3sNews 武汉独家报道 “为什么几乎所有的互联网公司，都声称自己是互联网地图公司?因为基于位置的服务，是最接地气的云计算。但是和驾驶地图的作用相比，现在的互联网地图是小儿科。”2014年12月17日，中国工程院院士李德毅在“中国测绘地理信息学会2014年学术年会”上表示。
李德毅称，没有驾驶地图就没有车联网，没有车联网就没有物联网，所以驾驶地图才是互联网地图的命根子。
驾驶地图，是要为机器人服务的。李德毅说，在智能驾驶时，人跟机器人的关系应该是两个认知主体的关系，就像骑士和主人。把马的认知叫做智能带，来代替人的认知能力。
在驾驶地图的帮助下，我们要做双驾双控，方向盘、油门继续给人使用，智能车承担那些基本的、持久的、繁琐的驾驶功能。两者同时工作，就像一个骑士和他的骏马一样。
李德毅说，过去，他们一开始做智能车的时候，要往方向盘、油门上加好多东西，让它变成无人驾驶车。但是，这个时代已经过去了。没有智能的自动驾驶，好景不会长久，也不能称之为有自主行为能力的机器人。
机器人将成为人类生产、生活中的常态，变得不可离开，是人类体力和智力的延伸，将成为人联网、物联网中的隐型穿戴设备。
李德毅举例说，他们利用驾驶地图做了危险情景应对记忆法，做了驾驶困境应对记忆法。这些都代表了人脑中的工作记忆，这样一来，路口记忆、驾驶困境、危险情景都可以应对。这些可以是个性的，也可以是群体共识的，案例数的多少是不受限制的。
这正是驾驶地图的魅力所在，也是大数据的魅力所在。把经常发生交通事故的场景做到危险情景、应对记忆里去。到那个时候，连推理都不需要，就是本能，他就不会去换道，就不会去怎么样。
以下是现场发言实录(未经本人核实)。
李德毅：各位地理界的同行们，我今天说一说用户对地图的看法。
作为一个用户需求，我希望出来一个驾驶地图。驾驶当然跟道路相关，但不仅仅跟道路相关。测绘科的同志们，街景地图被互联网同志抢先了。后来搞驾驶地图，驾驶地图搞不好，你们又要落一次后，我来给你们提个醒。
泛在的传感器、移动互联网和物联网造就大数据时代，学科交叉加速，产业前沿延伸，新兴商业涌现。测绘界的朋友们，你越靠近这端的用户，你企业赚钱越多。
刚才发了很多奖，我建议你们想一想，为什么腾讯、百度、高德能提供那么多的导航地图，包括以后的街景地图?我们测绘界为什么不能为驾驶员服务，为机器人服务呢?包括机器人在内的许多四不像的技术，产品、学科、产业和商业也许成为创新的主要形态。
驾驶地图，从地图工作者来看就叫四不像，但是老百姓需要，机器人需要，你做不做?云计算支撑下的跨界创新，成为大数据时代特征。驾驶地图，将是继街景地图之后的又一次跨界创新。
最近五年，我们基本上成了汽车人。汽车人跟IT人是有不同背景的，所以经常发生碰撞，撞出火花来。
我想讲一点道理，这么好的汽车为什么要被机器人代替了?在美国人口当中，人均每年250个小时坐在汽车里。
从更大的科学事业来看，人们就提出一个问题，汽车为什么要私有化呢?为什么一定要用汽车去占我的土地呢?停在我们家门口，那个停车费多贵，那个二氧化碳排放多少啊，那个油量消耗多少啊。一人一车，一人多车，导致人类对自然资源的过度掠夺和过度消费，引发一系列自然问题和社会问题。雾霾来了，人要受到惩罚了。
我国的交通事故官方统计，每天死亡280人左右。我说的是死亡，不是受伤，就是每天一次空难。汽车本来是人类科学进步的表现，但是却让人类每天遭遇一次空难。这是人类所不允许的。
在我们的朋友当中，在朋友的朋友当中，找一个曾经受到交通事故受伤的人，是不困难的。这是科学进步和人类文明不能容忍的。汽车行业想这方面想少了，它只想到它的竞争对手，比如沃尔沃对奥迪，奥迪对丰田，他们忽视了跨界的问题。
大家都知道，各国的交通管理都规定不能在汽车里面打电话。但是挡不住，现在盲驾已经成为第一杀手，而不是醉驾。喝醉酒开车的人毕竟少数，看手机开车的人很多。因此，我们搞人工智能的认为，孤立驾驶的时代一去不复返，移动机器人将再一次改变人类的生活形态。
当然，汽车厂商并没有休息。他们认为，可以用自动驾驶的办法来解决人的驾驶疲劳。但是我想告诉大家，当你买了一个自动驾驶的汽车的时候，你会发现，真正可以使用的实际窗口很小很小。它是有自主能力地开车，就是像一个人那样开车，而不是简单的像自动化洗衣机，按照固定的程序运作。
因此，没有智能的自动驾驶，好景不会长久，也不能称之为有自主行为能力的机器人。它不能从根本上提高人类的生活品质。
因此我们提出了驾驶地图，要为机器人服务。人跟机器人的关系是两个认知主体的关系，就像骑士和主人。我们把马的认知叫做一个智能带，来代替人的认知能力。这样一来，我们提出了双驾双控，能够与人和谐相处，从而提高人类移动生活品质。
机器人将成为人类生产、生活中的常态，变得不可离开，是人类体力和智力的延伸，将成为人联网、物联网中的隐性穿戴设备。
我们看看奔驰车S500智能驾驶的情况。你根本不能确定这辆车是人开的还是机器人开的。
将来，我们在车里可以打电话，可以唱歌、看小说，很多事情都可以做。我们可以在车里享受移动生活，让智能车承担那些基本的、持久的、繁琐的驾驶功能。
我们组织了全国的高校研究所，用两个亿的经费号召大家做智能车，一年举行一次比赛。2009年开始，第一次比赛去了七辆车，情况不理想。在刚刚完成的2014年智能车比赛，去了22辆车，情况大变，一开始就像移动车辆一样，雷达、全景摄像头很多，很正规。底下这辆车就是我们科技组做的。它在多次比赛中获得第一名、第二名。
2014年在常熟的比赛，我们规定了两个任务。大家看图，从这个门出来之后就到一个弯道下面，又回到常熟理工大学，最后回到这儿。从起点出发，一共15公里，总分数650分，这是第一个任务。第二个任务搞了一个九宫格，起始车从这儿出发，要到这个地方拿一个东西，无人车，拿了东西回来，在回来的路上，有人工驾驶干扰这个车，由这个车自主找到目的地回到这儿。这个比赛已经完了，大家看看中央电视台的报道。
我们看到好多车都有这样一个激光雷达。这一次有个纯电动车参加了智能车比赛，拿到第三名。
2014年，我们还做了北京到天津的行驶，总共跑了两万多公里。在第十八次试验报告里面，我们的油门操作是1816次，刹车操作30次，转向操作11812次。在这个过程当中，没有进行任何交通管制，可以看到油门、方向盘操作，可以看到当时的交通流量情况，以及省油的情况。
这是2014年中央电视台播的当时的新闻。
习主席讲过，自动驾驶已经成为现实，不是未来。传统的外加装方案，我们搞了五年。大家知道，汽车的一个进步，就是人级功能学的进步。我们一开始做智能车的时候，方向盘、油门上加好多东西，让它变成无人驾驶车。但是，这个时代已经过去了。
测绘界的朋友们，如果你们真正做智能车，你们不要这样做。我们要做双驾双控，方向盘油门继续给人使用，让两者同时工作，就像一个骑士和他的骏马一样。
今后的车子怎么开?我作为一个幻想家，跟大家描述一下。人操纵方向盘，机器人操纵油门和刹车。就跟两个人骑自行车，一个人抓龙头，还有一个踩踏板一样。或者用触摸驾驶，拿个iPad改变车道线，加速减速。还可以用云驾驶，用独特的云指纹，能够让它快一点，再快一点，这种云驾驶也是可以做到的。
还有一个更重要的，如果你不会开车，可以让机器人教你开车，让机器人给你打工。大家看看全国的驾校，如果都买了机器人陪驾，教练就失业了。当然，你还可以和机器人讨论如何开车，这多好啊。
尤其重要的事情是，机器人可以借你的脑子开车。好比说你是北京的车，北京很熟悉，外地的朋友来了，不熟悉。但是你的驾驶地图已经在车里了，所以他可以借你的脑子开车。
我们还可以ADAS倒用，现在ADAS是告诉驾驶员怎么开车，将来ADAS应该让机器人装。因为人的本能是不守规矩的，人是会疲劳，是有情绪的。而智能机器人是始终守规矩的，他是不疲劳的，而且没有情绪。假如你开车的时候正好地震了，这时候你让人开，守规矩的时候让机器人开，我们让ADAS倒用。
有一个很基本的问题，我们靠传感器的事相当多，够不够呢?我们有地图是不行的，驾驶地图呼之欲出。
在智能驾驶的视觉听觉认知计算中，地图处于什么位置?起什么作用?地图是个传感器?我就说地图不是传感器，因为它有比传感器更大的功能。
是传感器融合地图还是地图融合传感器?我在很多公司里面看到，都是在地图上做事。我觉得很奇怪，大家都往地图上融合，为什么不在另外一个坐标系上做事呢?
考驾照时驾驶员的理论考试，对智能车拿驾照意味着什么?在高速路上偶尔会看到驾驶员将车停在一边问路，是他的驾驶技术不熟练吗?智能车在第一次出行任务之前是否一定要预先实地学习行驶一遍?现场跑究竟跑什么?我们发现了很多时候是在跑地图。
我们希望有这样一个驾驶地图，它可以服务人开车，也可以服务机器人开车。驾驶地图作为地图来说，一般来讲它没有特定视点。它采用的是3D俯视的直角坐标系，或者大地坐标系，不是也不可能服从某个驾驶员或者某个特定无人车的认知坐标系——对数极坐标系。
因为没有哪两辆车的实时驾驶态势是完全相同的。所以有人认为，驾驶地图里要包含当前驾驶态势等动态信息，以帮助驾驶。我认为这是个误区。就好像一个骑士一样，要告诉这个骏马，前腿怎么跨、后腿怎么跨，这个事情不靠谱。
对驾驶地图的要求是无止境的，驾驶地图不仅仅要关注地理空间等信息。我认为这是第一步，即首先关注地理空间和静态信息，例如天气、光照环境、随即出现在道路上的移动障碍物等。从人工智能的角度来看，它应该涵盖三个范围，一个是感知、认知、行动。在这三个范围当中，地图起着重要的作用。
当我们用传感器来装备智能车的时候，我们得出了一个基本的原则，叫做传感器不完美是常态。
将来，老百姓的车子上可能有二十几个雷达，这是什么场景?以前，大家认为雷达都是军队用的，现在有几百个雷达，这是多大的市场啊。所以我们希望把雷达做到像手机这么大，火柴这么大，要不然汽车厂商是不能接受的。我们认为这里面有个重要的，就是脑认知，机器驾驶脑。我们用驾驶态势图作为表示语言，实现驾驶脑的形式化。
我们看人在脑认知的时候是怎么工作的?第一块叫短期记忆，在心理学叫做瞬间记忆或者叫做工作记忆。还有长期形成的知识和经验，我们叫做长期记忆。还有就是思维和学习的工作区，再就是动机。你从哪儿开车到哪儿去，还有一个很重要的东西就是情绪。
交通事故的最大祸害，是人开车情绪不好，所以情绪千万不能进入机器脑。再一个就是性格，性格在里面是很重要的，开车反映人的性格，而性格是通过DNA遗传的。有的人开车很张扬，形成了飙车党;有的人开车很保守。这都跟性格和DNA有关。怎么样把这一部分放在机器脑里面去，是我们要研究的东西。如果直接研究感知和行为，我们不能认为叫做智能机器人。
将驾驶活动从人类的认知活动中抽象并剥离出来，当且仅当驾驶脑专门模拟人脑完成低级、烦琐、持久的驾驶认知、并保证其正确性和完备性时，这样的驾驶脑才不会分散注意力、永远专注、永不疲倦。如果把能完成数学运算的机器称为运算脑，把能定成围棋博弈的推理机器称为围棋脑等等，那么依此类推，从人脑中剥离出来的，能形成各种驾驶认知的机器，就可称为驾驶脑。
现在的问题是，搞地图的同志太爱地图了，舍不得丢开地图。我建议你们暂时丢开地图，看看驾驶员是怎么认知的。有一个定律叫做心理物理学定律，人的一切感觉、视觉、听觉、味决、嗅觉、电击觉等，都遵从感觉不与物理量的强度成正比，而是与对应物理量的常用对数成正比的法则。该法则成为心理物理学的奠基性理论。
现在用的就是对数极坐标系，在对数极坐标系下的驾驶态势感知具有颗粒度，近处粒度细、远处粒度粗等。以后我们让性格、让长期记忆、让动机，让学习和思维，让当前的态势感知，都把它做出来。围绕情绪不尽如我们的驾驶脑，我们发明了机器驾驶脑。
我国已有城市地图、经济地图、教育地图、旅游地图等等，常常把道路视为边，把路口称为节点，至于边的带宽，路口的走向不知道，道路和路口的诸多几何不知道，这些怎么让驾驶车过路口?
我想，咱们第一步做驾驶地图，先把道路分为三块，叫简单道路、路口、复杂道路。同一条道路内具有相同的车道数，且车道宽度保持不变，这样的道路很简单。
像这样的道路，有岔口，它就叫复杂道路。比如像这样一个交叉路口，就比较复杂了。我们以前拿摄像头去看交通显示牌，但是真正的熟练驾驶员是不看的，他的地图在脑子里面。交通指示牌在太阳光照射下反光很强烈的。
在驾驶中大概有两个重要的事情，一个叫一次规划，一个叫二次动态规划，这都需要对驾驶地图的认知。因此，我们要把即时定位和地图重构做好。
机器驾驶脑，把驾驶地图作为先验知识，完成出行任务的一次规划，驾驶过程中的丰富性和精准性，大大超过了单个司机脑。这是我们在几年前做的规划，还没有驾驶地图的作用。现在，我们计划逐渐把驾驶地图拿出来。我们之所以几次在比赛当中取得好的成绩，都是因为我们对地图有足够的认知。
雷达识别出道路中间绿化隔离带，被地图确认，GPS—IMU给出本车所在的驾驶地图车道位置，被摄像头检测到的车道线确认。这叫再次确认，还有互相补充。
地图认为进入事故多发区，雷达点云数据反映道路流量增大。地图表明到路口，摄像头检测到停止线。地图告知经过流动商贩区，摄像头发现许多行人，还有冲突消解等。
还可以做提醒帮助。当地图告知前方是水道或者过桥的时候，GPS可能丢失信号。当车辆达到坡顶时，摄像头无法检测到车道线。地图告诉你这是在坡顶上。这个东西很重要。地图告知你正在通过粗糙路面，雷达出现抖动。
我们利用地图做了危险情景应对记忆，做了驾驶困境应对记忆法。这些都代表了人脑中的工作记忆，这样一来路口记忆、驾驶困境、危险情景都可以应对。这些可以是个性的，也可以是群体共识的，案例数的多少是不受限制的。
这正是驾驶脑的魅力所在，也是大数据的魅力所在。你把经常发生交通事故的场景做到危险情景、应对记忆里去。到那个时候，连推理都不需要，就是本能，他就不会去换道，就不会去怎么样。
再说驾驶地图的紧迫性需求。当我们请百度、高德给我们做驾驶地图的时候，我们发现他们太慢了。他跑一趟要三天甚至一个星期，才能把地图给我们，说要做事故重组。这对智能车是不允许的。当他们给我们地图的时候，我们发现和智能车有误差。因为他说，最好把基站加在移动车的基站位置上。
这怎么能行呢?于是我们现在自己做了，自己做还没有误差，拿我的雷达做，拿我的摄像头做不就得了吗。所以这个问题请地图界的同志们关心，如果能做GPS—SLAN、Visual—SLAN等等，做到以图搜图，语义搜图等等。
为什么几乎所有的互联网公司，都声称自己是互联网地图公司?因为基于位置的服务，是最接地气的云计算。但是和驾驶地图的作用相比，互联网地图是小儿科。
没有驾驶地图就没有车联网，没有车联网就没有物联网，所以驾驶地图才是互联网地图的命根子。从这个意义上讲，我认为在座的发了这么多奖的企业单位，你们的前途太大了。
高德一个老总说，地图是对真实物理世界的某种映射，而不是还原再现。还原再现的丰富性和精细粒度是没有尽头的。
驾驶地图不同于传统地图，它用需求来命名，以满足驾驶员和智能车的驾驶为目的。
随着移动互联网、云计算的提出，大数据环境下的众包和群体智能的发展，尤其是越来越多的奔跑在道路上的自动驾驶汽车作为传感器对互联网地图的大量实时数据回馈，这种局面如何应对?政府应该如何更有作为?电子数字地图究竟该如何分层?数据完整没有底限，数据精准才能取胜?如何实现?如何保证数据的增量式更新和驾驶地图的可持续性发展?还有用于高级驾驶辅助系统的驾驶地图，驾驶员认为精度要多高等等问题。
所以我认为，大数据时代，需要我们搞地图的同志们和搞自动化的同志们坐在一起，跨界创新。
{{item.content}}