地图数据为自动驾驶的扩展范围

在这十年中，高度自动化驾驶是每个汽车制造商的目标。新的玩家进入市场，而传统汽车制造商逐渐完善驾驶辅助功能，直到最终完全独立于驾驶员。新人在实际汽车制造方面的经验较少，但在机器学习和与云交互方面拥有丰富的专业知识。

共同点是需要传感器数据来代替人类的感官。自动驾驶汽车需要有关其环境的信息才能正常运行。每种类型的传感器都有不同的优点和缺点。相机可以提供最好的概览，但必须实时处理图像以提供适当的环境模型。雷达可以很好地检测物体并提供适当的环境模型，但很容易被排水盖等金属物体混淆。激光雷达，一种基于激光的系统，似乎是一个很好的折衷方案，但它非常昂贵。答案是组合多个传感器以获得最可能的图片。

这些传感器随着每一代新硬件的发展而扩大范围，但它们仍然存在物理限制。他们的视线不能超过 200 米，不能环顾四周，也不能看穿山丘或其他大障碍物。因此，仅依靠传感器数据的汽车会像来自另一个城市的游客一样行驶，就好像它不知道岔道、交叉路口或弯道一样。汽车将通过其传感器驾驶，并且可能会在很晚才最终识别出正确的路径时执行机动。

额外的地图数据是避免这种情况的唯一方法。这样的数据可以被认为是一个助理拉力赛车手。它通过实现不同条件之间的平滑过渡来改善驾驶。例如，当传感器发现速度限制时，预测性主动巡航控制会急剧制动汽车，但借助地图信息，可以提前降低速度。诸如急转弯、危险斜坡或其他障碍物之类的特殊情况也是事先知道的。详细且最新的地图对于提供此信息至关重要。这样的地图包含两种信息：静态和动态。

动态内容一直在变化。此类内容包括有关事故、危险警告、交通拥堵或天气状况的数据。它需要立即报告、处理和分发。否则，它只会过时并导致错误的操作。该信息与广播中的交通新闻相关。

静态内容不会经常更改。例如坡度、曲率、车道标记或路标。这些数据可以逐步收集，处理和分发可能需要几天甚至几周的时间。这与纸质地图上的信息相关。

必须建立一个反馈回路来提供这样的地图。车辆报告潜在的地图信息，这些信息被收集并添加到地图中，然后分发回车辆。如果动态内容有用，反馈循环必须尽可能快。相比之下，静态内容在长时间后仍然有价值，因此可以在上传连接不可用时将其缓冲在车辆中。

在这两种情况下，所有参与者都识别出的对象或情况不断地反馈给反馈循环。时间戳和位置数据被添加到发送的消息中，但需要某种身份验证以避免滥用上传门户。这种身份验证允许车辆连接到云服务并防止未知发件人上传恶意消息。它通常允许消息的接收者确定发送者，并决定是否永久保留有关发送者的信息以允许进一步评估或在处理链中丢弃它以确保隐私。

上传的信息也必须经过验证，检查每条记录的准确性，并立即删除无效记录。例如：如果 GPS 信号不可用，则可能会发送大西洋 0 纬度和 0 经度的位置数据。收到此错误时很容易检测到。除了位置数据，还应小心处理时间戳，因为车辆的本地时间可能不一定正确。这可能是由于旧车辆的时间设置错误或时钟质量低，而新车辆在行驶过程中可能设置了错误的时区。由于必须立即发送动态内容，因此可以使用消息在服务器上的到达时间。当发送的时间戳不可信并且消息可能已在缓冲区中保存了未定义的时间时，这对于缓冲的静态消息可能会更棘手。幸运的是，静态内容不像动态内容那样时间紧迫，因此时间戳的精度不相关。

从所有车辆接收到的信息都收集在一个大型数据库中，动态数据应尽快分发。但是，收集有关同一项目的其他信息是非常有意义的。例如，车辆发现的溢油位置总是不准确的。这是因为汽车中的传感器和算法针对正确识别而非准确定位进行了优化。识别它是否是油本身可能是错误的。这可能是由于传感器损坏、天气条件恶劣，或者是因为算法被刺激识别出与油坑完全不同的东西。唯一的解决方案是聚合关于同一项目的多个数据点。

信息消失是影响可靠性的另一个问题。这方面的一个例子是沿路的建筑工地。它总有一天会出现，持续大概 2 周，然后再次消失。这样的建筑工地甚至可能会影响静态信息，例如车道标记、车道几何形状、速度限制等。识别建筑工地的汽车的更新值被视为异常值，或无法影响过去几年的统计平均值。因此，不会创建地图更新或不足的更新。

为了解决这个问题，必须考虑信息的年龄。更新的信息必须以比旧信息更高的概率进行评级，即使它来自不太可靠的来源。移除标志时也会出现类似的问题。该标志将不再被发现，并且没有汽车会发送有关它的信息。因此，必须执行检查以查看数据库中是否存在没有进一步确认到达的项目。最后，这些项目必须从数据库中删除。

收集和汇总的信息可以生成更详细的地图。该地图具有更全面、更准确的几何信息，例如车道、精确曲率或坡度，以及沿路的更多细节，例如斑马线、路标或交通信号灯。这些地图太大而无法每天下载，尽管移动网络每一代都在变得更快，移动数据的成本也在不断下降。因此，必须以仅包含新数据的小部分发送更新。版本管理必须考虑车辆中已经存在的所有信息，并避免重复发送这些信息。尽管如此，一般更新仍将包含不相关的信息，因为一个城市的汽车不需要知道另一个城市的交通拥堵。因此，更新归结为每个车辆在其给定位置和预期路线的非常具体的地图更新包。更新包中只会包含当前赛道和接下来可以走的小路的最新信息。

简约更新包的优点是可以更快地安装和下载。由于车辆可能随时收到更新包，因此即使在驾驶时也必须能够处理它们。必须停止、更新和重新启动地图数据库，或者必须执行实时更新。如果数据库停止，车辆将失去作为附加信息源的地图，并恢复为纯粹基于传感器的驾驶。重启后，必须再次从数据库中读取所有相关数据并与其他传感器数据同步。实时更新保证了地图的持续使用，但也带来了各种数据库同步问题，例如更新算法可能会在自动驾驶算法试图读取这些数据时更改数据库中的信息。尽管有时这可能有效，但两种算法总是有可能同时尝试访问相同的数据。发生这种情况时会传输损坏的数据集。想象一下在更新曲率时沿着曲线行驶。典型的数据库方法是锁定受影响的数据，从而在数据更新时防止读取操作。但是，当每个算法都等待另一个算法解锁所需的记录时，这可能会导致死锁。最终，必须在数据库停机时间和最新数据的可用性之间做出妥协。典型的数据库方法是锁定受影响的数据，从而在数据更新时防止读取操作。但是，当每个算法都等待另一个算法解锁所需的记录时，这可能会导致死锁。最终，必须在数据库停机时间和最新数据的可用性之间做出妥协。典型的数据库方法是锁定受影响的数据，从而在数据更新时防止读取操作。但是，当每个算法都等待另一个算法解锁所需的记录时，这可能会导致死锁。最终，必须在数据库停机时间和最新数据的可用性之间做出妥协。

当车辆中的最新数据可用时，反馈回路关闭。汽车可以利用从之前的驾驶或其他车辆收集的所有数据。这实际上是整个反馈循环中的关键点。只有有足够的参与者，它才能正常工作。静态地图数据仍由专车收集和更新。这些汽车的唯一目的是收集数据。因此，他们相应地驾驶（即缓慢、小心地多次在同一条道路上行驶）。这些汽车配备了高精度传感器并传输非常精确的信息。虽然这可以完美地创建一个基本的导航路线图，但仅仅作为自动驾驶基础的地图是不够的。这样的地图必须勾勒出建筑工地周围略微偏移的车道，并标明改变的限速。鉴于一个建筑工地可能只持续不到一个月，一辆特殊的汽车无法经常收集数据以使整个国家的地图保持最新。这意味着每一辆车和每一位司机都必须参与维护高度准确的地图，就像维基百科用户为更新世界上最大的百科全书所做的那样。

审核编辑：郭婷