1. 课程导入

Robotaxi（自动驾驶出租车）要真正实现“无安全员、全天候、规模化”的商业运营，车辆必须始终准确回答三个问题：我在哪里、我周围是什么、我接下来该怎么走。这三个问题分别对应高精定位、高精地图与运营调度三大能力。本课程聚焦其中最底层、也最容易被低估的一环——高精定位与地图运营工程，它决定了 Robotaxi 能否在复杂城市环境中安全、稳定、低成本地跑起来。

与乘用车辅助驾驶不同，Robotaxi 的定位精度要求通常达到厘米级，且必须满足高可用性（长时间不失效）与高完好性（失效时能及时告警）。一旦定位漂移或地图过期，轻则导致车辆急刹、绕行，重则引发碰撞或运营中断。因此，定位与地图不是“锦上添花”的模块，而是整个自动驾驶系统的安全底座与运营基础设施。

一、核心概念：定位、地图与运营的三层关系

理解本课程，需要先建立三个核心概念及其耦合关系：

• 高精定位：融合 GNSS（全球导航卫星系统）、IMU（惯性测量单元）、轮速计、激光雷达、视觉等多源传感器，输出车辆在全局坐标系下的位姿（位置 + 姿态），精度达厘米级，更新频率通常为 50～100 Hz。
• 高精地图：包含车道线、路沿、交通标志、信号灯、坡度、曲率等语义与几何信息的“先验知识库”，为定位提供匹配基准，为规划提供道路约束。
• 地图运营工程：解决地图“从哪来、准不准、新不新、怎么发”的工程问题，包括采集、制作、更新、发布、版本管理与质量监控。

三者并非独立模块，而是形成闭环：定位依赖地图做匹配，地图依赖车辆做更新，运营依赖定位与地图做调度。下图展示了 Robotaxi 高精定位与地图运营的整体框架。

二、方法流程：从信号到运营的闭环

Robotaxi 的定位与地图运营不是一次性工程，而是一个持续迭代的闭环流程。典型流程如下：

1. 数据采集：车辆在运营过程中持续采集 GNSS 原始观测、IMU 数据、激光点云与图像，同时记录定位结果与地图匹配残差。
2. 融合解算：通过扩展卡尔曼滤波（EKF）或因子图优化，将多源信号融合为连续、平滑的位姿轨迹。
3. 地图匹配：将实时感知结果与高精地图进行配准，修正累积误差，并检测地图是否过期。
4. 质量评估：计算定位协方差、完好性风险、地图要素变化率等指标，判断是否满足运营安全阈值。
5. 更新发布：对变化区域进行地图增量更新，经审核后通过 OTA 下发到车队。
6. 运营反馈：将接管、急刹、绕行等事件回传，作为下一轮地图与定位优化的输入。

三、案例场景：一个定位漂移引发的运营事件

某 Robotaxi 车队在雨天经过一段高架桥下道路时，GNSS 信号被遮挡，仅靠 IMU 与轮速计推算。由于该路段高精地图未及时更新（新增了一处施工围挡），地图匹配失败，定位在 8 秒内漂移了 1.2 米，车辆误判车道后触发急刹，导致后排乘客轻微不适并触发远程接管。

复盘发现三个问题：

• 定位侧：完好性监控未在漂移初期告警，融合权重仍偏向失效的 GNSS。
• 地图侧：施工围挡变化未在 24 小时内更新，地图与实景不一致。
• 运营侧：该路段未被标记为“高风险区域”，调度系统未提前降速或绕行。

这个案例说明：定位、地图、运营三者必须协同设计，任何单点优化都无法保证系统安全。

四、常见误区与学习建议