地理信息产业在自动驾驶革命中的机遇和挑战

2018-09-18 11:43:23    来源:腾讯研究院

摘要:自动驾驶与测绘地理信息联系密切,自动驾驶的发展对于地理信息产业的转型升级和结构调整,具有巨大的带动效应。

地理信息产业在自动驾驶革命中的机遇和挑战_地理信息产业_勘测联合网

02 地理信息产业在自动驾驶时代面临的挑战

  自动驾驶技术的发展离不开地理信息的支撑,地理信息产业在自动驾驶时代迎来前所未有机遇的同时,也面临前所未有的挑战,主要表现在以下三个方面:

  (一)自动化基础上的智能测绘挑战

  地理信息产业是天生的大数据产业。在摄影测量与遥感等测绘活动中,对道路网的提取、地物的精细分类、车牌和交通标志的识别等,早已普遍通过机器自动提取提高作业效率和准确度。

  对于自动驾驶而言,自动驾驶车辆需要通过各类传感器不间断自动采集车辆周边各类地理信息,并通过云端实时的大数据分析、处理和分发,以极高现势性和新鲜度的地理信息确保安全、高效的自动驾驶。

  在将来的完全自动驾驶时代,每一辆自动驾驶车同时也是一辆移动测量车,这种智能化的采集方式具有成本低、效率高、时效性好的优势,能够真正做到自动驾驶所需地理信息的动态实时更新。

  在自动驾驶技术演进路径中,机器学习已属主流技术,但机器学习需要大数据的驱动才能达到高性能和高可靠性。

  为实现这一目的,走“群众路线”的众包模式是自动驾驶的必由之路。目前,很多自动驾驶技术都采取众包模式,通过众多自动驾驶车获取的数据,处理形成高精地图支持自动驾驶。

  地图公司 HERE 与汽车厂商合作,每年有 700 万辆车在路上实时采集并升级高清地图。特斯拉的中央数据库每天平均增加一百万英里的驾驶数据。

  摩根士丹利的研究报告称,优步在24分钟内收集到的数据,就相当于谷歌自动驾驶车自诞生以来记录下的所有数据。正是有了这些自动化智能采集的地理信息大数据,才为机器学习提供了海量样本,使得自动驾驶车辆的感知能力越来越强大。

  (二)泛在化基础上的精准测绘挑战

  自动驾驶要求更丰富、更真实、更高精度的地理信息,因而测绘的对象更加全面,道路上的机动车、非机动车、行人及其他一切交通参与者,以及车道标志线、交通标志、信号灯等自动驾驶车辆周边的一切交通要素都要测绘。

  传统导航电子地图不用采集的比如道路的坡度、曲率、高程、侧倾等信息,车道标志线的虚线、实线、双黄线等,都是自动驾驶车决策和控制的重要信息,自动驾驶系统都必须采集,可谓“无时不测、无所不测。”

  同时,自动驾驶车辆对于位置服务的精度要求更高,所有交通参与方的位置信息都需要更加准确,方能实现更加安全的自动驾驶。

  因此,更高精度的地图和更加精准的定位导航服务,是自动驾驶的重要支撑,由此要求自动驾驶相关测绘更加泛在和精准。

  (三)网络化基础上的共享测绘挑战

  自动驾驶车辆环境感知的海量数据和决策分析、行动控制对网络的依赖程度非常高。借助信息通信技术来实现车与车、车与路、车与云端服务平台等全方位网络链接的车联网,是实现高度自动驾驶的必要前提。

  在这个意义上讲,没有车联网就没有真正意义上的自动驾驶,更不用说未来智慧交通的实现。这也是为何Google、百度等互联网巨头纷纷投身自动驾驶领域,凭借其强大的网络技术优势占得市场先机是重要原因之一。

  自动驾驶对信息共享的需求更加迫切。自动驾驶车辆需要通过网络进行车车交互,并通过云服务提供车辆远端的交通信息。

  比如一辆自动驾驶车发现前方路面发生交通事故、有井盖丢失或者路面结冰等突发信息,应该所有的车或者附近一定区域的车都立刻知道这个信息。

  同时,政府部门关于交通的临时管理措施等也应当通过网络第一时间发布,使得自动驾驶汽车第一时间对交通管制、道路施工、交通拥堵、交通事故、天气等信息做出回应,而这些信息的实时共享对于实现安全可靠的自动驾驶至关重要。

声明:中国勘测联合网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。