自动驾驶高精地图的信息传输模型

高精地图的“非视觉”和面向机器特性,使其与传统面向人的时空产品有明显不同,相应的描述地图主、客体及其与产品之间关系的传输模型也面临巨大变革。已有的传输模型重构了上述关系,包括新增用户个性信息及其传输,但也存在信息传递工具仍采用面向人而非机器的地图语言等不足。为此,结合自动驾驶中地图信息的传输特点,构建面向机器认知的高精地图信息传输模型,通过对已有的传输模型进行扩展:GIS语言代替地图语言,将用户个性信息整合到高精地图的用户图层中,将行动指导扩展为行动实践。研究结果表明,构建的全机器认知的高精地图信息传输模型实现了地图信息认知的主体由人到机器的扩展,适应了高精地图在感知、定位、规划、控制等传输过程中全人工智能的特性。所提出的模型一方面有助于准确把握高精地图的本质及内容结构,提升认知效果;另一方面,对驾驶服务具有重要的指导作用,包括内容选取、表达方法、系统功能框架设计等,提高传输效率。

高精地图的知识图谱表达

高精地图是自动驾驶的“传感器”,为自动驾驶提供必要的先验数据以及相应的超视距感知、校验定位、动态规划和决策控制。然而,高精地图数据供给与自动驾驶知识需求仍存在鸿沟,包括数据量大导致查询困难、数据关联弱导致语义理解和智能决策困难。知识图谱是将知识以图的结构表达出来,以描述实体及其关系,涉及实体抽取和关系抽取。为此,在高精地图数据基础上,引入知识图谱,提出高精地图知识图谱的构建方法,以架起地图数据供给与驾驶知识需求之间的桥梁,支撑高精地图数据到自动驾驶知识的转化。构建的知识图谱实例,一方面将高精地图海量数据采用图进行了二次表达,建立了类似于索引的结构;另一方面显式表达了面向自动驾驶需求的语义关系。实验结果表明,知识图谱能为高精地图的语义查询、知识推理和局部决策规划提供基础。所提出的方法能实现高精地图先验数据的语义结构化,推进高精地图由数据到信息到知识的跨越,为自动驾驶的落地贡献先验知识。