自动驾驶汽车的剖析：GIS真的在自动驾驶汽车的引擎盖下吗？

GIS将在无人驾驶汽车世界中蓬勃发展吗？

无人驾驶汽车通过叠加数百万个传感器返回（每秒约27,000个光点），将其收集到极其精确的3D地图中，从而看到了世界。

汽车进行的每一次运动，都会基于该点云数据在地理空间中的位置进行计算。

GIS技术集成到无人驾驶汽车新领域的潜力是什么？

反之亦然，无人驾驶汽车世界将使GIS受益吗？

使用LiDAR和SLAM感知环境

首先，让我们了解无人驾驶汽车的大脑。对于汽车进行的每个运动，它都使用LiDAR，雷达，摄像机和位置估计器，可连续360°扫描。结合SLAM（同步定位和地图绘制），汽车可根据传感器输入实时定位周围环境，从而对其自身进行定位。这种观点远胜于人类所见。

即使人类可以轻松感知周围的环境，但对于计算机而言，这是一个极其艰巨的挑战。例如，人类可以识别行人，交通信号灯和人行横道。而且，人类可以通过简单的手势来预测骑自行车的人和警察的运动。

这就是为什么无人驾驶汽车使用安装在车辆上的360°LiDAR传感器的原因，从而可以全方位了解周围环境。随着点云数据不断输入机器学习（ML）算法，无人驾驶汽车开始理解嘈杂的数据。这是车辆的底层大脑，可以从道路上提取特征。

取决于训练神经网络的标签，这决定了它在道路上检测物体的成功程度。从本质上讲，在各种情况下进行的训练越多，识别来自野生动物的行人的能力就越强。

精确的几何高清道路网络地图

日益增长的趋势是，由于无人驾驶汽车的不可靠性，其将仅使用GPS为其提供粗略的位置。例如，由于其设计原理，Google的自动驾驶汽车（Waymo）不能依赖GPS。

那么，无人驾驶汽车能否在没有外部信息的情况下仅依靠传感器数据运行？换句话说，它是否需要预加载的3D地图才能完全起作用？

有很多理由认为，出于安全考虑，自动驾驶汽车需要精确的地图。例如，如果大雪或雨水覆盖了车道标记，则车辆需要路缘和车道尺寸作为依托。

实际上，像HERE Maps和TomTom这样的公司已经开始建立高清（HD）地图，以描绘可行驶区域的车道标记。反过来，无人驾驶汽车会使用它来精确地知道它们的位置和方向。

任何情况下的动态路线

如果无人驾驶汽车要从A点行驶到B点，则需要满足以下三点要求：

• 现有道路网络限制了他们的行进路线。
• 其中的准确地理编码地址可以知道它们的去向。
• 强大的路由算法可将您从A带到B。

出于导航目的，汽车必须计算时间最佳或最短路径。当道路情况发生变化时，他们需要动态计算辅助路径。

他们需要地图形式的操作环境以与传感器输入进行交互。毕竟，这是在后台运行的GIS，用于确定最佳路径。但是有时最佳路线并不总是最短，是流量最少的那个。

避免交通拥堵并遵守道路规则

随着数百万用户与 Waze 连接，在不知不觉中为社会带来重要利益。也就是说，它们绘制了道路网络、转弯限制和交通堵塞图。

与以往不同的是，像HERE maps和Waze这样的公司通过众包 了解城市的交通拥堵情况。通过将GPS导航系统添加到位置数据中，我们每天的通勤都可以在一张地图上进行，从而避免了交通延误。

随着时间的推移，GIS 可以通过了解历史流量模式和实时流量数据来优化路线。对于任何给定的一天，它可以预测估计的流量时间，并改善整体驾驶员体验。

借助物联网（IoT）打造更智慧的城市

随着无人驾驶汽车开始在道路上巡逻，我们基本上拥有不断建立地形图的测量设备。它们非常详细地捕获了路边的物体，建筑物和城市景观。智慧城市首先需要的是对自己拥有的一切进行清点。因为我们可以获得准确的城市资产清单，所以这是改善基础设施协调的第一步。

随着越来越多的车辆在道路上行驶，这意味着它变得更加互联和高效。现在，进入了物联网（IoT）领域。仅凭一种车辆的感觉，它总是会被动的。我们无法进行任何形式的预先计划。但是，车辆的互联网络在遇到网络障碍之前是积极主动的。

例如，物联网将了解交通拥堵发生的位置。这不仅将中继到您的车辆，而且城市规划人员也将获得有关改善基础设施的信息。另外，它将地理围栏纳入您的日常工作中。无论是用于安全性，零售性还是交付性，地理围栏都能提供实时警报并提高知名度。

GIS真的在自动驾驶汽车的引擎盖下吗？

如今，人们依靠地图将其带到目的地。由于其固有的空间特性，自动驾驶汽车也将如此。

但是他们将扫描其环境并将其覆盖在预先存在的地图中，以确定要去的地方。

尽管SLAM技术取得了进步，但目前的困境是获得精确的准确性并维护更新的地图。

由于无人驾驶汽车需要无误的地图，并且要以绝对的空间精度不断更新，因此我们无法将其预加载的地图与它们捕获的外界分离。