自動運転車を「道路を認識」させる方法

人間の歩行と同じように、自動運転車も移動プロセスを完了するには、独立した思考と交通環境について判断し、意思決定を行う能力が必要です。先進運転支援システム技術の向上により、自動車を運転するドライバーの安全性は向上し続け、ドライバーの運転意思決定への参加度は徐々に低下し、自動運転はますます近づいています。

自動運転車は無人車としても知られ、本質的にはドライバーの支援のみで、またはドライバーの操作をまったく行わずに移動動作を完了できる高度なインテリジェントなロボットです。自動運転は主に知覚層、意思決定層、実行層を通じて実現され、自動運転車として、追加のレーダー（ミリ波レーダー、ライダー）、車載カメラ、全地球航法衛星システム（GNSS）、現実の車両を使用することができます。 -time 動的 (PTK) や慣性測定装置 (IMU) などのハードウェア デバイスが交通環境を感知し、検出された交通環境を判断します。自動運転車は、検出された交通環境に基づいて行動決定と経路計画を行い、送信することができます。自動運転車の運転を制御する実行ユニットのコマンドに信号を送ります。

自動運転車の実現は私たちが想像しているほど簡単ではありません。自動運転車を経験豊富なドライバーの運転能力に到達させたい場合は、自動運転車が「見える」ようにするためには、「明確に知る」（知覚層）、「明確に考える」（意思決定層）、「前に進む」（実行層）ことに加えて、「道路を知る」ことも必要です。高精度地図は自動運転車が「道を知る」ための魔法の武器 わかりました！

人々が見知らぬ街に到着したときに地図ナビゲーションを使用するのと同じように、自動運転車も自動運転を実現するには、どこに行くか、どのように行くか、どのように移動するかなどの問題を解決する必要があります。 。自動運転車に走行指示を与えた後、最初に行うことは道路の計画です。人間が利用するナビゲーション地図は、道路の名前や道などの情報に注目し、道路の形状、勾配、曲率、舗装、方向などのデータのみを記録します。人間はこれらの情報に基づいて必要な移動ルートを理解します。 。人間が使用するナビゲーション地図とは異なり、自動運転車用の高精度地図は、ますます完全な情報をカバーします。

高精度地図とは、センチメートルレベルに達する精度（人間が使用するナビゲーション地図の精度はメートルレベルにすぎません）であり、高精度、高次元、高濃度、より豊富な要素を提供します鮮度の高い電子地図は、見通し外の環境認識と車線レベルの最適な経路計画を提供し、自動運転車の運転中の安全性を確保します。高精度地図では、ヒューマンナビゲーションマップの情報に加え、車線の線種や車線幅などの車線属性や、頭上物、ガードレール、路端情報、路側障害物などのデータも追加されています。 . 物体（樹木、ゴミ箱、電柱など）や道路脇のランドマークなどの大量のデータ。

高精度地図は、自動運転車が「道路を認識」するために必要な支援として、大量の運転情報を含みます。その中で最も重要なのは、道路網の正確な 3 次元表現です。道路情報に加えて、信号の色、道路制限速度情報、車両の回転位置など、多くのセマンティック情報も含まれています。

高精度地図の出現と開発により、スマート交通、スマートシティ、スマート交通のレイアウトが促進されます インテリジェントネットワーク技術の発展に伴い、高精度地図の重要性はますます高まっていますL4 に到達するには、たとえ L3 レベルの自動運転車であっても、高精度地図のインストールは必須のオプションです。高精度マップは、自動運転車の走行経路を計画し、位置決め、意思決定、交通力学情報などの基礎を提供できます。さらに、高精度マップにより、自動運転車がハードウェア障害を検出することも保証できます。自動運転車のセンシングハードウェアが故障したり、周囲の環境が厳しい場合でも、自動運転車は安全に運転でき、高精度の地図は視覚範囲を超えた認識を強化し、自動運転車の計画能力を向上させることができます。

高精度地図は自動運転車にとって非常に重要であり、多くの利点があります。高精度地図は、自動運転車にアプリオリな道路情報と冗長な測位保証を提供することができ、車載センサーとは異なり、気象環境や検知距離などの影響や制限を受けず、安全性を提供することができます。自動運転車のための冗長性。高精度地図は車線境界線、道路標識、信号機などの位置情報を網羅しているため、関連情報の予測が可能となり、センシングハードウェアの検出精度や検出速度が向上します。 （右側通行の交通ルールの下で）自動運転車は、研究開発プロセスで解決するのがより困難な問題の 1 つであり、高精度地図の支援によって、どの交差点で左折できるかを自動運転車に伝えることができるということです。右折、左折待機場所、左折停止線の位置など。また、自動車のインターネットの発展の一環として、高精度地図により車両情報、信号機の状態情報、道路交通流情報などをクラウドに送信し、インテリジェントな交通の計画と配置を実現します。

高精度地図には、静的および動的な車両環境データと交通環境データを格納する必要があり、これらをすべて 1 つのレイヤーに配置すると、制作および使用に不利となるため、標準化されたレイヤーを使用する必要があります各レイヤーは環境要素または交通要素を表しており、すべてのレイヤーを重ね合わせて使用​​可能な高精度地図を形成します。この段階では、高精度地図は静的データ層と動的データ層の 2 つの層に分割でき、静的データ層は下から上に、車線モデル、道路コンポーネント、道路コンポーネントの 3 つのベクトル サブ層に再分割できます。道路属性、および道路環境フィーチャ サブレイヤー。動的データ層はインテリジェントネットワーク技術に基づいてリアルタイムで交通運行データを取得し、交通管理データは人や車両のリアルタイムの移動データを収集するため、交通運行データ層、交通管理データ層、交通管理データ層に分けることができます。下から上へのダイナミックな動きのレイヤー。

高精度地図の作成・収集は、人間が使用する航法地図とは大きく異なります。高精度地図の収集システムは「移動計測システム」となっています。自動運転シナリオに焦点を当てることは、自動運転ソリューションに不可欠な部分です。高精度地図はリアルタイムでのデータ更新の要求が非常に高いため、収集車を完全に使用して高精度地図を収集するには手間と費用がかかります。搭載カメラ、ジャイロスコープ、データストレージ、コンピューティング機器などを備えた高精度地図収集車で収集できる範囲は非常に狭く、完全に収集しようとすると莫大な費用がかかります。また、高精度地図の作成には、地図の作成、地図の修正、POI 情報の更新、インターネット ユーザーのエラー レポートの更新などが含まれ、非常に時間と労力がかかります。人件費のこと。

道路環境が異なると高精度地図の収集にかかる人件費や時間コストも異なり、例えば高速道路と都市部の道路では高精度地図の収集に大きな差が生じます。高速道路での高精度地図の収集は、高速道路や都市部の道路がよりオープンになり、シーンがより複雑になり、より多くの交通情報をカバーするようになり、自動運転機能に対するより高い要件と課題も提起されています。より重要な役割を果たすことになります。高精度マップは、複雑な交通環境を解体し、自動運転車が理解できる方法で人間の移動ルールを伝達し、複雑な移動行動を複数の小さなタスクに分割し、交通検出のための認識ハードウェアの要件を削減または最適化することができます。高精度地図には各車線の関連情報が網羅されているため、自動運転車は他車線や方向の車両の運転挙動を事前に予測することができ、交通ルールを遵守した安全な走行が可能となります。

高精度地図は、自動運転車にナビゲーションを提供するだけでなく、自動運転車の安全運転にも大きな役割を果たします。これらのシナリオでは、自動運転車は、高精度地図上の交通機器を基準点として使用し、センシング ハードウェアを組み合わせることで、高精度地図を使用して自律測位を実現でき、安全性が大幅に向上します。自動運転のこと。長期間メンテナンスが行われず、車線の境界線が欠落している交通環境では、高精度の地図により、自動運転車両が測位と支援を通じて計画された車線内を確実に走行できるようになります。濃霧や吹雪などの異常気象状況では、センシングハードウェアの検出精度はさらに低下しますが、高精度の地図はより多くの補足的な交通情報を提供できます。道路状況の変化も高精度地図の利用に必要な理由の一つであり、例えば多くの都市では交通環境を最適化するために防潮帯の設置や道路ごとの制限速度の設定が行われており、この場合のルート計画は高精度の地図を通じて事前に行われるため、自動運転車が交通ルールを遵守できるようになります。

高精度地図の開発については、現段階では統一された高精度地図プラットフォームが存在せず、各駐車場間で高精度地図情報が共有されていないなど、依然として多くの課題を抱えています。これにより、高精度地図の数が増加し、高精度地図の統一データモデルと交換フォーマットを確立することで取得コストを削減し、自動車メーカーの開発時間と無駄なコストを削減するとともに、自動車メーカーが確実に高精度地図を利用できるようにする。将来的には、複数のブランドの車両が最新のデータを継続的に共有できるようになります。

高精度地図の収集コストは比較的高く、更新も比較的遅いため、現段階では高精度地図の測量・地図データを収集するための技術的ルートは主に 2 つあります。 Google の地図測量車両に代表されるもの、もう 1 つはテスラの「フリート ラーニング ネットワーク」に代表されるもので、これは量産車両を使用して測量および地図作成タスクを「クラウドソーシング」し、フリート全体のすべてのセンサーを動員してデータを収集し、送信することに相当します。このテクノロジーは中央データベースにアップロードされ、最終的にはすべての車両が地図データの提供者および受信者となります。

道路の更新や路側設備の更新・最適化などの交通環境の変化に伴い、高精度な地図をリアルタイムに更新することは非常に困難であり、高精度な更新頻度をいかに確保するかが課題となります。高精度地図の開発において早急に検討すべき課題。

以上が自動運転車を「道路を認識」させる方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。