泰达汽车论坛｜百度地图孙巍玮：让每辆无人车都走对道

由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办的第二十二届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2026年9月17日至9月20日在天津市滨海新区举办。本届泰达汽车论坛将围绕“智绿筑基·生态蓄势·共创共赢”的年度主题，邀请重磅嘉宾展开深入研讨。

在9月18日“新场景生态专场：智慧出行新场景”中，百度地图无人物流车首席产品架构师孙巍玮发表题为“让每辆无人车都走对道”的演讲。

百度地图无人物流车首席产品架构师 孙巍玮

提到百度在无人驾驶方面，大家应该都比较熟悉，百度最早的时候就是进入这个行业去做无人驾驶相关的事情。我们在这个行业里面，也是相对走得比较早的，也有相应的一些沉淀。百度本身在无人驾驶的场景上面，所做的事情还是比较多的，有车、路，还有图。我今天代表百度地图，和大家分享在自动驾驶场景方面，我们能为大家解决一些什么样的问题。

百度地图用于自动驾驶场景的数据，都是一些高精数据，这是我们传统的方案。但是高精数据会带来一些问题，比如说像中国场景下的一些路况都是非常复杂的，人在开车时会遇到很多复杂的路口，在立交桥下定位也会有一些问题，有时甚至不知道应该怎么走。遇到非标准交规场景时，有些车道是不能行驶的，包括一些施工占道等场景，经常给驾驶带来困扰，更不用说无人驾驶了，情况会更加复杂。

这些年来，作为图商我们也看到了一些问题，比如说对于车厂，或者对于无人车的企业来说，大家现在面临的共同问题在于，地图采集成本相对比较高，但是现在大家的竞争又比较激烈。我们怎么样去降低地图采集成本，才能更好地推动行业的发展。

第二方面，地图数据现在的覆盖度有时候是赶不上企业拓展速度的。原来大家对于无人驾驶，是在一个区域去做相应的一些试点，但随着科技的发展，我们后续会有跨城的无人驾驶的需求场景，在我们不断往前跑的过程中，需要我们的车在全国的范围内都能够走。但要让无人车在全国范围内跑起来，是需要有底层数据的支持。这一点上，我们数据本身很多是跟不上业务拓展速度的。

第三方面，对于高精地图来说，大家面临同样的问题是它的更新很难，很多时候需要很高的成本才能保证相应的更新频率，这也导致数据“鲜度”难以保障。

对无人驾驶来说，车辆往往受限于某些区域，某些区域能走，某些区域不能走。在运营的过程中，我们发现某些不能运营的区域，仅靠普通路线很难规划出一条无人车真正能走的路。如何让运营更加合理，是我们地图规划路线时不太好解决的一个问题。

综上所述，我们一直在思考，现在的低速无人车需要具备什么样的地图能力？经过我们这么多年跟行业客户的交流，百度现在也是行业首家推出支持快速开城泛化的低速无人车解决方案。这套方案是希望能够让我们的无人车做到全国都能跑，而且开得更加安全。这套方案目前已与新石器、白犀牛等企业达成合作，已经把这套数据以及方案在他们的车上进行了落地。这套数据其实是我们从L2级别到L4级别已经有量产车落地的一套数据，在L2级主机厂合作方面，我们合作的零跑等车型，用的都是百度的数据和合作方案。

我们作为行业首家开放车道级地图数据、实现禁限行区域规避的图商。大家都在提供地图，但是提供地图本身最大的差异在哪里？是否有合作企业共同实现量产落地、有没有车真正地实现了运营？在这上面，我们是行业内唯一一家和无人车行业头部企业，比如说新石器，一起跑通、支持到规模化运营的图商。

我们的产品现在主要是具备下面的四个特点。

一是全覆盖。我们的覆盖是比较全的，针对车辆无法在全国任意地点开启驾驶自动化的痛点，我们实现了全国1300万公里行驶范围的数据覆盖。无论车辆到达哪个城市、业务覆盖到哪个城市，都可以快速拓城。

二是鲜度高。像百度地图C端也在用我们LD的数据以及我们的产品，依托C端的反馈和更新机制，会让我们的数据鲜度变得更好。

三是快交付。我们的交付更加成熟，支持全国范围的限速数据交付，可以让企业适配，快速上车应用。

四是更可控。我们的产品更加可控，因为考虑到无人车实际无法行驶、无法进入的区域，这套方案能让低速无人车在行驶过程中相对更加可控。

以下为大家做一个相对细致的介绍。一是覆盖度方面。全国全域1300万公里可行驶道路的覆盖，大家打开百度地图C端，只要是百度地图APP所能到达的地方都可以做到覆盖。覆盖的类型很多，比如说非规则的车道、复杂的路口、复杂的立交桥等等，都是由LD数据覆盖的。

二是鲜度本身也是非常高的。百度的LD采用从L2辅助驾驶到L4自动驾驶一体化采集车的高鲜度、高质量数据，作为全域数据的基座。不同图商所带来的区别在哪？有一些图商只做L4级别的数据，但在更新的时候并没有考虑到从辅助驾驶到L4级别的数据本身是否是一体化的，有没有进行很好的融合。

我们百度的这套数据，从L2实际车上用的，包括APP端在用的，到L4整体的数据，都做到了一体化的更新。所有地图C端更新的数据，包括在L2车辆上使用到的数据，对于自动驾驶车辆这部分的数据都是有用的，都是能够快速更新和发布的，也能够去做一些干预，对应数据的可靠度也会更好。

三是交付方面能够做到全国去更新交付的。传统高精地图主要覆盖高速、封闭道路场景，包括一些商用车、乘用车的场景，部分场景还需要用高精去做。百度车道级的数据可以覆盖到全国所有的城市，在安全度方面，全国全域都能开，我们已经有量产的车型在路上跑，数据的安全度都是可以保证的，在鲜度、成本上，相对于高精数据也是大幅下降的。

包括一些要素，车道的分界线、主辅路的属性，包括一些数据要素，中心线、虚拟线等等。虽然给大家提供的是LD数据，但在高精地图场景下，或者无人车场景下核心要用到的数据类型还是做了保留，这样能够保证无人车辆更好地使用我们的数据。在交付场景，像一些比较关键的场景，十字路口等等，会保留车道的转向、核心的连通关系，这些核心数据我们都做了保留，能够保证我们的自动驾驶车辆在一些核心路段正确行驶。

我们还提供了一些末端要素，比如小路、园区、小区、医院等属性场景，这些场景本身也是针对我们的自动驾驶车辆经常会去的场景，我们都有相应的数据覆盖。

除此之外，我们还有两个核心的应用，一个是经验图层，一个是实时图层。经验图层基于车辆实时行驶的轨迹和限速信息，可以给出一个比较合理的经验限速，让自动驾驶的车按照经验限速去实时行驶；红绿灯图层可以根据交通状况、路线和交通信息，保障驾驶安全。

在可控方面，我们也是行业首家提供无人车场景自定义禁行区的图商。因为每一个无人车的企业在交付过程中，发现大家最头疼的是不同区域的限行规则，北京、上海也好，都有自己的限行区域，但在不同的限行区域下，车辆很难规划出一条实际无人车能走的路。今天某个时段某个路段被限行了，这个车就不能走了。一旦开通，这个车又要走，规则不断变化，就需要不断地调节这些规则。我们的平台支持企业自定义禁行区，把规则录入到平台上，在不同的时间段可以规划出无人车实际行驶的路线，更好地帮助无人车进行实际的运营。

包括在导航过程中，针对道路上的一些场景可以进行相应区域的规避。还有我们的指定路线导航，除了上面的规避以外，在清扫车等经常行驶的路段，无人车场景下，有的时候经常走的一条路线，可以把它变成指定路线，我们也支持按照企业指定的路线进行行驶，这样一方面解决了原来导航默认规划路线可能不符合运营需求的问题，另一方面也可以满足运营场景下大家对于指定道路的要求。

在9月18日“新场景生态专场：智慧出行新场景”中，百度地图无人物流车首席产品架构师孙巍玮发表题为“让每辆无人车都走对道”的演讲。

百度地图无人物流车首席产品架构师 孙巍玮

提到百度在无人驾驶方面，大家应该都比较熟悉，百度最早的时候就是进入这个行业去做无人驾驶相关的事情。我们在这个行业里面，也是相对走得比较早的，也有相应的一些沉淀。百度本身在无人驾驶的场景上面，所做的事情还是比较多的，有车、路，还有图。我今天代表百度地图，和大家分享在自动驾驶场景方面，我们能为大家解决一些什么样的问题。

百度地图用于自动驾驶场景的数据，都是一些高精数据，这是我们传统的方案。但是高精数据会带来一些问题，比如说像中国场景下的一些路况都是非常复杂的，人在开车时会遇到很多复杂的路口，在立交桥下定位也会有一些问题，有时甚至不知道应该怎么走。遇到非标准交规场景时，有些车道是不能行驶的，包括一些施工占道等场景，经常给驾驶带来困扰，更不用说无人驾驶了，情况会更加复杂。

这些年来，作为图商我们也看到了一些问题，比如说对于车厂，或者对于无人车的企业来说，大家现在面临的共同问题在于，地图采集成本相对比较高，但是现在大家的竞争又比较激烈。我们怎么样去降低地图采集成本，才能更好地推动行业的发展。

第二方面，地图数据现在的覆盖度有时候是赶不上企业拓展速度的。原来大家对于无人驾驶，是在一个区域去做相应的一些试点，但随着科技的发展，我们后续会有跨城的无人驾驶的需求场景，在我们不断往前跑的过程中，需要我们的车在全国的范围内都能够走。但要让无人车在全国范围内跑起来，是需要有底层数据的支持。这一点上，我们数据本身很多是跟不上业务拓展速度的。

第三方面，对于高精地图来说，大家面临同样的问题是它的更新很难，很多时候需要很高的成本才能保证相应的更新频率，这也导致数据“鲜度”难以保障。

对无人驾驶来说，车辆往往受限于某些区域，某些区域能走，某些区域不能走。在运营的过程中，我们发现某些不能运营的区域，仅靠普通路线很难规划出一条无人车真正能走的路。如何让运营更加合理，是我们地图规划路线时不太好解决的一个问题。

综上所述，我们一直在思考，现在的低速无人车需要具备什么样的地图能力？经过我们这么多年跟行业客户的交流，百度现在也是行业首家推出支持快速开城泛化的低速无人车解决方案。这套方案是希望能够让我们的无人车做到全国都能跑，而且开得更加安全。这套方案目前已与新石器、白犀牛等企业达成合作，已经把这套数据以及方案在他们的车上进行了落地。这套数据其实是我们从L2级别到L4级别已经有量产车落地的一套数据，在L2级主机厂合作方面，我们合作的零跑等车型，用的都是百度的数据和合作方案。

我们作为行业首家开放车道级地图数据、实现禁限行区域规避的图商。大家都在提供地图，但是提供地图本身最大的差异在哪里？是否有合作企业共同实现量产落地、有没有车真正地实现了运营？在这上面，我们是行业内唯一一家和无人车行业头部企业，比如说新石器，一起跑通、支持到规模化运营的图商。

我们的产品现在主要是具备下面的四个特点。

一是全覆盖。我们的覆盖是比较全的，针对车辆无法在全国任意地点开启驾驶自动化的痛点，我们实现了全国1300万公里行驶范围的数据覆盖。无论车辆到达哪个城市、业务覆盖到哪个城市，都可以快速拓城。

二是鲜度高。像百度地图C端也在用我们LD的数据以及我们的产品，依托C端的反馈和更新机制，会让我们的数据鲜度变得更好。

三是快交付。我们的交付更加成熟，支持全国范围的限速数据交付，可以让企业适配，快速上车应用。

四是更可控。我们的产品更加可控，因为考虑到无人车实际无法行驶、无法进入的区域，这套方案能让低速无人车在行驶过程中相对更加可控。

以下为大家做一个相对细致的介绍。一是覆盖度方面。全国全域1300万公里可行驶道路的覆盖，大家打开百度地图C端，只要是百度地图APP所能到达的地方都可以做到覆盖。覆盖的类型很多，比如说非规则的车道、复杂的路口、复杂的立交桥等等，都是由LD数据覆盖的。

二是鲜度本身也是非常高的。百度的LD采用从L2辅助驾驶到L4自动驾驶一体化采集车的高鲜度、高质量数据，作为全域数据的基座。不同图商所带来的区别在哪？有一些图商只做L4级别的数据，但在更新的时候并没有考虑到从辅助驾驶到L4级别的数据本身是否是一体化的，有没有进行很好的融合。

我们百度的这套数据，从L2实际车上用的，包括APP端在用的，到L4整体的数据，都做到了一体化的更新。所有地图C端更新的数据，包括在L2车辆上使用到的数据，对于自动驾驶车辆这部分的数据都是有用的，都是能够快速更新和发布的，也能够去做一些干预，对应数据的可靠度也会更好。

三是交付方面能够做到全国去更新交付的。传统高精地图主要覆盖高速、封闭道路场景，包括一些商用车、乘用车的场景，部分场景还需要用高精去做。百度车道级的数据可以覆盖到全国所有的城市，在安全度方面，全国全域都能开，我们已经有量产的车型在路上跑，数据的安全度都是可以保证的，在鲜度、成本上，相对于高精数据也是大幅下降的。

包括一些要素，车道的分界线、主辅路的属性，包括一些数据要素，中心线、虚拟线等等。虽然给大家提供的是LD数据，但在高精地图场景下，或者无人车场景下核心要用到的数据类型还是做了保留，这样能够保证无人车辆更好地使用我们的数据。在交付场景，像一些比较关键的场景，十字路口等等，会保留车道的转向、核心的连通关系，这些核心数据我们都做了保留，能够保证我们的自动驾驶车辆在一些核心路段正确行驶。

我们还提供了一些末端要素，比如小路、园区、小区、医院等属性场景，这些场景本身也是针对我们的自动驾驶车辆经常会去的场景，我们都有相应的数据覆盖。

除此之外，我们还有两个核心的应用，一个是经验图层，一个是实时图层。经验图层基于车辆实时行驶的轨迹和限速信息，可以给出一个比较合理的经验限速，让自动驾驶的车按照经验限速去实时行驶；红绿灯图层可以根据交通状况、路线和交通信息，保障驾驶安全。

在可控方面，我们也是行业首家提供无人车场景自定义禁行区的图商。因为每一个无人车的企业在交付过程中，发现大家最头疼的是不同区域的限行规则，北京、上海也好，都有自己的限行区域，但在不同的限行区域下，车辆很难规划出一条实际无人车能走的路。今天某个时段某个路段被限行了，这个车就不能走了。一旦开通，这个车又要走，规则不断变化，就需要不断地调节这些规则。我们的平台支持企业自定义禁行区，把规则录入到平台上，在不同的时间段可以规划出无人车实际行驶的路线，更好地帮助无人车进行实际的运营。

包括在导航过程中，针对道路上的一些场景可以进行相应区域的规避。还有我们的指定路线导航，除了上面的规避以外，在清扫车等经常行驶的路段，无人车场景下，有的时候经常走的一条路线，可以把它变成指定路线，我们也支持按照企业指定的路线进行行驶，这样一方面解决了原来导航默认规划路线可能不符合运营需求的问题，另一方面也可以满足运营场景下大家对于指定道路的要求。