iCity大数据和透视：自动驾驶汽车的高清地图挑战

工程2（2016）159研究iCity大数据-透视iCity-HD地图中的自动驾驶是汽车行业的关键挑战海科湾Seifa，*，Xiaolong Huba国际管理，慕尼黑商学院，慕尼黑80687，德国b联诚商务咨询（上海）有限公司，有限公司、中国上海201203ARt i clEINf oA b s tRAC t文章历史记录：2016年4月28日收到2016年5月31日修订2016年6月12日接受2016年6月23日在线发布关键词：自动驾驶交通基础设施iCityCar-to-X通信互联车辆高清地图本文深入探讨了未来城市自动驾驶所需的技术。科学水平从不同的角度反映出来，如车内计算和数据管理、路边基础设施和云解决方案。特别是作为自动驾驶核心技术的高清地图应用所面临的挑战。© 2016 The Bottoms.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版这是CCBY-NC-ND下的开放获取文章许可证（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍自动驾驶汽车的愿景有着悠久的历史。1925年，纽约的从那时起，自动驾驶一直是科幻小说的主题，最近，与工程科学。大型汽车制造商和其他行业的参与者现在已经宣布他们打算在未来10年内推出全自动汽车。因此，自动驾驶正在进入市场。它需要一套汽车和基础设施的高端技术，这些技术是全面连接甚至集成的。自动驾驶的关键技术是实时高清（HD）地图。这项技术涵盖了自动驾驶面临的三大挑战。所解决的第一个挑战是车辆相对于其环境以高精度定位自身的能力。第二个挑战是要解决的问题，识别和反应的事件出现在道路上超出了车载传感器的范围，在一个范围内超过200米的前方或周围的角落。的第三个挑战涉及车辆根据乘客和其他交通参与者的需要驾驶的能力[2]。到目前为止，汽车地图主要用于导航目的，以及围绕兴趣点的应用程序这些地图的分辨率对于自动驾驶来说不够精确此外，当前地图不满足实时信息的要求（即，实况地图），并且不能为自动驾驶提供足够的信息。特别是在交通密度高的城市环境中，安全、全自动驾驶的要求非常苛刻，不仅在车辆规格方面，而且在基础设施规格方面一个很好的概述欧洲在这一领域的研究进展给欧洲的道路-自动驾驶的地图智能系统[3]。这篇文章提供了对应用科学机构的研究的见解，旨在实现自动驾驶，基于未来城市的高清地图：iCity。2. 高清（HD）地图和自动驾驶全自动驾驶需要智能控制系统* 通讯作者。电子邮件地址：heiko. unity.dehttp://dx.doi.org/10.1016/J.ENG.2016.02.0102095-8099/© 2016 THE COVERORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是CC BY-NC-ND许可证下的开放获取文章（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect工程杂志主页：www.elsevier.com/locate/eng160H.G. Seif，X. Hu / Engineering 2（2016）159由高性能传感器和机器人技术组成。 对技术系统的要求显然必须反映人类驾驶汽车所需的能力。 简单地识别道路在哪里对于自动驾驶来说是不够的。机器人汽车必须具有探测和避开障碍物的能力。除了不可移动的障碍物外，道路还包含动态移动的交通参与者，例如其他汽车，特别是在城市地区，更脆弱的行人和骑自行车的人。特别是在紧急情况下，自动驾驶车辆的检测和控制系统必须具有快速的反应时间。机器人汽车需要一系列传感器技术，如声纳设备、立体摄像机、激光、雷达和车对X通信。所有这些技术都有不同的视角，每种技术都有一个专门的目的，相当于人类五种感官中的一种或多种。机器人汽车的主要图图1示出了安装在激光雷达设备上的点云图像。自动驾驶汽车LiDAR系统的重要性在于其精确度，可达100米的范围，以及360度的旋转能力。激光雷达系统每秒可读取200多万个读数，可提供有关汽车周围环境的高分辨率信息机器人汽车的第二个核心意义是全球定位系统（GPS），它允许汽车的粗略定位。这种定位是最先进的导航系统的基础，该导航系统具有3D地形显示，并使用虚拟现实建筑和实时交通信息进行渲染虽然GPS是一项先进的技术，但其精度不足以满足下一代高度自动驾驶汽车的在最好的情况下，GPS可以达到5米的精度;然而，自动驾驶需要厘米级的精度。这种对准确性的需求意味着机器人汽车需要额外的感官，这些感官必须被融合以提供汽车环境的实时高分辨率图像雷达、超声波传感器和立体摄像机是汽车周围环境的重要这种传感器数据和GPS数据的融合使汽车的位置定位除了高精度定位之外，车辆到基础设施和车辆到车辆通信还提供了进一步的信息，这些信息将周围环境的感知范围提高到1公里。通过想象数百万辆汽车作为连接的移动检测设备，信息中心收集传感器数据并将其提供给云解决方案，将激发新商业模式的创造力。出于这个原因，奥迪、宝马和戴姆勒的财团已经收购了诺基亚的分拆公司HERE。这笔交易使这些汽车制造商能够获得领先的导航软件，以驱动他们的下一代自动驾驶汽车。与竞争对手相比，这里的优势在于它拥有大量的数据，这些数据是通过比其他任何一家公司积累更多的英里数收集的。通过应用众包业务模型（将每辆汽车视为滚动测量机）来利用这一逻辑，将提高不断发展的云服务的质量，使其更加完善。除了HERE，博世、TomTom、Uber和deCarta、谷歌和苹果等公司也加入了自动驾驶的行列。同时定位与地图构建（SLAM）算法的应用是自动驾驶最有前途的策略之一。通过将车载传感器收集的实时数据与基于云的高清地图数据进行协调这允许准确确定位置和与其他道路使用者的关系。SLAM技术对计算能力提出了高要求Fig. 1. 接近十字路口的车辆的点云图像说明了Velodyne LiDAR收集的数据的复杂性[5]。和数据传输。目前，主要的瓶颈如下：• 数据收集：一小时的驾驶时间对应一个太字节的数据。• 数据处理：通过高计算能力解释1TB的收集数据需要两天时间才能得出可用的导航数据。• 数据传输：虽然目前可用的LTE（4G）允许100 Mbit·s-1的数据传输，但需要2.2 Gbit·s-1。然而，5G可实现5 Gbit·s• 延迟时间：对于实时执行，延迟必须低于10 ms，这需要车载高性能计算。这些 问题 的研究 现状表 明， 通过 原型的 自动驾 驶的 能力。Fraunhofer-Gesellschaft等新的参与者和研究机构与汽车制造商和信息技术公司合作开发解决方案，这些解决方案也考虑了新的推进概念[6]。必须将不同研究举措的进展视为有区别的新的、即将到来的科技公司的运作方式与汽车行业的一级供应商不同，考虑到原始设备制造商（OEM）随着Android或CarPlay与嵌入式系统的集成，新技术公司以敏捷灵活的方式开发自动驾驶解决方案当然，这种发展仍处于初级阶段;但是，对于向全自动化的转变因此，企业在这一领域的冒险变得越来越重要，以确保获得关键的知识和技术-诺基亚HERE案例证明。分析了迄今为止取得的进展，主要的自动驾驶计划揭示了有趣的发现。例如，谷歌并不像媒体所暗示的那样接近一个有市场的解决方案。使用一小批半机器人汽车进行数千英里的旅行远远不足以获得完全自动驾驶的数据相比之下，诺基亚HERE拥有400多辆配备LiDAR和四个广角2400万像素摄像头的汽车，并已绘制了超过300万公里的地图。开发高清地图的广告数据来自内置的陀螺仪和高端GPS。这些不同来源的数据融合是通过使用高性能计算能力的传感器数据融合来完成的。收集的数据的存储需要具有多个TB容量的高速硬盘驱动器从汽车到中央云计算机的数据到目前为止，这是最快和最安全的方法。这些数据用于渲染道路和构建高清地图。基于H.G. Seif，X.胡/工程2（2016）159-162161在这样一张高清地图上，一辆全自动驾驶的戴姆勒原型车驶过德国。当试图在机器人汽车的传感器之外预测交通中的适当行为时，自动驾驶的高清地图的必要性变得显而易见到目前为止，还没有传感器可以根据周围环境定位和确定汽车。虽然一些研究项目正在研究基于量子定位的解决方案，但它们仍处于早期阶段，第一批原型比旅行车的后备箱还大。这种量子物理技术还需要几年时间才能投入使用[7];因此，自动驾驶依赖于动态高清地图。通过将HD地图数据与地标（例如建筑物）映射作为参考位置来确保定位。汽车相对于各种地标的位置下一步是在汽车系列中集成高清映射[8]。通过数千辆汽车收集的传感器数据，可以建立具有高精度和实时信息的动态高清地图。有了这种自我学习的云服务，最新的更新可以通过4G蜂窝连接发送到所有注册的汽车。参与的汽车越多，高清地图云解决方案就越精确。第一批原型最近已经在封闭地区安装到位。宝马和奥迪已经在各种赛道上使用了高清地图，以便在自动驾驶仪上运行汽车，并取得了几个单圈记录。高清地图与车载传感器和控制系统相结合，可在极限情况下实现高性能驾驶[9]。下一个级别的自动驾驶涉及离开封闭区域，如赛道，并在公共高速公路上执行自动驾驶，其复杂性低于城市环境中的密集交通。高度自动驾驶（HAD）描述了自动驾驶车辆在高速公路上以高达130km·h-1的速度在实际交通中安全运行的能力在宝马的最新研究项目中自动驾驶汽车的终极水平是在所有可想象的环境条件下完全自动这是最大的挑战，特别是在未来的城市交通中，其道路使用者的多样性和交通密度非常复杂。到目前为止，本文主要考虑了汽车侧的运输系统。然而，为了从车外的角度解决复杂的交通状况，无论车辆是由人还是由机器控制，与周围环境的通信都是必要的。这种通信涉及其他交通参与者，以及交通标志和基于传感器的路边单元（ 图2）。车对车（V2V）通信通过防止碰撞和提供有问题的交通状况警告来帮助提高安全性。车辆到基础设施（V2 I）通信基于路边单元的基础设施，该基础设施促进车辆自组织网络（VAN）;这些是一种长期解决方案，在为自动驾驶提供关键安全应用和服务方面对智能交通系统（ITS）做出了重大贡献。虽然VANET技术正变得越来越有趣，但目前的研究还没有充分确定VANET技术在实际条件下的限制。为了确保稳定的VANCITY与无缝连接，需要在最佳可用信道上的覆盖。目前，管理相邻路边单元的重叠信号是最大的挑战之一。在一项全面的模拟研究中，Ghosh和他的研究团队[11]调查了重叠效应可以在-图二. 路边单元捕捉实时交通状况并与车辆通信。使用网络驻留时间、切换前时间和退出时间等概念进行调查在VANESTIC研究领域的第一个结果表明在连接到专用互联网区域（如工业互联网）的自动化和机器人领域，需要强大的信息和通信技术在未来的“群体智能和高度互联的iCity”场景中路边单元基础设施和车载高清地图的结合车载节点从高清地图系统的车载部分实时获取精确的位置和道路信息，并通过基于位置的路由协议将其提供给专用的交通互联网。一个高度动态和快速变化的网络拓扑结构的VANESTIC正在开发，使汽车的周围环境的准确和实时的图像有了这项技术，群体智能自动驾驶可以付诸实践[14]。对所有参与机器人汽车的采集数据进行大数据分析，可以为道路使用者以及政府机构提供额外的云服务。这类云服务的示例包括：• 机器人汽车的深度机器学习，用于交通状况下的最佳行为;• 不断完善智能交通控制系统;• 污染控制的生态路径探索者;以及• 基于监控的安全和安保解决方案[15]。因此，用于自动驾驶的云解决方案可以被视为未来交通系统基础设施的一部分，该系统将由机器人汽车、路边单元、高清地图以及用于云服务的高性能计算和存储组成（图1）。 3）。在目前的技术状态下，iCity中的智能移动解决方案没有高清地图的替代品。为了克服现有的瓶颈，需要5G传输技术、中央（基础设施后端）和非中央（车载）高性能计算以及大数据解决方案[16]。就进一步的挑战而言，未来iCities中用于自动驾驶的3D地图有两种主要方法可以获取3D高清地图的数据。第一种方法涉及智能化、高科技装备的车辆，用于高效准确的道路3D地图绘制[17]。第二种方式涉及配备类似轻型传感器（如LiDAR或立体相机）的无人机系统，为摄影测量提供了一个新的平台这允许自主快速数据采集、低误差和密集点云，以实现精确的3D地图[18]。一旦实现自动驾驶，3D高清地图将变得至关重要，特别是对于中国这样的人口密集城市。 图图4显示了未来iCity的愿景，并说明了3D地图的挑战。162H.G. Seif，X. Hu / Engineering 2（2016）159图3.第三章。与交通相关的云服务概念。图四、未来的iCity，具有新颖的3D映射挑战[19]。3. 总结自动驾驶正在成为现实。最新一代高级汽车的先进驾驶员辅助系统（ADAS）已经允许在高速公路上进行几秒钟的自动驾驶体验。这种功能是基于光学和雷达传感器，能够扫描附近的汽车环境。结果被输入到转向、加速和制动执行器，从而允许在低复杂度的情况下进行自动驾驶。这是迈向自动驾驶的第一步。当被转移到城市交通情况下，来自这些传感器的信息不足以实现完全自动驾驶。需要额外的输入，如汽车的确切位置、速度和方向，以及当前的交通状况和其他交通参与者的这种多维信息的基本参考是精确度为± 10 cm的高清地图，通过更新更广泛的汽车环境（范围约为1 km）的实时状态进行增强。因此，高清地图是汽车行业的一个关键挑战，特别是因为这个主题直到现在还没有被认为是汽车制造商的核心竞争力。本文揭示了一些背景资料的电流-报告介绍了研究的进展情况，并展望了未来的情况。遵守道德操守准则海科湾Seif和Xiaolong Hu声明他们没有利益冲突或财务冲突需要披露。引用[1] Stayton EL.无人驾驶的梦想：技术叙事和自动化汽车的形状剑桥：麻省理工学院;2015年。[2] 雷季奇·O，拉贝尔·D。用于高度自动化驾驶的位置云。在：Meyer G，BeikerS，编辑道路车辆自动化2.瑞士：Springer International Publishing; 2015。p.49-60[3] 放大图片作者：J.欧洲路线图：智能自动驾驶系统。柏林：欧洲智能系统集成技术平台，2015年。[4] Jakubiec G，Mullinix B. LiDAR技术在汽车自动巡航控制系统中的应用。会议C10，论文#3124; 2013。[5] LiDAR增强了自动驾驶汽车的脑力。中国科学院学报[Internet]. 2012年1月24日[ 引 用 于 2016 年 4 月 23 日 ] 。 可 从 ： http://eijournal.com/resourc-es/lidar-solutions-showcase/lidar-boosts-brain-power-for-self-driving-cars获得。[6] Buechel M，Frtunikj J，Becker K，Sommer S，Buckl C，Armbruster M等人，显示汽车架构新趋势的自动电动车原型。在：2015年IEEE第18届智能交通系统国际会议论文集; 2015年9月15 - 18日;西班牙拉斯帕尔马斯; 2015年。p. 1274- 9年。[7] 当GPS失败时，量子定位系统会介入。新科学2014;222（2969）：19.[8] 肯特湖HERE介绍用于高度自动化车辆测试的高清地图[互联网]。2015年7月20日 [ 引 用 于 2016 年 4 月 23 日 ] 。 可 从 以 下 网 址 获 得 ： http://360.herecom/2015/07/20/here-introduces-hd-maps-for-highly-automated-vehi-cle-testing/.[9] 西瑞湾走向摩擦极限的自动驾驶[论文]。滑铁卢：滑铁卢大学; 2015年。[10] Aeberhard M ， Rauch S， Bahram M， Tanzmeister G， Thomas J， Pilat Y等，德国高速公路自动驾驶的经验、结果和教训。IEEE Intel Transp Sy 2015;7（1）：42[11] Ghosh A，Vardhan V，Mapp G，Gemikonakli O，Loo J.在VANET系统中使用路边单元提供无处不在的通信：揭开面纱。In：Proceedings of the 13thInternational Conference on ITS Telecommunications（ITST）; 2013年11月5 -7日;芬兰坦佩雷; 2013年。p. 74比9[12] 刘军，万军，王强，邓萍，周凯，钱勇。基于位置的车载自组网路由研究综述。电子通讯系统2016;62（1）：15[13] 作者：Jiang M.工业圆桌会议：未来城市中的工业4.0技术、参加：第三届中德CAE/acatech iCity研讨会; 2014年10月29 - 31日;中国武汉;2014年。[14] Kaiwartya O，Kumar S.基于粒子群优化的车载自组织网络地理广播。在：信息系统和通信设计国际会议的会议记录; 2014年5月16 - 17日;里斯本，葡萄牙;2014年。p. 62比6[15] 放大图片作者：Kahoe B，Patil S，Abbeel P，Goldberg K.云机器人和自动化研究综述。IEEE Trans Autom Sci Eng 2015;12（2）：398−409.[16] 赛义夫·HiCity-HD地图中的自动驾驶是汽车行业的一个关键挑战。参加：第四届中德CAE/acatech iCity研讨会; 2015年9月21 - 22日;德国不来梅;2015年。[17] Moreno FA，Gonzalez-Jimenez J，Blanco JL，Esteban A.用于高效准确地绘制道路3D地图的仪表车。计算机辅助文明信息2013;28（6）：403-19.[18] O 'Neill-Dunne J.图像增强：无人机产生更清晰的图像用于绘图。2015年，《公路桥梁》[19] Presskey.com [Internet].大开曼岛：名称管理公司;c2001- 15 [2016年4月23日引用]。可从以下网址获得：http://presskey.com