构建和更新多层道路网络高清数字地图的行为层制造技术

本文描述的是用于构建和更新多层道路网络高清数字地图（1）的行为层的方法。通过行进通过道路网络（3）的多个道路车辆（2）的传感器检测至少与静止和移动对象（4）的位置和速度有关的数据。关于检测的对象（4）的数据（5）被发送到云（6）以进行数据聚合。分析聚合数据以确定或预测针对地图（1）的不同段的检测的对象（4）的行为模式。将检测的对象（4）的确定或预测的行为模式（7）添加到地图（1）的行为层。还描述了包括此类行为层以及地理信息系统的道路网络高清地图（1），所述地理信息系统被布置成构建和更新多层道路网络高清数字地图（1）的此类行为层。

Behavior Layer of Building and Updating High Definition Digital Map of Multi-layer Road Network

【技术实现步骤摘要】
构建和更新多层道路网络高清数字地图的行为层
本公开一般地涉及用于构建和更新多层道路网络高清数字地图的行为层的方法。它还涉及包括此类行为层以及地理信息系统的道路网络高清地图，所述地理信息系统被布置成构建和更新多层道路网络高清数字地图的此类行为层。
技术介绍
快速发展的一个
是用于道路车辆的自主或半自主驾驶能力的领域。这通过引入用于感测车辆运动和周围的车载传感器以及用于控制不同的道路车辆功能（例如转向、节流和制动）的车载致动器来实现。增加的机载数据处理能力将车载传感器和致动器连接在一起，以便实现自主或半自主驾驶功能。当道路车辆以自主模式运行时（这意味着不要求驾驶员执行操纵），道路车辆通常将取决于来自多个数据源的输入来执行自主驾驶。自主道路车辆要求关于其周围环境的信息来安全驾驶。例如，自主道路车辆要求它在其内部操作的道路网络的详细描述，以谨慎地导航和规划未来的轨迹。它还必须对周围的对象进行检测和分类，并估计它们的物理特性，诸如位置、速度和加速度。为了执行此类的任务，自主道路车辆通常被提供高清地图信息和来自测量车辆的内部状态以及其周围环境两者的多个传感器的信息。自主道路车辆所要求的此类高清地图在几个重要方面与今天用于分路段导航（turn-by-turndirection）的地图不同。对于全球定位系统、基于GPS的导航，米分辨率地图可能足够好了，但是自主道路车辆需要能够告诉他们其中路缘（curb）在几厘米内的地图。高清地图是自驾道路车辆（即具有自主或半自主驾驶能力的道路车辆）的重要部件。这些地图的主要挑战不仅与地图的构建有关，而且还与随时间更新它们有关。因为这两个程序非常昂贵并且使用可能可用的有限数量的资源来完成是不可行的，所以众包（crowdsourcing）被广泛用来实现此任务。在此上下文中，车辆或其他运输系统无线地向服务器发送可承受级别的信息来作为他们从其周围的检测的概要。在服务器中收集信息，并应用适当的处理和聚合以从收集的数据中去除噪声和错误。然后，使用来自这些处理和聚合的结果来创建或更新可用的地图。通常为高清地图创建几个不同的层，其中不同级别的信息在不同层处是可用的。此类地图的焦点通常是得到对环境的物理理解，例如，多少可用的车道标记，路标位于何处等。
技术实现思路
本专利技术的目的是改进多层道路网络高清数字地图的实用性、构建和更新。这由用于构建和更新多层道路网络高清数字地图的行为层的方法来提供，该方法包括：由通过道路网络行进的多个道路车辆的传感器来检测至少与静止和移动对象的位置和速度相关的数据；将关于检测的对象的数据发送到云来进行数据聚合；分析来自所述多个道路车辆的聚合数据，以确定或预测针对地图的不同段的检测的对象的行为模式；并将检测的对象的确定或预测的行为模式添加到地图的行为层。在另一实施例中，该方法还包括使用机器学习来确定或预测针对地图的不同段的检测的对象的行为模式。在又一实施例中，该方法还包括使用来自传感器的信号的高级处理来对检测的对象的类型进行确定和分类。在又一实施例中，该方法包括在传感器信号的高级处理中使用高级机器学习和深度学习算法来对检测的对象的类型进行确定和分类。在另外的实施例中，该方法还包括使用车载（in-vehicle）系统来执行检测的移动对象的未来行为的预测，并将与此类预测有关的数据发送到云以进行数据聚合。在又一另外的实施例中，该方法还包括使用包括深度学习，生成对抗网（generativeadversarialnet）或贝叶斯学习中的至少一个的高级预测方法来执行移动对象的意图和它们可能的近期轨迹两者的预测。此外，这里设想的是道路网络高清地图，其包括根据本文描述的方法构建和更新的行为层。而且，这里设想的是地理信息系统，其被布置成使用本文描述的方法来构建和更新多层道路网络高清数字地图的行为层。上面实施例具有向多层道路网络高清数字地图提供行为层的有益效果，其可用来增强自驾车辆或高级驾驶员辅助系统关于周围环境的理解。道路和交通管理局也可以使用它来采取适当的动作，例如，以使适当的交通符号处于就位，以将行为层指示对此类动作的需要的区域中的事故风险最小化。附图说明在下文中，将仅参考附图通过示例的方式更详细地描述本文的实施例，其中：图1示意性地示出了根据示例实施例的多层道路网络高清数字地图；图2示意性地示出了根据示例实施例的用于构建和更新多层道路网络高清数字地图的行为层的方法。具体实施方式在下文中，将描述用于构建和更新多层道路网络高清数字地图1的行为层的方法的一些示例实施例。如图1中示意性地示出的，多层数字地图1可被视为具有一系列层的地图，例如，如图示的层1a至f。这些层可以例如以定义道路几何结构的底图开始，下一层可以提供地图属性（名称，转弯限制等），然后在那个的顶部上可以出现社区贡献的内容，然后我们可以例如具有'真实的道路速度'，例如诸如由IQ路线等提供。地图1的每个更高层提供更多信息并向下面的层添加更多价值。存在针对地图层的初始数据的许多源，从地方当局，国家规划和绘图机构（即军事测量）、驾驶员反馈、MapShare、卫星图像等进行变动。我们作为人类驾驶员如何观察环境的一个重要方面是通过语义，并且我们可以将几个事件推理和关联在一起。例如，在存在接近车站的电车时，接近电车站的匆忙人员通常意味着该人正急于乘坐电车。本文提议向多层道路网络高清数字地图1添加行为层，其中众包、数据分析和潜在的机器学习用来创建描述其他道路使用者通常如何在地图1的此部分中表现的级别。此信息可用来增强自驾车辆或高级驾驶员辅助系统（ADAS）关于周围环境的理解。道路和交通管理局也可以使用它来采取适当的动作，例如以使适当的交通符号处于就位，以使地图1的行为层指示对此类动作的需要的区域中的事故的风险最小化。确定道路网络3中的不规则性（例如诸如坑洼或道路施工）也可以是可能的。所提议的方法包括由行进通过道路网络（例如如图2中示意性地示出）的多个道路车辆2a-f的传感器（未示出）检测至少关于静止和移动对象4a-d的位置和速度的数据。因此，假设相应车辆2a-f被装备检测系统，例如通过其可以检测周围对象4a-d并确定其关于相应检测车辆2a-f的位置和速度的一个或多个传感器（例如，相机、激光雷达或基于雷达的传感器或这些的融合）。该方法进一步包括将关于检测的对象4a-d的虚线箭头5a-f所图示的数据发送到云6以用于数据聚合，例如，作为时空数据库。云是涉及通过网络连接访问计算机，信息技术和软件应用的术语，经常通过使用广域联网或因特网连接访问数据中心。云计算实现了消耗计算资源（例如虚拟机，存储或应用程序）用作实用程序（utility）。使用公知的无线通信技术来将根据所提议的方法的数据适当地从相应的车辆2a-f发送到云6。根据所提议的方法，分析来自所述多个道路车辆2a-f的聚合数据，以针对地图1的不同段来确定或预测检测的对象4a-d的行为模式7。最后，根据该方法的一般实施例，将检测的对象4a-d的确定或预测的行为模式7添加到地图1的行为层。可选地，该方法还包括使用机器学习来确定或预测针对地图1的不同段的检测的对象4a-d的行为模式7。在另外的实施例中，该方法包括使用来自传感器的信号的高级处理来对检测的对象4a-d的类型进行确定和分类。可能的本文档来自技高网...

【技术保护点】
1.一种用于构建和更新多层道路网络高清数字地图（1）的行为层的方法，该方法包括：通过行进通过道路网络（3）的多个道路车辆（2）的传感器检测至少与静止和移动对象（4）的位置和速度有关的数据；将关于检测的对象（4）的数据（5）发送到云（6）以进行数据聚合；分析来自所述多个道路车辆（2）的聚合数据（5），以针对地图（1）的不同段来确定或预测检测的对象（4）的行为模式（7）；和将检测的对象（4）的确定或预测的行为模式（7）添加到地图（1）的行为层。

【技术特征摘要】
2018.01.19 EP 18152440.61.一种用于构建和更新多层道路网络高清数字地图（1）的行为层的方法，该方法包括：通过行进通过道路网络（3）的多个道路车辆（2）的传感器检测至少与静止和移动对象（4）的位置和速度有关的数据；将关于检测的对象（4）的数据（5）发送到云（6）以进行数据聚合；分析来自所述多个道路车辆（2）的聚合数据（5），以针对地图（1）的不同段来确定或预测检测的对象（4）的行为模式（7）；和将检测的对象（4）的确定或预测的行为模式（7）添加到地图（1）的行为层。2.根据权利要求1所述的方法（1），其中，它还包括使用机器学习而针对所述地图（1）的不同段来确定或预测检测的对象（4）的行为模式（7）。3.根据权利要求1或2中任一项所述的方法（1），其中，它还包括使用来自传感器的信号...

【专利技术属性】
技术研发人员：N莫汉马迪哈，A莫维，P哈达，
申请(专利权)人：哲纳提公司，沃尔夫·帕森威格纳公司，
类型：发明
国别省市：瑞典,SE