AI刚刚融合传统领域的算法，只是从最开始的闭眼狂奔的状态到精雕细琢的阶段，未来3到5年，AI将在行业内大放异彩。

　　自动驾驶方案可跨越不同的场景

　　目前，四维图新已通过一套软硬件的方案，实现跨城市、跨高速、甚至模块化的自动驾驶落地。自动驾驶方案可跨越不同的场景，这也是四维图新区别于其它自动驾驶公司的特色技术。

　　其使用同样的软硬件方案，可以跨越L3级高速场景和L4级基本城市场景，包括标准路口、行人、车辆等完全开放的路段，不局限于场景设计。

　　记者也在城区体验了四维图新自动驾驶车辆。车辆顺利完成了红绿灯识别自动启停、转弯、刹车，全程运行平稳，更强调安全性。因在开放的城市道路进行自动驾驶体验，道路情况复杂，仍以安全为主，全程车速平均30公里。体验途中遇到未遵守交通规则或随意停车的行人、车辆时，安全员进行了人工接管。

　　当前方车辆行车较慢时，四维图新自动驾驶车辆也会在后方无车辆驶近时进行变道。但超车功能仍较为保守。雷锋网新智驾了解到，当速度差在一定限定值时，车辆才会选择超车。