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字地圖數據將變得越來越有必要。共享數據將補充經典地圖數據，并為駕駛員提供全面的道路網絡圖。

自動駕駛還需要高精度的數據，以及有關相關性和有效性的信息。傳統的導航系統——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據（分布式感知和映射）將變得至關重要。傳感器數據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，并與周圍環境中的其他車輛交換數據。車輛數據也將在云中存儲和評估，以在測量一段道路時進行地圖優化等目的。許多司機已經參與了這個間接數據收集過程，因為他們通過智能手機提供數據。這方面的一個例子是用于交通報告的交通擁堵數據。

從云中獲得的信息質量取決于數據量。提供信息的車輛越多，對環境的映射就越精確。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也沒有關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，如果數十萬輛汽車的車隊定期將其數據發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，龐大的數據量提供了更加精確和最新的圖片。除了交通標志數據之外，混合動力和電動汽車還需要與傳輸和駕駛策略相關的路線信息，而配備主動式底盤的汽車將需要道路狀況數據，例如光滑度或結冰情況。對于所有類型的車輛，都需要有關彎道、車道和交通路線的附加信息。

地圖信息必須由元數據補充，以便車輛可以檢查數據的有效性。例如，今天的地圖不包括數據的年齡或老化模型（即，它們不提供關于如何將舊數據歸類為可靠的信息）。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據在數小時甚至數分鐘后將失效。相比之下，關于隧道的信息可能在幾年后仍然有效。

從車輛到云端

一輛裝備精良的現代化車輛每分鐘會產生數 GB 的傳感器數據。由于網絡容量有限，并非所有這些數據都可以傳輸，因此必須減少數據量。為此，首先將傳感器數據與云中車輛的現有地圖數據進行比較。例如，在交通標志識別的情況下，系統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。

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

一旦相關數據進入云存儲庫，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輛汽車提供有關特定道路標志的信息時，最初會有1 0 0個數據記錄，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。然后使用數據挖掘來確定這1 0 0個數據記錄是否都與完全相同的符號相關，該符號位于何處，以及它是什么類型的符號。然后執行計算以查看是否可以將特征分配給現有地圖數據。之后，系統解釋數據以確定標志是否是新的，以及是否必須調整老化模型。例如，可變信息路標可能會發生這種情況。

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議。當在相對較長的時間間隔內進行增量更新時，使用導航數據標準（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。

數據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。這減少了數據傳輸期間的帶寬需求并簡化了更新過程。同時，它確保車載系統始終擁有最新的可用信息。將此信息與相關性元數據相結合還可以評估數據的可靠性。

來自云端的信息首先被集成到導航系統的地圖資料中。然后將其傳輸到相關的 ECU，以便輔助功能可以通過高級駕駛員輔助系統接口規范 （ ADASIS） 等協議使用它。預期駕駛系統，例如 Elektrobit 電子地平線解決方案，使用 ADASIS Reconstructor 接收 ADASIS Provider 發送的數據（在導航系統內），然后將其正確分類到 ECU 的數據結構中。ADASIS 協議可確保組件正確交互。

真實性和數據保護

人群感應的技術功能必須符合數據保護法規。為此，來自車輛的傳感器數據最初會被縮減和壓縮，然后通常會在傳輸到云端之前對其進行匿名、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信息可以分配給云中的發送者。例如，如果系統在短時間內多次收到“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。如果它是由幾輛車發送的，則可以假設它們處于交通擁堵狀態。車輛的身份無關緊要，不同信息類型與一輛車相關的事實也是如此。

但是，也有一些例外。例如，如果車輛發送技術缺陷信息，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。對數據進行簽名，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

許多汽車制造商已經將傳感器數據存儲在云端。但是，他們仍然在有效使用它時遇到問題。他們的分析往往側重于特定功能，并且是手動執行的。未來，要收集和評估的數據將變得越來越復雜。為了發揮傳感器的潛力，有必要提高數據處理鏈的自動化程度。合適的系統將涵蓋從數據挖掘和評估到數據傳輸和使用的整個過程。汽車制造商將始終保留數據的所有權。

我們仍處于車輛傳感器數據使用的早期階段。中低價位汽車中駕駛員輔助功能數量的增長將導致未來幾年可分析數據量的增加。所描述的技術允許來自云的數據用于舒適和安全功能。人群感應信息將提供道路網絡的精確圖像，這將是自動駕駛不可或缺的基礎。

審核編輯：郭婷