Akademisyen Liu Jingnan: Yüksek Hassasiyetli Yol Navigasyon Haritalarında İlerleme ve Düşünceler
Editörün Notu: Yüksek hassasiyetli yol navigasyon haritası, yolun gerçek durumunu daha doğru bir şekilde yansıtabilen daha zengin ve daha ayrıntılı yol bilgilerine sahiptir. Geleneksel haritalarla karşılaştırıldığında, daha fazla katmana, daha ayrıntılı katman içeriğine ve yeni harita yapısı bölümüne sahiptir. Kesin olarak yüksek hassasiyetli yol navigasyon haritalarının zengin bilgi içeriğinden dolayı çok miktarda veriye sahiptir ve geleneksel merkezi büyük veri işleme modu bilgi işlem ihtiyaçlarını karşılayamaz. Bu nedenle, bu makale, yüksek hassasiyetli yol navigasyon haritalarının hesaplama problemini çözmek için bir "kitle kaynaklı + uç hesaplama" büyük veri işleme modu önermektedir. Şu anda, yüksek hassasiyetli yol navigasyon haritaları hızlı bir gelişme durumuna girmiştir, ancak geliştirme sürecinde hala çözülmesi gereken bazı sorunlar vardır.
Bu makale, 15 Nisan 2018'de yayınlanan "Çin Mühendislik Bilimi" nden alınmıştır. Yazarlar, Çin Mühendislik Akademisi Akademisyeni, Wuhan Üniversitesi'nden Profesör Liu Jingnan, Wuhan Üniversitesi'nden Doçent Guo Chi, Zhang Hongmin ve Zuo Wenwei, Doçent Wu Hangbin ve Tongji Üniversitesi'nden Yitutong Technology'dir ( Yang Cheng, Beijing) Co., Ltd. Başkan Yardımcısı
I.Giriş
Geleneksel navigasyon haritaları, çoğunlukla günlük yaşamda coğrafi bilgileri gezinmek ve sorgulamak için kullanılır ve seyahat eden insanlar ana hizmet hedefleridir. İnsanın kendi görsel tanıma yeteneğine ve mantıksal düşünme yeteneğine dayalı olarak, birçok yol bilgisi düzenlenmiştir. İnternet çağının hızla gelişmesiyle birlikte, "İnternet +" akıllı ulaşım ve insansız sistemler gibi daha yeni konum tabanlı hizmetler ve endüstriler önerildi.
Ulusal Kalkınma ve Reform Komisyonu tarafından akıllı ulaşımın geliştirilmesini teşvik etmek için önerilen "İnternet +" rahat ulaşım uygulama planı resmi olarak yayınlandı. Bu hizmetlerin tamamı internete bağlı olarak yürütülmektedir, bu nedenle haritaların hizmet nesneleri artık sadece insan değil, yavaş yavaş makinelere geçmektedir.Bu, haritanın doğruluğu, içerik yapısı ve hesaplama modu ile ilgili yeni gereksinimleri ortaya koymaktadır.
(1) Harita doğruluğuSıradan navigasyon haritasının doğruluğu yaklaşık 5 m olup, sadece yolun konumunu ve şeklini gösterir, yolun ayrıntılı bilgilerini yansıtmaz ve aracın konumunu tam olarak bilemez.
Şekil 1 Yüksek hassasiyetli yol navigasyon haritalarının ve sıradan navigasyon haritalarının karşılaştırması
Yüksek hassasiyetli yol navigasyon haritalarının mutlak doğruluk gereksinimleri 1 metreden daha iyidir ve göreceli doğruluk 10-20 cm'ye ulaşır.Şekil 1'de gösterildiği gibi şeritler, şerit sınırları, şerit merkez çizgileri, şerit kısıtlamaları vb. Gibi çok zengin bilgiler içerir.
(2) Harita içeriği yapısıYüksek hassasiyetli yol navigasyon haritası, yolun gerçek tarzını daha gerçek bir şekilde yansıtır, bu nedenle daha fazla katman ve yol verisi içerir ve katman açıklaması daha ayrıntılıdır. Yüksek hassasiyetli yol navigasyon haritaları yalnızca daha yüksek hassasiyetli koordinatlara sahip olmakla kalmaz, aynı zamanda daha doğru yol şekillerine de sahiptir. Aynı zamanda, her şeridin eğimi, eğimi, yönü, yüksekliği ve diğer verileri de eklenir.
Ayrıca şeritler arası şerit çizgisi koşulları (kesikli çizgi, düz çizgi, tek çizgi ve çift çizgi), şerit çizgisi rengi (beyaz, sarı), yol izolasyon bölgesi, izolasyon bölgesi malzemesi, yol oku, metin içeriği ve konumu yüksek hassasiyetli yollardadır. Navigasyon haritasında ayrıntılı açıklamalar gereklidir.
(3) Hesaplama moduYüksek hassasiyetli yol navigasyon haritalarının veri hacmi, sıradan haritalara göre 10 ^ 5 kat veya daha fazladır. Şu anda, merkezi bulut bilişim ile merkezi büyük veri işleme modu talebi karşılayamamaktadır.
Nesnelerin İnterneti ve 5G iletişim teknolojilerinin hızla gelişmesiyle birlikte, bir bulut işbirliğine dayalı bilgi işlem yöntemi-uç bilgi işlem önerildi ve kitle kaynaklı görev yayınlama modeli de birden çok sektöre uygulandı. Bu nedenle, yüksek hassasiyetli yol navigasyon haritalarının büyük veri işleme modu, "kitle kaynak kullanımı + uç hesaplama" modunu benimseyebilir.
2. İlgili durum
Akıllı ulaşım ve otonom sürüş alanının hızla gelişmesiyle birlikte, mevcut sıradan navigasyon haritaları, içerik, doğruluk ve eksiksizlik açısından üst düzey uygulama gereksinimlerini karşılayamıyor. Yollar için yüksek hassasiyetli elektronik haritalar kademeli olarak önerilmekte ve geniş çapta kabul görmektedir.
Şu anda, destekli sürüş sistemleri ve otonom sürüş alanında yüksek hassasiyetli yol navigasyon haritası verilerinin kullanımı üzerine birçok çalışma bulunmaktadır. Örneğin, yüksek hassasiyetli yol navigasyon haritalarına dayalı bilgi davranışı ve araç konumlandırma üzerine araştırma, destekli sürüş ve otomatik sürüş sistemlerinde yüksek hassasiyetli yol navigasyon haritası bilgilerini kullanın ve otomatik sürüş şeridi yörünge rehberlik yöntemleri üzerine araştırma yapın.
GPS-RTK donanımlı toplama araçları aracılığıyla belirli rotalar boyunca veri toplamak; yol bilgilerini çıkarmak için lidar ve geniş açılı kameraların bir kombinasyonunu kullanmak ve ayrıca yüksek hassasiyetli küresel uydu navigasyonu kullanmak gibi yüksek hassasiyetli yol navigasyon haritalarının oluşturulmasına ilişkin birçok araştırma yöntemi vardır. Sistem (GNSS) 10 cm hassasiyete ulaşabilir, ancak bu edinme şeması pahalıdır; bazı araştırmacılar, küresel konumlandırma sistemi + atalet navigasyon sistemi (GPS / INS) aracılığıyla sıkı bir şekilde bağlanan şerit düzeyinde bir harita oluşturmak için düşük maliyetli sensörleri kullanma yöntemini önerdiler. Konumlandırma, ortofoto haritadan ilgili harita bilgilerini edinin.
Şu anda, yüksek hassasiyetli elektronik haritaların ölçüm, haritalama ve üretimi ile uğraşan birimlerin sayısı giderek artmıştır. Google ve Daimler'in sürücüsüz araçlarının geliştirme sürecinde, yüksek hassasiyetli elektronik haritalar, geliştirmenin önemli bir parçası. 2015 yılında Audi, BMW ve Daimler, yüksek hassasiyetli yol navigasyon haritalarının geliştirilmesine hazırlanmak için Nokia Here haritasını satın almak için 3,1 milyar ABD doları harcamak üzere güçlerini birleştirdi.
2015'te, yüksek hassasiyetli yol navigasyon haritaları belirli senaryolara uygulandı. 2011'de BMW'nin 3 Serisi Palet Eğitmeni ve 2014 Audi RS7, yüksek hassasiyetli yol navigasyon haritası teknolojisini kullanarak Laguna Seca ve Hockenheim'daki pistleri başarıyla yürüttü.
2016'dan bu yana, birçok İnternet şirketi satın almalar yoluyla harita veri kaynaklarını elde etti ve ardından Google, Uber, Baidu ve Ali gibi yüksek hassasiyetli yol navigasyon haritaları oluşturmak için kendi algoritmalarını ve bulut bilişim yeteneklerini birleştirdi. Aynı zamanda, otomobil şirketleri de üçüncü taraf harita hizmetlerine güvenmeye başladı. 2017'nin başlarında Mobileye, Volkswagen, BMW ve Nissan ile bir anlaşma imzaladı.İlk, üç otomobil devine harita ürünleri sağlayacak, otomobil üreticileri ise Mobileye'ye daha fazla harita verisi sağlamaktan sorumlu olacak.
3. Talep analizi ve modelleme
Önümüzdeki 20 yıl içinde insansız sistem endüstrisinin gelişimi için "İnternet +" akıllı ulaşım uygulamasından ve tipik uygulama senaryolarından başlayarak, bu makale, Şekil 2'de gösterildiği gibi bir talep modeli oluşturmak için yüksek hassasiyetli yol navigasyon haritasını 6 katmana böler.
Şekil 2 Yüksek hassasiyetli yol navigasyon haritasının uygulama analizi
(1) "İnternet +" akıllı gezinmeKentsel çevrenin sürekli inşası ile, yol kullanımının verimliliğini artırmak ve sıkışıklığı azaltmak için birçok yeni trafik yönetimi önlemi sürekli olarak uygulanmıştır. Örneğin, birden fazla kişinin bulunduğu şeritler (HOV şeritleri), gelgit şeritleri (bkz. Şekil 3), vb.
Şekil 3 HOV şeridi ve gelgit şeridi
HOV şeridi yalnızca en az belirli sayıda yolcusu olan araçlar içindir. Gelgit şeritleri değişken şeritleri ifade eder, yani belirli bir şerit, farklı zaman dilimlerinde sürüş yönünü değiştirir. Bu yeni trafik yönetimi çözümlerinin uygulanması esas olarak şeritlerle gerçekleştirilir ve yüksek hassasiyetli yol navigasyon haritaları bu bilgileri doğru bir şekilde yansıtabilir ve insanlara akıllı navigasyon hizmetleri sağlayabilir.
(2) "İnternet +" akıllı trafik yönetimiKarayolu trafik kanunu uygulama yönetimi, özellikle kolluk kuvvetleri delillerinin toplanması ve kaza acil durumlarının ele alınmasında birçok güçlük yaşamaktadır. Yüksek hassasiyetli yol navigasyon haritaları, trafik kanunu uygulama yönetimindeki zorlukları çözmek için yeni teknik araçlar sağlayabilir.
1. Trafik polisi kolluk kuvvetleri alanı
Şerit düzeyinde ihlaller için yaptırım kanıtı toplama, karayolu kanun yaptırımı alanında zor bir sorundur. Şerit seviyesi ihlalleri, yer şeridine veya diğer hareketli hedeflere göre hareket eden bir hedefin göreceli konumunun, önceden belirlenmiş bir şeritte sürmemek gibi aynı şerit seviyesinde hareket ettiği trafik yasalarını ihlal eden davranışları ifade eder.
Veri toplama ve yerinde restorasyonun zorluğu nedeniyle, bu eylemlerin şu anda kolluk kuvvetlerinden kanıt elde etmesi zordur. Yüksek hassasiyetli yol navigasyon haritası, aracın hangi şeritte gittiğini doğru bir şekilde yansıtabilir, böylece aracın şerit düzeyinde ihlalleri olup olmadığına dair doğru kararlar verebilir ve şerit düzeyi ihlallerinin ihtiyaçlarını karşılayabilir.
2. Sigorta talepleri alanı
Otomobil sigortası tazminat talep endüstrisi, uzun süredir sigorta dolandırıcılığı ile boğuşmakta, çok fazla insan gücü ve maddi kaynak tüketmektedir. Bunun nedeni, sigorta personelinin çoğu kez yalnızca olay sonrası kanıtları inceleyebilmesi ve kazanın tüm sürecini yargılayamamasıdır. Yüksek hassasiyetli yol navigasyon haritası, zengin ve ayrıntılı şerit bilgisi içerir, böylece aracın sürüş durumunu doğru bir şekilde yansıtabilir ve harita üzerinde kazanın tüm sürecini geri yükleyebilir, bu da sigorta personelinin kazayı doğru bir şekilde değerlendirmesine yardımcı olabilir.
(3) "İnternet +" destekli sürüş / insansız sürüşİnsansız sürüş alanı, haritanın geometride daha ince bir ayrıntıya sahip olmasını ve yoldaki her şeridin ayrıntılı bilgilerini titizlikle tasvir etmesini gerektirir. Topolojik ağda, şeritler arasındaki bağlantı ilişkisinin doğru bir şekilde ifade edilmesi de gereklidir. Yüksek hassasiyetli yol navigasyon haritası, yardımlı sürüş ve otomatik sürüş için farklı seviyelerin uygulama gereksinimlerini karşılayabilen çok sayıda geometrik topoloji verisi içerir.
Ek olarak, yüksek hassasiyetli yol navigasyon haritaları da dinamik öğeler içerir. İki tür dinamik öğe vardır: Biri, esas olarak otonom sürüş alanında küresel yol planlaması için kullanılan yarı gerçek zamanlı dinamik öğelerdir; diğeri, esas olarak otomatik sürüşte kullanılan dinamik engellere atıfta bulunan gerçek zamanlı dinamik öğelerdir. Sistem yerel yol planlamasını gerçekleştirir.
4. Yüksek hassasiyetli yol navigasyon haritasının yapısı ve hesaplanması
(1) Yüksek hassasiyetli yol navigasyon haritası yapısıYol haritası, gerçek yolu yansıtır, belirli katmanlar aracılığıyla belirli bir kategoriyi gösterir ve ardından yol yüzeyini ifade etmek için katmanları üst üste getirir. Terminalde görüntülenen navigasyon haritası genellikle farklı çözünürlüklere sahip 10 veya hatta 20 görüntü katmanından oluşur.Kullanıcı yakınlaştırdığında, program yakınlaştırma düzeyine göre farklı çözünürlükteki döşeme resimlerini seçer (varlığı simüle etmek için bir ızgara kullanarak) , Tam bir haritaya eklenmiştir. Aynısı yüksek hassasiyetli yol navigasyon haritaları için de geçerlidir, ancak sıradan elektronik haritalar temelinde daha fazla katman içerir ve her katmanın tasviri daha ayrıntılıdır.
Şekil 4 Harita yapısının içerik bölümünün şematik diyagramı
Yüksek hassasiyetli yol navigasyon haritası, yol ağı verileri, şerit ağı verileri, güvenlik yardımcı verileri ve karayolu trafik tesisi verileri olmak üzere dört bölümden oluşur. Bu dört tip veriden oluşan harita yapısının içeriği haritanın doğruluğuna göre değişmektedir.Temel yapı bölümü ve görüntü içerik örnekleri Şekil 4'te gösterilmiştir.
Şekil 5 Yüksek hassasiyetli yol navigasyon haritası yol ağının şematik diyagramı
Yol ağı, esas olarak yolun geometrik biçimini, ifade ile yol olanakları arasındaki ilişkiyi tanımlamak için kullanılan bir yol referans hattı ağından oluşur. Şekil 5'te gösterildiği gibi, yüksek hassasiyetli yol navigasyon haritasının yol ağı şematik diyagramı, yol referans çizgileri, yol referans hattı bağlantı noktaları ve kavşaklar gibi katmanları içerir.
Şekil 6 Yüksek hassasiyetli yol navigasyon haritasının şerit ağının şematik diyagramı
Şerit ağı, yol ağındaki her bir bağımsız şeridin ilgili özelliklerini kaydeder ve şerit düzeyinde yol gösterimi, konumlandırma, yol planlama ve sürüş stratejisi yardımı için kullanılır. Şekil 6'da gösterildiği gibi, şerit düzeyindeki yollar, şerit düzeyinde yol bağlantı noktaları ve şerit düzeyindeki yol şekli noktaları gibi katmanları içerir.
Güvenlik yardımcı verileri ve karayolu trafik tesisi verileri, şerit güvenlik verilerini ve şerit üzerindeki diğer trafik olanaklarını tanımlar ve eğrilik, yön, dikey ve yatay eğim vb. Gibi şerit düzeyinde konumlandırma ve gösterime yardımcı olmak için kullanılır.
Karayolu trafik tesisi verileri, trafik işaretleri, yol kenarı tesisleri ve sabit özellikler gibi bilgileri içerir.
(2) Hesaplama moduYüksek hassasiyetli yol navigasyon haritası daha zengin yol bilgilerini gösterir ve daha fazla ayrıntı içerir, bu nedenle veri hacmi de daha büyüktür. Geleneksel navigasyon elektronik haritalarının kilometre başına veri hacmi yaklaşık 1KB iken, yüksek hassasiyetli yol navigasyon haritalarının kilometre başına veri hacmi, geleneksel navigasyon haritalarının 10 ^ 5 katı olan yaklaşık 100 MB'dir. Dahası, yüksek hassasiyetli yol navigasyon haritalarında veri türleri karmaşık ve çeşitlidir, veri miktarı keskin bir şekilde artar ve veri işlemenin gerçek zamanlı gereksinimleri yüksektir.
Bu nedenle, çekirdek artık yüksek hassasiyetli yol navigasyon haritalarının veri hesaplama gereksinimlerini karşılayamadığı için bulut bilişim modeline sahip mevcut merkezi büyük veri işleme yöntemi ve yeni bir hesaplama modelinin oluşturulması gerekiyor. Bu makale, yüksek hassasiyetli bir yol navigasyon haritası hesaplama modu olarak bir "kitle kaynak kullanımı + kenar hesaplama" modeli önermektedir.
Yüksek hassasiyetli yol seyrüsefer haritaları için veri toplama görevi çok zordur Her yolda çalışan arabaların toplanması ve ardından veri çiziminin yüklenmesi gerekir. Birincisi, çok zaman alır; ikincisi, yoldaki bazı bilgiler değişecektir.Yüksek hassasiyetli yol navigasyon haritalarının periyodik veri güncellemelerini tutması gerekir.Yine çok fazla bilgi toplamak tekrarlanır ve daha fazla kaynak tüketir.
Yazar, kitle kaynak kullanımının bu sorunları çözmek için kullanılabileceğine inanmaktadır.Yüksek hassasiyetli yol navigasyon haritalarının kullanıcıları da haritacı olabilir. Kitle kaynak kullanımı yoluyla, veri toplama ekipmanı, sürüş sırasında haritayı kullanırken verileri toplayan ve elde edilen verileri yükleyen yüksek hassasiyetli bir yol navigasyon haritası kullanan bir araca monte edilir. Bu yaklaşım, yapılarını ve yeni trafik modellerini yansıtmak için haftada bir güncellenmesi gereken kentsel sokakların ihtiyaçlarını iyi bir şekilde karşılayabilir. Amerika Birleşik Devletleri'ndeki Mapper, harita verilerini elde etmek için bu yöntemi benimsemiştir.
Nesnelerin İnterneti ve 5G iletişim teknolojilerinin hızla gelişmesiyle birlikte, araştırmacılar tarafından geleneksel bulut bilişim-uç bilişimden farklı yeni bir bilgi işlem modeli önerildi. Uç bilişim, ağın ucunda bilgi işlem gerçekleştiren bir bilgi işlem modelini ifade eder. Uç hesaplamada, uçtaki aşağı akış verileri bulut hizmetlerini temsil eder ve yukarı akış verileri, yüksek hassasiyetli yol navigasyon haritası hizmetlerini temsil eder. Uç bilişimin sınırı, veri kaynağından bulut bilgi işlem merkezine atıfta bulunur. Yollar arasında keyfi bilgi işlem ve ağ kaynakları.
Bu bilgi işlem yöntemi, nesnelerin veya verilerin kaynağına yakın ağın ucundaki ağ, bilgi işlem, depolama ve uygulamaların temel yeteneklerini bütünleştiren ve çevik bağlantı, gerçek zamanlı iş, veri optimizasyonunda endüstri dijitalleşmesinin ihtiyaçlarını karşılamak için yakınlarda uç akıllı hizmetler sunan açık bir platformdur. Uygulama zekası, güvenliği ve gizlilik koruması için temel gereksinimler.
Şekil 7 Yüksek hassasiyetli yol navigasyon haritası için kenar hesaplama modelinin referans çerçevesi
Veri hacmindeki artış ve gerçek zamanlı performans talebi nedeniyle, uç hesaplamada yüksek hassasiyetli yol navigasyon haritası göz önüne alındığında, veri aktarım performansını iyileştirmek için orijinal bulut merkezi bilgi işlem görevlerinin bir kısmını ağ uç cihazlarına taşımak gerekir. Bulut bilgi işlem merkezinin bilgi işlem yükünü azaltırken gerçek zamanlı işlemeyi sağlayın. Bu makale, Şekil 7'de gösterildiği gibi, yüksek hassasiyetli bir yol navigasyon haritası kenar hesaplama modeli referans çerçevesi geliştirmektedir.
Beş, düşünüyorum
(1) Standart sistem çerçevesiŞu anda, yüksek hassasiyetli yol seyrüsefer haritalarının etüdü, haritalanması ve üretimi ile uğraşan birimlerin sayısı giderek artmaktadır, ancak her bir işletim biriminin teknik seviyesi, kullanılan ekipman, işletim yöntemi, veri işleme ve sonuç formu farklıdır. Farklı işletmeler ve kurumlar tarafından benimsenen standartlar da tutarsızdır.
Şekil 8 Yüksek hassasiyetli elektronik haritanın standart sistem çerçevesi
Bu, yüksek hassasiyetli yol seyrüsefer haritalarının yönetimi ve paylaşımına sorunlar getirdi, bu nedenle yüksek hassasiyetli yol seyrüsefer haritaları için standart sistem çerçevesinin formülasyonunu güçlendirmek acildir. Yüksek hassasiyetli elektronik harita standart sisteminin çerçevesi, yüksek hassasiyetli elektronik harita standart sistemini oluşturan temel birimdir. Dört bölümden oluşur: Şekil 8'de gösterildiği gibi harita temel standardı, bulut entegrasyon standardı, uygulama hizmeti standardı ve test ve değerlendirme standardı.
(2) Gizlilik ve güvenlikUlusal güvenlik adına, pek çok ülkede, bilgilerin toplanması ve halka açık haritaların çizilmesi konusunda, doğruluk, araştırma ve haritalama alanları, kurumları ve personeliyle ilgili birçok kısıtlama da dahil olmak üzere birçok düzenlemesi vardır. Bu nedenle, genel harita bilgisi toplama ve yüksek hassasiyetli yol navigasyon haritası veri koruma politikalarını daha da standart hale getirmek ve bilgi güvenliğini sağlamak ile yüksek hassasiyetli yol navigasyon haritası teknolojisinin geliştirilmesini teşvik etmek arasında en iyi dengeyi ve çözümü bulmak gerekir.
(3) Koordinat sisteminin açık problemiGeleneksel navigasyon haritalarının elektronik harita versiyonu incelemesi ve ofset ekleme önlemleri gibi geleneksel şifreleme yöntemleri vardır, ancak bu harita şifreleme yöntemleri ile yüksek hassasiyetli yol navigasyon haritaları arasında bir çelişki vardır. Bu nedenle, gelecekteki gelişmede, yüksek hassasiyetli yol navigasyon haritaları hakkında yenilikçi bir düşünceye sahip olmak gereklidir. Navigasyon ve konumlandırma hizmetlerinin gerçek uygulaması yereldir.Belki, konumlandırma doğruluğu ve güvenliği sorununu göreceli bir koordinat sistemi ile çözmeye çalışabilirsiniz.
(4) Verileri zamanında ve doğru bir şekilde güncelleyinGeleneksel navigasyon haritaları, ticari harita şirketleri tarafından zamanında ve doğru veri güncellemeleri nedeniyle navigasyon hizmetlerinin doğruluğunu garanti eder. Yolların / şeritlerin geometrik bilgilerine ek olarak, yüksek hassasiyetli yol navigasyon haritalarının güncelleme süreci ayrıca trafik unsurları dahil çok sayıda veri güncellemesi içerir. Dahası, yüksek hassasiyetli yol navigasyon haritasının kendisi büyük miktarda veri içerir.Veriler her seferinde orijinal toplama yöntemiyle güncellenirse, çok fazla gereksiz veriye ve yüksek maliyete neden olur. Bu nedenle, yüksek hassasiyetli yol navigasyon haritalarının gelecekteki geliştirilmesinde, kullanıcıların elinde büyük miktarda zamanında veri elde etmek için kitle kaynak yöntemlerini kullanmak daha uygun, ucuz ve güvenilir bir veri güncelleme yöntemidir.
Referanslar
Liu Shaoshan, Tang Jie. İlk sürücüsüz teknoloji kitabı. Pekin: Elektronik Endüstrisi Yayınevi, 2017
Tao Z, Bonnifait P, Fremont V, et al. GPS, şerit işaretlemeleri ve proprioseptif sensörler kullanarak haritalama ve yerelleştirme. Tokyo: Intelligent Robots and Systems (IROS), 2013 IEEE / RSJ Interna tional Conference on IEEE, 2013
Nedevschi S, Popescu V, Danescu R, et al. Görsel verilerin dijital harita ile hizalanması yoluyla kesişimlerde doğru ego-araç küresel yerelleştirme. Intelligent Transportation Systems, 2013,14 (2): 673687
He Yong.Yüksek çözünürlüklü haritaya dayalı GPS navigasyon yöntemi araştırması Şangay: Shanghai Jiaotong Üniversitesi (Yüksek Lisans tezi), 2015.
Suganuma J, Uozumi T. Harita eşleştirmeye dayalı otonom aracın kesin konum tahmini. IEEE Akıllı Araçlar Sempozyumu, 2011 (4): 296301
Levinson J, Montemerlo M, Thrun S. Kentsel ortamlarda haritaya dayalı hassas araç lokalizasyonu. Cambridge: MIT Press, 2007
Hao L, Nashashibi F, Toulminet G. Tek kameralı düşük maliyetli GPS ve harita verilerini birleştirerek akıllı araç için yerelleştirme Intelligent Transportation Systems, 2010 (9): 16571662
Ress C, Etemad A, Kuck D, vd. Elektronik ufuk - ADAS uygulamaları için dijital harita verileri sağlar. Madeira, 2008 (3): 4049
Şerit düzeyinde verilerin haritalanması ve navigasyon için gerçek zamanlı olarak yeniden oluşturulması için Sutarwala B Z. GIS. Riverside: Kaliforniya Üniversitesi (Yüksek Lisans tezi), 2010
Schreiber M, Knoppel C, Franke U. Laneloc: Son derece hassas haritalar kullanarak şerit işaretlemeye dayalı yerelleştirme. IEEE Xplore, 2013,36 (1): 449454
Guo H Z, Meguro J I, Kojima Y, vd. Otonom robotik arabalar için otomatik şerit seviyesinde harita oluşturma ve düşük maliyetli sensörler kullanan destek sistemleri olarak gelişmiş sürücü. Hong Kong: IEEE
Uluslararası Robotik ve Otomasyon Konferansı ICRA, 2014
Bender P, Ziegler J, Stiller C. Lanelets: Otonom sürüş için verimli harita temsili Akıllı Araçlar Sempozyumu, 2014 (3): 420425
Peng Xuan, Wang Mengyuan, Zeng Jieru, ve diğerleri. Trafik kontrol kanunu uygulama delil toplamasında yüksek hassasiyetli Beidou konumlandırma teknolojisinin uygulama araştırması Elektronik Teknoloji Uygulaması, 2017, 43 (4): 2123
Shi W S, Cao J, Zhang Q ve diğerleri. Edge computing: Vision ve zorluklar. IEEE Internet of Things Journal, 2016, 3 (5): 637646
Shi Weisong, Sun Hui, Cao Jie ve diğerleri Edge Computing: Her Şeyin İnternetinde Yeni Bir Hesaplama Modeli Bilgisayar Araştırma ve Geliştirme, 2017, 54 (5): 907924
* Düzenleme ve bitirme: Hou Shi analisti Larry Pe
