3、车道模型与拓扑：车道中心线、车道边界线、车道连接关系（Link）、车道宽度与曲率

好，咱们进入正题。车道模型，说白了就是高精地图里最核心的「骨架」。你想想看，自动驾驶车在路上跑，它得知道自己该走哪条道，哪条道能拐弯，哪条道会变窄。这些信息，全藏在车道模型里。

我个人习惯把车道模型拆成三块来看：几何形状、拓扑关系、属性参数。今天咱们一个一个啃。

3.1 车道中心线：车的「导航线」

车道中心线，就是车道上那条虚拟的引导线。它不是实体的标线，而是我们人为定义的一条参考线。车控模块会盯着这条线做横向控制。

中心线的表示方式，业内主流有两种：

• 离散点序列：每隔一定距离（比如0.5米或1米）采一个点，存成(x, y, z)坐标。简单粗暴，但数据量大。
• 参数化曲线：用三次样条或贝塞尔曲线拟合。我更喜欢用三次样条，因为它在连接处能保证曲率连续，车跑起来不抖。

举个例子，OpenDRIVE格式里，中心线是用planView和elevationProfile组合描述的。代码里长这样：

<!-- OpenDRIVE 车道中心线示例 -->
<planView>
  <geometry s="0.0" x="0.0" y="0.0" hdg="0.0" length="100.0">
    <line/>
  </geometry>
  <geometry s="100.0" x="100.0" y="0.0" hdg="0.1" length="50.0">
    <spiral curvStart="0.0" curvEnd="0.02"/>
  </geometry>
</planView>

这里spiral就是缓和曲线，用来平滑过渡曲率。嗯，这个细节很多新手会忽略。

3.2 车道边界线：别压线，别越界

边界线就是车道的物理或虚拟边界。它决定了车能不能变道、能不能借道。

边界线分两种：

• 物理边界：路缘石、护栏、混凝土墙。这些是硬约束，车绝对不能碰。
• 标线边界：白实线、白虚线、双黄线。虚线可以跨越，实线不行。

我在项目中遇到过一个问题：某段路的标线因为磨损，地图里标的是实线，但实际已经模糊不清了。结果规划模块死活不让变道，车就在那堵着。后来我们加了一个「标线置信度」字段，低于阈值的按虚线处理。

3.3 车道连接关系（Link）：谁跟谁连着

车道不是孤岛。前一个车道到后一个车道怎么接？左转车道连到哪条路上？这些就是Link要干的事。

Link关系通常用「前驱-后继」模型来描述：

• 前驱（Predecessor）：当前车道从哪来
• 后继（Successor）：当前车道到哪去
• 左邻/右邻（Left/Right Neighbor）：相邻车道是谁

你想想看，如果路口有5条车道，每条车道可能对应3个不同的出口方向。那Link关系就是一张网。我习惯用邻接表来存，查询效率高。

举个例子，一个十字路口左转车道的Link配置：

车道ID: lane_3
类型: 左转专用道
前驱: lane_2 (直行车道)
后继: lane_101 (目标路段的最左侧车道)
左邻: lane_4 (直行车道)
右邻: lane_2 (直行车道)
转向类型: left_turn

这里要注意，转向类型必须和交通灯相位匹配。否则会出现「绿灯亮了但规划模块还在等」的尴尬情况。

3.4 车道宽度：不是所有车道都一样宽

车道宽度是个容易被低估的参数。你以为都是3.5米？错。高速车道、城市快速路、匝道、停车带，宽度都不一样。

道路类型	标准宽度	最小宽度	备注
高速公路	3.75m	3.5m	大型车多，需要更宽
城市主干道	3.5m	3.25m	混行路段要注意
匝道	3.0m	2.8m	弯道处要加宽
停车带	2.5m	2.0m	仅限临时停车

宽度数据怎么用？路径规划时，如果车道宽度小于车辆宽度+安全余量，那就不能通行。我见过一个案例，某辆宽体SUV在窄匝道上蹭了护栏，就是因为地图里宽度字段写错了。

3.5 曲率：弯道快慢全靠它

曲率决定了车过弯时的最大安全速度。曲率越大，弯越急，速度就得越低。

曲率的计算很简单：曲率 = 1 / 转弯半径。单位是 1/m。比如半径100米的弯，曲率就是0.01。

但实际应用中，曲率不是常数。一个弯道从直道进入，曲率从0逐渐增大到最大值，再逐渐减小到0。这就是为什么需要缓和曲线（clothoid）。

我建议在车道模型里存两个曲率值：

• 起始曲率：车道起点处的曲率
• 终止曲率：车道终点处的曲率

中间的变化，用线性插值或者样条插值算出来。这样规划模块就能提前知道「前面有个弯，该减速了」。

举个例子，一段匝道的曲率变化：

车道ID: ramp_05
长度: 200m
起始曲率: 0.001 (半径1000m，几乎直道)
终止曲率: 0.02 (半径50m，急弯)
曲率变化率: 0.000095 /m (线性变化)

有了这个数据，速度规划就能算出：在哪个位置开始刹车，刹到多少速度，过了弯心再加速。

3.6 把这些串起来：一个完整的车道模型

好了，咱们把上面这些元素拼起来，就是一个完整的车道模型了。我习惯用JSON格式来存，方便调试：

{
  "lane_id": "lane_001",
  "type": "driving",
  "center_line": [
    {"s": 0.0, "x": 0.0, "y": 0.0, "z": 0.0},
    {"s": 1.0, "x": 0.0, "y": 1.0, "z": 0.0}
  ],
  "left_boundary": {
    "type": "solid_white",
    "points": [...]
  },
  "right_boundary": {
    "type": "dashed_white",
    "points": [...]
  },
  "predecessor": "lane_000",
  "successor": "lane_002",
  "left_neighbor": null,
  "right_neighbor": "lane_003",
  "width": {
    "s_start": 0.0,
    "s_end": 100.0,
    "width_start": 3.5,
    "width_end": 3.5
  },
  "curvature": {
    "s_start": 0.0,
    "s_end": 100.0,
    "curv_start": 0.0,
    "curv_end": 0.005
  }
}

这个结构虽然简单，但足够支撑90%的路径规划场景了。剩下的10%，比如多叉路口、环形岛、潮汐车道，需要在这个基础上加一些特殊字段。

最后说一句，车道模型的质量直接决定了自动驾驶的上限。地图数据不准，算法再牛也白搭。所以，做地图的同学，请善待每一条车道线。