隨著我們向自動駕駛邁進，除了在單個車輛中使用之外，與其他道路使用者共享實時基礎設施信息和數(shù)字地圖數(shù)據(jù)將變得越來越有必要。共享數(shù)據(jù)將補充經(jīng)典地圖數(shù)據(jù)，并為駕駛員提供全面的道路網(wǎng)絡圖。

自動駕駛還需要高精度的數(shù)據(jù)，以及有關(guān)相關(guān)性和有效性的信息。傳統(tǒng)的導航系統(tǒng)——它們不是云連接的，只有在車輛進入服務時偶爾更新——無法提供這一點。

人群感應

因此，在未來，捆綁來自不同交通參與者的數(shù)據(jù)（分布式感知和映射）將變得至關(guān)重要。傳感器數(shù)據(jù)不僅會收集個別車輛，還會提供給所有道路使用者。車輛將相互通信，并與周圍環(huán)境中的其他車輛交換數(shù)據(jù)。車輛數(shù)據(jù)也將在云中存儲和評估，以在測量一段道路時進行地圖優(yōu)化等目的。許多司機已經(jīng)參與了這個間接數(shù)據(jù)收集過程，因為他們通過智能手機提供數(shù)據(jù)。這方面的一個例子是用于交通報告的交通擁堵數(shù)據(jù)。

從云中獲得的信息質(zhì)量取決于數(shù)據(jù)量。提供信息的車輛越多，對環(huán)境的映射就越精確。交通標志識別就是一個很好的例子。即使是最新的導航系統(tǒng)也沒有關(guān)于所有道路限速的信息。他們通常只提供主要道路的這些信息。他們也無法提供有關(guān)最近實施的速度限制變更的信息。前置攝像頭中的路標識別功能可以彌補這一信息鴻溝。但是，凈識別率并不理想。而在惡劣的天氣和惡劣的照明條件下，它甚至更低。

另一方面，如果數(shù)十萬輛汽車的車隊定期將其數(shù)據(jù)發(fā)送到中央云存儲庫進行評估，則凈識別率將大大提高。這被稱為“人群感知”，與任何地圖提供商的特殊測量工具相比，龐大的數(shù)據(jù)量提供了更加精確和最新的圖片。除了交通標志數(shù)據(jù)之外，混合動力和電動汽車還需要與傳輸和駕駛策略相關(guān)的路線信息，而配備主動式底盤的汽車將需要道路狀況數(shù)據(jù)，例如光滑度或結(jié)冰情況。對于所有類型的車輛，都需要有關(guān)彎道、車道和交通路線的附加信息。

地圖信息必須由元數(shù)據(jù)補充，以便車輛可以檢查數(shù)據(jù)的有效性。例如，今天的地圖不包括數(shù)據(jù)的年齡或老化模型（即，它們不提供關(guān)于如何將舊數(shù)據(jù)歸類為可靠的信息）。所有這些信息對于自動駕駛汽車都是必要的，因為地圖的不同特征以不同的速度老化。例如，車輛感應到的黑冰數(shù)據(jù)在數(shù)小時甚至數(shù)分鐘后將失效。相比之下，關(guān)于隧道的信息可能在幾年后仍然有效。

從車輛到云端

一輛裝備精良的現(xiàn)代化車輛每分鐘會產(chǎn)生數(shù) GB 的傳感器數(shù)據(jù)。由于網(wǎng)絡容量有限，并非所有這些數(shù)據(jù)都可以傳輸，因此必須減少數(shù)據(jù)量。為此，首先將傳感器數(shù)據(jù)與云中車輛的現(xiàn)有地圖數(shù)據(jù)進行比較。例如，在交通標志識別的情況下，系統(tǒng)會檢查該標志在地圖資料中是否具有相同的對應物。如果沒有，則將信息上傳到云端。

即使存在數(shù)據(jù)匹配，上傳信息以便驗證地圖材料可能仍然有意義。是否傳輸數(shù)據(jù)的決定取決于老化模型，目標是傳輸盡可能少的數(shù)據(jù)和盡可能多的必要數(shù)據(jù)。

一旦相關(guān)數(shù)據(jù)進入云存儲庫，就必須對其進行預處理、分組、排序和解釋。在預處理階段，明顯不正確的特征被丟棄。然后，對各個地圖特征的信息進行分組。?當1 0 0輛汽車提供有關(guān)特定道路標志的信息時，最初會有1 0 0個數(shù)據(jù)記錄，這些記錄將與標志的精確位置或感知的最大速度限制略有不同。然后使用數(shù)據(jù)挖掘來確定這1 0 0個數(shù)據(jù)記錄是否都與完全相同的符號相關(guān)，該符號位于何處，以及它是什么類型的符號。然后執(zhí)行計算以查看是否可以將特征分配給現(xiàn)有地圖數(shù)據(jù)。之后，系統(tǒng)解釋數(shù)據(jù)以確定標志是否是新的，以及是否必須調(diào)整老化模型。例如，可變信息路標可能會發(fā)生這種情況。

從云端到 ECU

分析完云中的信息后，必須將其傳輸回車輛。傳輸過程需要各種協(xié)議。當在相對較長的時間間隔內(nèi)進行增量更新時，使用導航數(shù)據(jù)標準（NDS） 格式。還有幾種專有格式，以及用于較短間隔更新的OpenLR 標準。

數(shù)據(jù)傳播在不同層次上進行了模塊化，以將快速變化的信息與很少更新的信息分開。這減少了數(shù)據(jù)傳輸期間的帶寬需求并簡化了更新過程。同時，它確保車載系統(tǒng)始終擁有最新的可用信息。將此信息與相關(guān)性元數(shù)據(jù)相結(jié)合還可以評估數(shù)據(jù)的可靠性。

來自云端的信息首先被集成到導航系統(tǒng)的地圖資料中。然后將其傳輸?shù)较嚓P(guān)的 ECU，以便輔助功能可以通過高級駕駛員輔助系統(tǒng)接口規(guī)范 （ ADASIS） 等協(xié)議使用它。預期駕駛系統(tǒng)，例如 Elektrobit 電子地平線解決方案，使用 ADASIS Reconstructor 接收 ADASIS Provider 發(fā)送的數(shù)據(jù)（在導航系統(tǒng)內(nèi)），然后將其正確分類到 ECU 的數(shù)據(jù)結(jié)構(gòu)中。ADASIS 協(xié)議可確保組件正確交互。

真實性和數(shù)據(jù)保護

人群感應的技術(shù)功能必須符合數(shù)據(jù)保護法規(guī)。為此，來自車輛的傳感器數(shù)據(jù)最初會被縮減和壓縮，然后通常會在傳輸?shù)皆贫酥皩ζ溥M行匿名、簽名和加密。

匿名保護了司機的隱私。匿名化后在處理過程中，需要保證同一類型的連續(xù)信息可以分配給云中的發(fā)送者。例如，如果系統(tǒng)在短時間內(nèi)多次收到“車輛靜止”消息，它必須知道該信息是與一輛還是多輛車輛有關(guān)。如果它是由幾輛車發(fā)送的，則可以假設它們處于交通擁堵狀態(tài)。車輛的身份無關(guān)緊要，不同信息類型與一輛車相關(guān)的事實也是如此。

但是，也有一些例外。例如，如果車輛發(fā)送技術(shù)缺陷信息，則需要由其制造商正確識別。因此，對于所有信息，有必要在匿名性和身份識別之間找到平衡。對數(shù)據(jù)進行簽名，以便評估和驗證其真實性和可信度。它還使用標準加密方法（例如對稱和非對稱加密）進行加密以確保安全傳輸。

自學系統(tǒng)

許多汽車制造商已經(jīng)將傳感器數(shù)據(jù)存儲在云端。但是，他們?nèi)匀辉谟行褂盟鼤r遇到問題。他們的分析往往側(cè)重于特定功能，并且是手動執(zhí)行的。未來，要收集和評估的數(shù)據(jù)將變得越來越復雜。為了發(fā)揮傳感器的潛力，有必要提高數(shù)據(jù)處理鏈的自動化程度。合適的系統(tǒng)將涵蓋從數(shù)據(jù)挖掘和評估到數(shù)據(jù)傳輸和使用的整個過程。汽車制造商將始終保留數(shù)據(jù)的所有權(quán)。

我們?nèi)蕴幱谲囕v傳感器數(shù)據(jù)使用的早期階段。中低價位汽車中駕駛員輔助功能數(shù)量的增長將導致未來幾年可分析數(shù)據(jù)量的增加。所描述的技術(shù)允許來自云的數(shù)據(jù)用于舒適和安全功能。人群感應信息將提供道路網(wǎng)絡的精確圖像，這將是自動駕駛不可或缺的基礎。

審核編輯：郭婷