用于在带宽受约束的网络中更新自主驾驶系统中的地图的设备和方法与流程

1.本公开的各方面总体上涉及自主驾驶系统。具体而言，本公开的各方面涉及用于生成和更新用于在自主驾驶中使用的地图的机制。


背景技术：

2.自主驾驶利用可靠的驾驶控制和安全性系统，该驾驶控制和安全性系统处理在交通工具处采集的数据。使用在交通工具处采集的数据(该数据可包括关于交通工具的环境的数据或关于交通工具自身的数据)，交通工具可更改其移动，修改其相对于外部要素的定位，和/或对新近检测到的事件进行响应。另外，自主交通工具可被配置成与其他设备(诸如，其他交通工具、网络基础设施元件、无线设备等)通信，以辅助移动性控制，提供更快的信息处理，并且一般而言，传输信息以便改善整体系统性能。
3.实现高效且准确的自主驾驶系统的关键特征中的一个关键特征是提供和更新高清晰度(hd)地图的能力。这些hd地图可包括交通工具为了安全地导航通过它们的环境而必须计入并对其进行响应的特征。hd地图可包括静态层和动态层，静态层提供随时间在很大程度上保持不变的特征(例如，道路、建筑物等)，动态层提供基本上是更加依赖于时间的、并且必须实时地更新的特征(例如，交通状况、交通工具事故、可移动障碍、与天气有关的状况、建筑工地等)。相应地，自主驾驶系统可能在很大程度上依赖于以网络友好的方式实时地(或尽可能接近实时地)提供对交通工具的环境的准确描绘的地图。
附图说明
4.在附图中，贯穿不同的视图，相同的附图标记一般指代相同部分。这些附图不一定是按比例的，而是一般着重于说明本公开的原理。在下列描述中，参照下列附图描述本公开的各个方面，在附图中：图1示出根据本公开的各个方面的示例性自主交通工具。图2示出根据本公开的各个方面的交通工具的安全性系统的各种示例性电子组件。图3示出根据一些方面的示例性网络区域。图4示出根据一些方面的多个交通工具(即，代理)的示例性区域和特征报告。图5示出根据一些方面的、图示出可如何对特征不同地进行优先级排定的示例性表示。图6
‑
图7示出根据一些方面的、图示出用于认证和特征验证的协议的示例性消息序列图(msc)。图8示出根据一些方面的、详述用于交通工具传递其观察到的、与其环境有关的特征以辅助建立用于在交通工具导航控制中使用的地图的方法的示例性流程图。图9示出根据一些方面的设备的示例性内部配置。
图10示出根据一些方面的示例性道路环境场景。图11示出根据一些方面的示例性八叉树图示。图12
‑
图14示出根据一些方面的示例性msc。图15示出根据一些方面的示例性基于集群的网络。图16
‑
图18示出根据一些方面的示例性流程图。图19示出根据一些方面的设备的示例性内部配置。
具体实施方式
5.自主驾驶系统依赖于包括与交通工具的环境有关的特征的地图的准确性，以使得交通工具可以安全地对其周围区域进行响应和/或导航通过其周围区域。本公开在本文中提供实现用于在将网络资源(诸如，可用的时频资源，如带宽)考虑在内的同时、传递观察到的与交通工具的环境有关的特征以更新这些地图以便给交通工具提供其周围环境的准确且“实时”的地图的机制的方法和设备。
6.以下详细描述中对附图进行参考，附图通过图示方式示出了可在其中实施本公开的示例性细节和方面。
7.在本文中使用词语“示例性”以意指“用作示例、实例、或说明”。本文中被描述为“示例性”的任何方面或设计不必被解释为相比其他方面或设计是优选或有利的。
8.贯穿附图，应注意，除非另有说明，否则类似的附图标记用于描绘相同或相似的要素、特征和结构。
9.术语“至少一个”和“一个或多个”可被理解为包括大于或等于一的数量(例如，一个、两个、三个、四个、[...]等)。术语“多个(a plurality)”可被理解为包括大于或等于二的数量(例如，两个、三个、四个、五个、[...]等)。
[0010]
说明书和权利要求书中的词语“复数个(plural)”和“多个(multiple)”明确地指代大于一的量。因此，任何明确地援引上述词语来指代某个数量的要素的短语(例如，“复数个[要素]”、“多个[要素]”)明确地指代多于一个的所述要素。说明书中和权利要求书中的短语“(
……
的)组”、“(
……
的)集”、“(
……
的)集合”、“(
……
的)系列”、“(
……
的)序列”、“(
……
的)分组”等(如果存在)指代等于或大于一的量，即一个或多个。短语“适当的子集”、“减小的子集”、和“较小的子集”指代集合的不等于该集合的子集，说明性地，指代集合的包含比该集合少的元素的子集。
[0011]
关于一组要素的短语
“……
中的至少一个”在本文中可用于意指来自包括这些要素的组的至少一个要素。例如，关于一组要素的短语
“……
中的至少一个”在本文中可用于意指以下各项中的选择：所列要素中的一个、多个所列要素中的一个要素、多个个体所列要素、或多个个体所列要素中的多个。
[0012]
如本文中所使用的术语“数据”可被理解为包括采用任何合适的模拟或数字形式的信息，例如，作为文件、文件的部分、文件集合、信号或流、信号或流的部分、信号或流的集合等等来提供的信息。进一步地，术语“数据”还可用于意指对信息的例如以指针的形式的引用。然而，术语“数据”不限于上述示例，并且可采取各种形式并表示如本领域中理解的任何信息。
[0013]
例如，如本文中所使用的术语“处理器”或“控制器”可被理解为允许处置数据的任
何种类的技术实体。可根据由处理器或控制器执行的一个或多个特定功能来处置数据。进一步地，如本文中所使用的处理器或控制器可被理解为任何种类的电路(例如，任何种类的模拟或数字电路)，并且还可被称为“处理电路”、“处理电路系统”等等。处理器或控制器因此可以是或可包括模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、集成电路、专用集成电路(asic)等，或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实现方式也可被理解为处理器、控制器或逻辑电路。应理解，本文中详述的处理器、控制器或逻辑电路中的任何两个(或更多个)可被实现为具有等效功能的单个实体等等，并且相反地，本文中详述的任何单个处理器、控制器或逻辑电路可被实现为具有等效功能的两个(或更多个)分开的实体等等。
[0014]
如本文中所使用，“存储器”被理解为数据或信息可以被存储在其中以供检取的计算机可读介质。对本文中所包括的“存储器”的引用可因此被理解为是指易失性或非易失性存储器，包括随机存取存储器(ram)、只读存储器(rom)、闪存、固态存储、磁带、硬盘驱动器、光驱等等、或其任何组合。在本文中，寄存器、移位寄存器、处理器寄存器、数据缓冲器等等也可由术语存储器包含。术语“软件”是指任何类型的可执行指令，包括固件。
[0015]
除非明确地指定，否则术语“发射”涵盖直接(点对点)和间接(经由一个或多个中间点)的发射两者。类似地，术语“接收”涵盖直接和间接的接收两者。此外，术语“发射”、“接收”、“传递”和其他类似术语涵盖物理传输(例如，对无线电信号的传输)和逻辑传输(例如，通过逻辑软件级连接对数字数据的传输)两者。例如，处理器或控制器可通过与另一处理器或控制器的软件级连接以无线电信号的形式对数据进行发射或接收，其中，物理发射和接收由诸如rf收发机和天线之类的无线电层组件处置，并且通过软件级连接的逻辑发射和接收由处理器或控制器执行。术语“传递”涵盖传送和接收中的一者或两者，即，在传入方向和传出方向中的一个或这两个方向上的单向或双向传输。术语“计算”涵盖经由数学表达式/公式/关系进行的
‘
直接’计算和经由查找表或散列表以及其他数组索引或搜索操作进行的
‘
间接’计算两者。
[0016]
可以将“交通工具”理解为包括任何类型的被驾驶或可驾驶的对象。作为示例，交通工具可以是具有内燃机、反作用式引擎、电驱动对象、混合驱动对象或其组合的被驾驶对象。交通工具可以是或者可以包括汽车、公共汽车、小型公共汽车、货车、卡车、房车、车辆拖车、摩托车、自行车、三轮车、火车机车、火车车厢、移动机器人、个人运输机、船只、船、潜水器、潜艇、无人机、飞机、火箭等等。
[0017]“地面交通工具”可理解为包括任何类型的交通工具，如上文所述，其被配置成用于在地面上(例如，在街道上、在道路上、在轨道上、在一条或多条轨道上、越野等)穿行或被驾驶。“空中交通工具”可被理解为如上文所述的能够在任何持续时间内在地面上方被操纵的任何类型的交通工具，例如无人机。相应地，类似于具有用于在地面上提供移动性的轮、带等的地面交通工具，“空中交通工具”可具有一个或多个螺旋桨、机翼、风扇等等，以用于提供在空中操纵的能力。“水域交通工具”可被理解为如上文所述的能够在液体表面上或液体表面下方被操纵的任何类型的交通工具，例如，水面上的船只或水面下方的潜水艇。要领会，一些交通工具可被配置成用于作为地面交通工具、空中交通工具和/或水域交通工具中的一者或多者来进行操作。
[0018]
术语“自主交通工具”可描述能够在不具有驾驶员输入的情况下实现至少一种导航改变的交通工具。导航改变可描述或包括交通工具的转向、制动、或加速/减速中的一种或多种的改变。即使在交通工具不是完全自动(例如，在有驾驶员输入或无驾驶员输入的情况下完全操作)的情况下，也可以将交通工具描述为自主的。自主交通工具可以包括可以在某些时间段内在驾驶员控制下操作并且在其他时间段内无需驾驶员控制而操作的那些交通工具。自主交通工具还可包括仅控制交通工具导航的一些方面的交通工具，交通工具导航的一些方面诸如转向(例如，在交通工具车道约束之间维持交通工具路线)或在某些情形下(但并非在所有情形下)进行一些转向操作，但可能将交通工具导航的其他方面留给驾驶员(例如，在某些情形下进行制动或刹车)。自主交通工具还可以包括在某些情形下共同控制交通工具导航的一个或多个方面的交通工具(例如，动手操作(诸如响应于驾驶员的输入))和在某些情形下控制交通工具导航的一个或多个方面的交通工具(例如，放手操作(诸如独立于驾驶员的输入))。自主交通工具还可以包括在某些情形下(诸如，在某些环境状况下(例如，空间区域、道路状况))控制交通工具导航的一个或多个方面的交通工具。在一些方面，自主交通工具可以处理交通工具的制动、速率控制、速度控制和/或转向的一些或所有方面。自主交通工具可以包括可以在没有驾驶员的情况下操作的那些交通工具。交通工具的自主性级别可以由交通工具的汽车工程师协会(sae)级别(例如，由sae例如在sae j3016 2018中定义：道路机动交通工具的驾驶自动化系统相关术语的分类和定义)或由其他相关专业组织进行描述或确定。sae级别可以具有范围从最小级别(例如，0级(说明性地，基本上没有驾驶自动化))到最大级别(例如，5级(说明性地，完全驾驶自动化))的值。
[0019]
在本公开的上下文中，“交通工具操作数据”可被理解为描述与交通工具的操作有关的任何类型的特征。作为示例，“交通工具操作数据”可描述交通工具的状态，诸如，交通工具的轮胎的类型、交通工具的类型、和/或交通工具的制造的时限。更一般地，“交通工具操作数据”可描述或包括静态特征或静态交通工具操作数据(说明性地，不随时间改变的特征或数据)。作为另一示例，附加地或替代地，“交通工具操作数据”可描述或包括在交通工具的操作期间改变的特征，例如，交通工具的操作期间的环境状况(诸如，天气状况或道路状况)、燃料水平、液位、交通工具的驱动源的操作参数等。更一般地，“交通工具操作数据”可描述或包括变化的特征或变化的交通工具操作数据(说明性地，时变特征或数据)。
[0020]
本文中所描述的各个方面可利用一个或多个机器学习模型来执行或控制交通工具的功能(或本文中所描述的其他功能)。例如，如本文中所使用的术语“模型”可被理解为根据输入数据提供输出数据的任何种类的算法(例如，根据输入数据生成或计算输出数据的任何种类的算法)。机器学习模型可由计算系统执行以渐进地改善特定任务的性能。在一些方面中，可在训练阶段期间基于训练数据来调整机器学习模型的参数。可在推断阶段期间使用经训练的机器学习模型基于输入数据来作出预测或决策。在一些方面中，可使用经训练的机器学习模型来生成附加的训练数据。可在第二训练阶段期间基于所生成的附加训练数据来调整附加机器学习模型。可在推断阶段期间使用经训练的附加机器学习模型基于输入数据来作出预测或决策。
[0021]
本文中所描述的机器学习模型可采取任何合适的形式或利用任何合适的技术(例如，以用于训练目的)。例如，这些机器学习模型中的任何机器学习模型均可利用监督式学习、半监督式学习、无监督式学习、或强化学习技术。
[0022]
在监督式学习中，可使用训练数据集来建立模型，该训练数据集既包括输入又包括对应的期望输出(说明性地，每个输入可与针对该输入的期望或预期输出相关联)。每个训练实例可包括一个或多个输入并且包括期望输出。训练可包括通过训练实例迭代以及使用目标函数来教导模型预测针对新的输入的输出(说明性地，对于训练集中不包括的输入)。在半监督式学习中，训练集中的输入中的部分可能缺少相应的期望输出(例如，一个或多个输入可能不与任何期望或预期的输出相关联)。
[0023]
在无监督式学习中，可从仅包括输入而不包括期望输出的训练数据集来建立模型。无监督式模型可用于说明性地通过发现数据中的模式而找到该数据中的结构(例如，对数据点的分组或聚类)。可在无监督式学习模型中实现的技术可包括例如自组织图、最近邻映射、k均值聚类、以及奇异值分解。
[0024]
强化学习模型可包括正反馈或负反馈以改善准确性。强化学习模型可尝试使一个或多个目标/回报最大化。可在强化学习模型中实现的技术可包括例如q学习、时间差(td)和深度对抗网络。
[0025]
本文中所描述的各个方面可利用一个或多个分类模型。在分类模型中，输出可限于值的有限集合(例如，一个或多个类)。分类模型可输出针对具有一个或多个输入值的输入集合的类。输入集合可包括传感器数据，诸如图像数据、雷达数据、激光雷达数据等等。如本文中所描述的分类模型可例如对某些驾驶状况和/或环境状况(诸如，天气状况、道路状况)等等进行分类。本文中对分类模型的引用可构想实现例如下列技术中的任何一种或多种技术的模型：线性分类器(例如，逻辑回归或朴素贝叶斯分类器)、支持向量机、决策树、提升树、随机森林、神经网络或最近邻。
[0026]
本文中所描述的各方面可利用一个或多个回归模型。回归模型可基于具有一个或多个值的输入集合(说明性地，从具有一个或多个值的输入集合开始或使用具有一个或多个值的输入集合)输出连续范围中的数字值。本文中对回归模型的引用可设想实现例如下列技术(或其他合适技术)中的任何一种或多种技术的模型：线性回归、决策树、随机森林、或神经网络。
[0027]
本文中所描述的机器学习模型可以是或可包括神经网络。神经网络可以是任何种类的神经网络，诸如卷积神经网络、自编码器网络、变分自编码器网络、稀疏自编码器网络、循环神经网络、去卷积网络、生成性对抗网络，前瞻性神经网络、和积神经网络等等。神经网络可包括任何数量的层。对神经网络的训练(例如，调整神经网络的层)可使用或可基于任何种类的训练原理，诸如反向传播(例如，使用反向传播算法)。
[0028]
贯穿本公开，下列术语可作为同义词来使用：驾驶参数集，驾驶模型参数集，安全层参数集，驾驶员辅助、自动化驾驶模型参数集，和/或类似术语(例如，驾驶安全参数集)。这些术语可与用于实现以本公开中所描述的方式指示交通工具的一个或多个模型的各组值对应。
[0029]
此外，贯穿本公开，下列术语可作为同义词来使用：驾驶参数、驾驶模型参数、安全层参数、驾驶员辅助和/或自动化驾驶模型参数、和/或类似术语(例如，驾驶安全参数)，并且可对应于先前所描述的集合内的特定值。
[0030]
图1示出根据各个方面的包括移动性系统120和控制系统200(还参见图2)的交通工具100。应领会，交通工具100和控制系统200本质上是示例性的，并且因此可出于解释的
目的而被简化。例如，尽管交通工具100被描绘为地面交通工具，但本公开的各方面可同等地或类似地应用于诸如无人机之类的空中交通工具或诸如船只之类的水域交通工具。此外，要素的数量和位置以及关系距离(如上文所讨论的，这些图并未按比例绘制)是作为示例而提供，并不限于此。交通工具100的组件可围绕交通工具100的交通工具壳体布置，安装在该交通工具壳体上或该交通工具壳体外部，封闭在交通工具壳体内，或者其中在交通工具100行进时组件与其一起移动的相对于交通工具壳体的任何其他布置。交通工具壳体(诸如，汽车主体、无人机主体、飞机或直升机机身、船体、或类似类型的交通工具主体)取决于交通工具100属于的交通工具类型。
[0031]
除了包括控制系统200之外，交通工具100还可包括移动性系统120。移动性系统120可包括交通工具100的、与交通工具100的转向和移动有关的组件。在一些方面，在交通工具100是汽车的情况下，例如，移动性系统120可包括车轮和轮轴、悬架、引擎、变速器、制动器、方向盘、相关联的电气电路系统和布线、以及汽车的驾驶中所使用的任何其他组件。在一些方面，在交通工具100是空中交通工具的情况下，移动性系统120可包括以下各项中的一项或多项：转子、螺旋桨、喷气式引擎、机翼、方向舵或机翼襟翼、空气制动器、轭或轮转、相关联的电气电路系统和布线、以及空中交通工具的飞行中所使用的任何其他组件。在一些方面，在交通工具100是水上或水下交通工具的情况下，移动性系统120可包括以下各项中的一项或多项：方向舵、引擎、螺旋桨、方向盘、相关联的电气电路系统和布线、以及水域交通工具的转向或移动中所使用的任何其他组件。在一些方面，移动性系统120还可包括自主驾驶功能，并且相应地可包括与一个或多个处理器102和传感器阵列的接口，该一个或多个处理器102被配置成用于执行自主驾驶计算和决策，该传感器阵列用于移动感测和障碍物感测。在这个意义上说，可向移动性系统120提供来自控制系统200的一个或多个组件的、用于指引交通工具100的导航和/或移动性的指令。移动性系统120的自主驾驶组件还可与一个或多个射频(rf)收发器108对接，以促进与其他附近的交通工具通信设备和/或执行和自主驾驶有关的决策和/或计算的中央联网组件的移动性协调。
[0032]
取决于特定实现方式的要求，控制系统200可以包括各种组件。如图1和图2中所示，控制系统200可包括一个或多个处理器102、一个或多个存储器104、天线系统106(该天线系统106可包括处于交通工具上的不同位置处的、用于射频(rf)覆盖的一个或多个天线阵列)、一个或多个射频(rf)收发器108、一个或多个数据采集设备112、一个或多个定位设备114(该一个或多个定位设备114可包括用于基于全球导航卫星系统(gnss)和/或全球定位系统(gps)来接收并确定位置的组件和电路系统)、以及一个或多个测量传感器116(例如，速度计、高度计、陀螺仪、速度传感器等)。
[0033]
控制系统200可被配置成用于经由移动性系统120和/或与其环境的交互(例如，与其他设备或诸如基站之类的网络基础设施元件(nie)的通信)、经由数据采集设备112和射频通信布置(包括一个或多个rf收发器108并包括天线系统106)来控制交通工具100的移动性。
[0034]
一个或多个处理器102可包括数据采集处理器214、应用处理器216、通信处理器218、和/或任何其他合适的处理设备。一个或多个处理器102中的每个处理器214、216、218可包括各种类型的基于硬件的处理设备。作为示例，每个处理器214、216、218可包括微处理器、预处理器(诸如图像预处理器)、图形处理器、cpu、支持电路、数字信号处理器、集成电
路、存储器、或适合用于运行应用以及用于图像处理和分析的任何其他类型的设备。在一些方面，每个处理器214、216、218可包括任何类型的单核或多核处理器、移动设备微控制器、中央处理单元等。这些处理器类型可各自包括具有本地存储器和指令集的多个处理单元。此类处理器可包括用于从多个图像传感器接收图像数据的视频输入，并且还可包括视频输出能力。
[0035]
本文中所公开的处理器214、216、218中的任一者可被配置成用于根据可被存储在一个或多个存储器104中的存储器中的程序指令来执行某些功能。换言之，一个或多个存储器104中的存储器可存储在由处理器(例如，由一个或多个处理器102)执行时控制系统(例如，驾驶和/或安全性系统)的操作的软件。例如，一个或多个存储器104中的存储器可存储一个或多个数据库和图像处理软件、以及经训练的系统(诸如，神经网络、或深度神经网络)。一个或多个存储器104可包括任何数量的随机存取存储器、只读存储器、闪存、盘驱动器、光存储、磁带存储、可移动存储、以及其他类型的存储。替代地，处理器214、216、218中的每一者可包括用于此类存储的内部存储器。
[0036]
数据采集处理器214可包括用于处理由数据采集单元112采集的数据的处理电路系统，诸如cpu。例如，如果一个或多个数据采集单元是图像采集单元(例如，一个或多个相机)，则数据采集处理器可包括用于使用从图像采集单元获得的信息作为输入来处理图像数据的图像处理器。数据采集处理器214因此可被配置成用于基于来自数据采集单元112(即，在该示例中为相机)的数据输入来创建体素地图，该体素地图详述交通工具100的周围环境。
[0037]
应用处理器216可以是cpu，并且可被配置成用于处置协议栈以上的层，包括传输层和应用层。应用处理器216可被配置成用于在交通工具100的应用层处执行交通工具100的各种应用和/或程序，这些应用和/或程序诸如操作系统(os)、用于支持用户与交通工具100交互的一个或多个用户接口(ui)206和/或各种用户应用。应用处理器216可与通信处理器218对接，并且充当用户数据的源(在发射路径中)和宿(在接收路径中)，用户数据诸如语音数据、音频/视频/图像数据、消息收发数据、应用数据、基本互联网/网络接入数据等。因此，在发射路径中，通信处理器218可根据协议栈的层特定功能接收和处理由应用处理器216提供的传出数据，并将所得到的数据提供给其他组件，诸如一个或多个rf收发器108。通信处理器218还可执行物理层处理，以产生数字基带样本，通信处理器218可将该数字基带样本提供给rf收发器108。rf收发器108随后可处理数字基带样本以将数字基带样本转换为模拟rf信号，rf收发器108可经由天线系统106无线地发射模拟rf信号。在接收路径中，rf收发器108可从天线系统106接收模拟rf信号，并处理模拟rf信号以获得数字基带样本。rf收发器108可将数字基带样本提供给通信处理器218，通信处理器218可对数字基带样本执行物理层和/或协议栈层处理并将所得到的数据提供给一个或多个处理器102中的其他处理器(例如，应用处理器216)。应用处理器216随后可在应用层处置传入数据，这可以包括利用数据执行一个或多个应用程序和/或经由一个或多个用户接口ui 206将数据呈现给用户。一个或多个用户接口ui 206可包括一个或多个屏幕、话筒、鼠标、触摸板、键盘、或提供用于用户输入和/或用于向用户提供信息的机制的任何其他接口。
[0038]
通信处理器218可包括数字信号处理器和/或控制器，该数字信号处理器和/或控制器可根据与一个或多个无线电接入网络相关联的通信协议来指引交通工具100的此类通
信功能，并且可执行对天线系统106和(多个)rf收发器108的控制，以根据由每种通信协议定义的格式化和调度参数来发射和接收无线电信号。虽然各种实际设计可以包括用于每种支持的无线电通信技术的分开的通信组件(例如，分开的天线、rf收发器、数字信号处理器、和控制器)，但是为了简洁起见，图1和图2中示出的交通工具100的配置可以描绘此类组件的仅单个实例。
[0039]
交通工具100可利用天线系统106发射和接收无线信号，天线系统106可以是单根天线或者可以是包括多个天线元件的天线阵列。在一些方面，天线系统202可附加地包括模拟天线组合和/或波束成形电路系统。在接收(rx)路径中，(多个)rf收发器108可从天线系统106接收模拟射频信号，并对模拟射频信号执行模拟和数字rf前端处理以产生用于提供给通信处理器218的数字基带样本(例如，同相/正交(iq)样本)。(多个)rf收发器108可包括模拟和数字接收组件，这些模拟和数字接收组件包括放大器(例如，低噪声放大器(lna))、滤波器、rf解调器(例如，rf iq解调器))、以及模数转换器(adc)，(多个)rf收发器108可利用这些模拟和数字接收组件将接收到的射频信号转换为数字基带样本。在发射(tx)路径中，(多个)rf收发器108可从通信处理器218接收数字基带样本，并对数字基带样本执行模拟和数字rf前端处理，以产生用于提供给天线系统106以供无线发射的模拟射频信号。(多个)rf收发器108由此可包括模拟和数字发射组件，这些模拟和数字发射组件包括放大器(例如，功率放大器(pa))、滤波器、rf调制器(例如，rf iq调制器)、以及数模转换器(dac)，(多个)rf收发器108可利用这些模拟和数字发射组件将从通信处理器218接收到的数字基带样本进行混合，并产生模拟射频信号以供天线系统106进行无线发射。在一些方面，通信处理器218可控制(多个)rf收发器108的无线电发射和接收，包括为(多个)rf收发器108的操作指定发射和接收射频。
[0040]
根据一些方面，通信处理器218包括基带调制解调器，该基带调制解调器被配置成用于执行物理层(phy，层1)发射和接收处理，以在发射路径中对由通信处理器218提供的传出发射数据进行准备以供经由(多个)rf收发器108发射、并且在接收路径中对由(多个)rf收发器108提供的传入接收到的数据进行准备以供通信处理器218进行处理。基带调制解调器可包括数字信号处理器和/或控制器。数字信号处理器可被配置成用于执行以下各项中的一项或多项：错误检测、前向纠错编码/解码、信道编码和交织、信道调制/解调、物理信道映射、无线电测量和搜索、频率和时间同步化、天线分集处理、功率控制和加权、速率匹配/去匹配、重传处理、干扰消除、以及任何其他物理层处理功能。数字信号处理器可在结构上被实现为硬件组件(例如，被实现为一个或多个数字地配置的硬件电路或fpga)、软件定义的组件(例如，被配置成用于执行定义算术、控制和i/o指令的程序代码(例如，软件和/或固件)的一个或多个处理器，该程序代码被存储在非暂态计算机可读存储介质中)，或被实现为硬件组件和软件组件的组合。在一些方面，数字信号处理器可包括被配置成用于检取和执行程序代码的一个或多个处理器，该程序代码定义用于物理层处理操作的控制和处理逻辑。在一些方面，数字信号处理器可经由执行可执行指令来利用软件执行处理功能。在一些方面，数字信号处理器可包括一个或多个专用硬件电路(例如，asic、fpga、以及其他硬件)，该一个或多个专用硬件电路数字地被配置成用于特定执行处理功能，其中，数字信号处理器中的一个或多个处理器可将某些处理任务迁移到这些专用硬件电路，这些专用硬件电路被称为硬件加速器。示例性硬件加速器可以包括快速傅立叶变换(fft)电路和编码器/解码
器电路。在一些方面，数字信号处理器的处理组件和硬件加速器组件可被实现为耦合集成电路。
[0041]
交通工具100可被配置成用于根据一种或多种无线电通信技术来进行操作。通信处理器218的数字信号处理器可负责无线电通信技术的下层处理功能(例如，层1/phy)，而通信处理器218的控制器可负责上层协议栈功能(例如，数据链路层/层2和/或网络层/层3)。控制器由此可负责根据每种支持的无线电通信技术的通信协议来对交通工具100的无线电通信组件(天线系统106、(多个)rf收发器108、定位设备114等)进行控制，并且相应地可表示每种支持的无线电通信技术的接入层和非接入层(nas)(也涵盖层2和层3)。控制器可在结构上被具体化为协议处理器，该协议处理器被配置成用于执行(从控制器存储器检取的)协议栈软件，并随后根据该协议栈软件中所定义的对应协议栈控制逻辑来控制交通工具100的无线电通信组件以发射和接收通信信号。控制器可包括一个或多个处理器，该一个或多个处理器被配置成用于检取和执行定义一种或多种无线电通信技术的上层协议栈逻辑的程序代码，该上层协议栈逻辑可以包括数据链路层/层2和网络层/层3功能。控制器可被配置成用于执行用户平面功能和控制平面功能两者，以促进应用层数据根据支持的无线电通信技术的特定协议的去往交通工具100和来自交通工具100的传输。用户平面功能可以包括头部压缩和封装、安全措施、错误检查和校正、信道多路复用、调度和优先级，而控制平面功能可包括无线电承载的设置和维护。由通信处理器218的控制器检取和执行的程序代码可包括定义此类功能的逻辑的可执行指令。
[0042]
在一些方面，交通工具100可被配置成用于根据多种无线电通信技术来发射和接收数据。相应地，在一些方面，天线系统106、(多个)rf收发器108、和通信处理器218中的一者或多者可以包括专用于不同无线电通信技术的分开的组件或实例和/或在不同无线电通信技术之间共享的统一组件。例如，在一些方面，通信处理器218的多个控制器可被配置成用于执行多个协议栈(每个协议栈专用于不同的无线电通信技术)并且这些协议栈可处于同一处理器或不同处理器处。在一些方面，通信处理器218的多个数字信号处理器可包括专用于不同的相应无线电通信技术的分开的处理器和/或硬件加速器、和/或在多种无线电通信技术之间共享的一个或多个处理器和/或硬件加速器。在一些方面，(多个)rf收发器108可包括专用于不同的相应无线电通信技术的分开的rf电路系统部分、和/或在多种无线电通信技术之间共享的rf电路系统部分。在一些方面，天线系统106可以包括专用于不同的相应无线电通信技术的分开的天线、和/或在多种无线电通信技术之间共享的天线。相应地，天线系统106、(多个)rf收发器108、以及通信处理器218可以涵盖专用于多种无线电通信技术的分开的和/或共享的组件。
[0043]
通信处理器218可被配置成用于实现一种或多种交通工具对外界(v2x)通信协议，该一种或多种交通工具对外界(v2x)通信协议可包括交通工具对交通工具(v2v)、交通工具对基础设施(v2i)、交通工具对网络(v2n)、交通工具对行人(v2p)、交通工具对设备(v2d)、交通工具对网格(v2g)、和其他协议。通信处理器218可被配置成用于传输通信，这些通信包括交通工具100与该交通工具100的环境中的一个或多个其他(目标)交通工具之间的通信(单向或双向)(例如，以促进交通工具100考虑到该交通工具100的环境中的其他(目标)交通工具或与其他(目标)交通工具一起的导航的协调)、或甚至向正在传输的交通工具100的附近区域中的未指定接收者进行的广播传输。
[0044]
通信处理器218可被配置成用于根据不同的期望的无线电通信协议或标准、经由一个或多个rf收发器108中的第一rf收发器进行操作。作为示例，通信处理器218可根据短程移动无线电通信标准来配置，该短程移动无线电通信标准诸如例如，蓝牙、zigbee等等，并且第一rf收发器可与对应的短程移动无线电通信标准对应。作为另一示例，通信处理器218可被配置成用于根据中程或宽程移动无线电通信标准(诸如例如，根据相应的3gpp(第三代合作伙伴计划)标准的3g(例如，通用移动通信系统
–
umts)、4g(例如，长期演进
–
lte)、或5g移动无线电通信标准))、经由一个或多个rf收发器108中的第二rf收发器来进行操作。作为进一步的示例，通信处理器218可被配置成用于根据无线局域网通信协议或标准(诸如例如，根据ieee 802.11(例如，802.11、802.11a、802.11b、802.11g、802.11n、802.11p、802.11
‑
12、802.11ac、802.11ad、802.11ah等等))、经由一个或多个rf收发器108中的第三rf收发器来进行操作。一个或多个rf收发器108可被配置成经由天线系统106通过空中接口来发射信号。rf收发器108可各自具有天线系统106中的对应天线元件，或者可共享天线系统106中的天线元件。
[0045]
存储器214可具体化交通工具100的存储器组件，诸如硬盘驱动器或另一此类持久性存储器设备。虽然在图1和图2中没有明确描绘，但图1和图2中所示的交通工具100的各种其他组件(例如，一个或多个处理器102)可以附加地各自包括(诸如用于存储软件程序代码、缓冲数据等的)集成的持久性和非持久性存储器组件。
[0046]
天线系统106可包括单根天线或多根天线。在一些方面，可将天线系统106的一根或多根天线中的每根天线置于交通工具100上的多个位置处，以便确保最大的rf覆盖。天线可包括具有多个天线元件的相控天线阵列、波束切换天线阵列等等。天线系统106可被配置成用于根据模拟和/或数字波束成形方案来操作，以便使信号增益最大化和/或提供信息隐私性级别。天线系统106可包括专用于不同的相应无线电通信技术的分开的天线、和/或在多种无线电通信技术之间共享的天线。尽管在图1中示出为单个元件，但天线系统106可包括被定位在交通工具100上的不同位置处的多个天线元件(例如，多个天线阵列)。可在策略上选择多个天线元件的放置，以便确保期望程度的rf覆盖。例如，可在交通工具100的前部、后部、(多个)角、和/或(多个)侧上放置附加天线。
[0047]
取决于特定应用的要求，数据采集设备112可包括任何数量的数据采集设备和组件。这可包括：用于提供与交通工具的环境有关的数据的图像采集设备、接近度检测器、声学传感器等。图像采集设备可包括相机(例如，标准相机、数字相机、视频相机、单透镜反射相机、红外相机、立体相机、深度相机、rgb相机等)、电荷耦合器件(ccd)或任何类型的图像传感器。接近度检测器可包括雷达传感器、光检测和测距(lidar)传感器、毫米波雷达传感器等。声学传感器可包括：话筒、声纳传感器、超声传感器等。相应地，数据采集单元中的每一个可被配置成用于观察交通工具100的环境的特定类型的数据，并将该数据转发至数据采集处理器214，以便向交通工具提供对该交通工具的环境的准确描绘。数据采集设备112可被配置成用于结合所采集的数据来实现预处理的传感器数据，诸如雷达目标列表或激光雷达目标列表。
[0048]
测量设备116可包括用于测量交通工具状态参数的其他设备，诸如：用于测量交通工具100的速度的速度传感器(例如，速度计)、用于测量交通工具100沿一个或多个轴的加速度的一个或多个加速度计(单轴的或多轴的)、用于测量取向和/或角速度的陀螺仪、里程
表、高度计、温度计等。要领会，取决于交通工具的类型(例如，汽车相对于无人机相对于船只)，交通工具100可具有不同的测量设备116。
[0049]
定位设备114可包括用于确定交通工具100的位置的组件。例如，这可包括被配置成用于接收来自卫星系统的信号并确定交通工具100的定位的gps或其他gnss电路系统。相应地，定位设备114可向交通工具100提供卫星导航特征。在一些方面，一个或多个定位设备114可包括用于通过其他手段(例如，通过使用三角测量和/或到诸如网络基础设施元件nie之类的其他设备的接近度)来确定交通工具100的定位的组件(例如，硬件和/或软件)。
[0050]
一个或多个存储器104可将数据存储在例如数据库中或以任何不同格式存储数据，这些数据可对应于地图。例如，地图可指示以下各项的位置：已知地标、道路、路径、网络基础设施元件、或交通工具100的环境的其他要素。一个或多个处理器102可以处理交通工具100的环境的传感信息(诸如图像、雷达信号、来自lidar的深度信息、或对两个或更多个图像的立体处理)以及位置信息(诸如gps坐标、交通工具的自我运动等)，以确定交通工具100相对于已知地标的当前位置，并细化对交通工具的位置的确定。该技术的某些方面可以被包括在定位技术(诸如建图和路线选择模型)中。
[0051]
地图数据库(db)204可包括存储用于交通工具100(例如，用于控制系统200)的(数字)地图数据的任何类型的数据库。地图数据库204可以包括与各种项目(包括道路、水景、地理特征、商业、感兴趣的地点、餐馆、加油站等)在参考坐标系中的位置相关的数据。地图数据库204不仅可以存储此类项目的位置，还可以存储与这些项目相关的描述符，包括例如与存储的特征中的任何特征相关联的名称。在一些方面，一个或多个处理器102中的处理器可以通过至通信网络(例如，通过蜂窝网络和/或互联网等)的有线或无线数据连接从地图数据库204下载信息。在一些情况下，地图数据库204可存储稀疏数据模型，包括针对交通工具100的某些道路特征(例如，车道标记)或目标轨迹的多项式表示。地图数据库204还可以包括各种识别出的地标的所存储的表示，这些所存储的表示可被提供以确定或更新交通工具100相对于目标轨迹的已知位置。地标表示可以包括诸如地标类型、地标位置、以及其他潜在标识符之类的数据字段。
[0052]
此外，控制系统200可包括例如在高级驾驶辅助系统(adas)和/或驾驶辅助及自动化驾驶系统中实现的驾驶模型。作为示例，控制系统200可包括(例如，作为驾驶模型的部分的)形式模型(诸如，安全性驾驶模型)的计算机实现方式。安全性驾驶模型可以是或可包括对适用于自驾驶交通工具的适用法律、标准、政策等的解释进行形式化的数学模型。安全性驾驶模型可被设计为实现例如三个目标：第一，法律的解释在它符合人类如何解释法律的意义上应该是合理的；第二，解释应该带来有用的驾驶策略，这意味着它将带来灵活的驾驶策略而不是过度防御性的驾驶，该过度防御性的驾驶不可避免地会使其他人类驾驶员感到迷惑并将阻塞交通，并且进而限制系统部署的可扩展性；以及第三，在可以严格地证明自驾驶(自主)交通工具正确地实现该法律的解释的意义上，解释应当是高效地可验证的。说明性地，安全性驾驶模型可以是或可包括用于安全性保障的数学模型，该数学模型实现对危险情况的恰当响应的标识和执行，使得可以避免自身导致的事故。
[0053]
如上文所描述，交通工具100可包括控制系统200，还参考图2来描述该控制系统200。交通工具100可包括一个或多个处理器102，该一个或多个处理器102与引擎控制单元(ecu)集成或分开，引擎控制单元可被包括在交通工具100的移动性系统120中。一般而言，
控制系统200可生成数据来控制或辅助控制ecu和/或交通工具100的其他组件，以直接地控制交通工具100的移动或间接地经由移动性系统120控制交通工具100的移动。交通工具100的一个或多个处理器102可被配置成用于实现本文中描述的各方面和方法。
[0054]
可经由任何适当的接口使图1和图2中所图示的组件操作地彼此连接。此外，应当领会，并非组件之间的所有连接均被明确地示出，并且组件之间的其他接口可被涵盖在本公开的范围内。
[0055]
图3示出根据一些方面的示例性网络区域300。网络区域300可包括多个交通工具100，该多个交通工具100可包括例如无人机和地面交通工具。这些交通工具中的任一者可与一个或多个其他交通工具100和/或与nie 310通信。nie 310可以是基站(例如，enodeb、gnodeb等)、路边单元(rsu)、路标，被配置成与交通工具和/或移动无线电通信网络等进行无线通信、并且充当交通工具100中的一个或多个交通工具与移动无线电通信网络(例如lte网络或5g网络)之间的接口。
[0056]
nie 310可包括天线系统312、rf收发器314、以及基带电路316等组件中的至少一者，在天线系统312、rf收发器314、以及基带电路316中的每一者之间具有适当的接口。在nie 310的操作的简略概述中，nie 310可经由天线系统312发射和接收无线信号，该天线系统312可以是包括多个天线阵列的天线阵列。天线系统312可包括多个天线元件(例如，多个天线阵列)，以便采用多输入和多输出(mimo)方法和方案。
[0057]
rf收发器314可执行发射和接收rf处理，从而将来自基带电路316的传出基带样本转换为模拟无线电信号以提供至天线系统312以供进行无线电传输，并且将接收自天线系统312的传入模拟无线电信号转换为基带样本以提供至基带电路316。相应地，rf收发器314可被配置成用于与图1和图2中所描述的(多个)rf收发器类似地操作，但可能以大得多的规模进行操作(例如，用于发射更高功率的信号的放大器等)。
[0058]
基带电路316可包括控制器310和物理层处理器318，物理层处理器318可被配置成用于对接收自rf收发器314的基带样本执行发射和接收phy处理以提供至控制器310，并且对接收自控制器310的基带样本执行发射和接收phy处理以提供至rf收发器314。在一些方面，基带调制解调器316可位于nie 310外部，例如位于移动无线电通信网络的集中位置处。控制器310可根据对应的无线电通信技术协议来控制nie 310的通信功能，这可包括实行对天线系统312、rf收发器314、以及物理层处理器318的控制。rf收发器314、物理层处理器318、以及控制器310中的每一者可在结构上利用硬件(例如，利用一个或多个数字地配置的硬件电路或fpga)实现，在结构上被实现为软件(例如，被实现为执行非暂态计算机可读存储介质中所存储的程序代码的一个或多个处理器，该程序代码定义算术、控制、和i/o指令)，或者在结构上被实现为硬件和软件的混合组合。nie 310还可包括用于根据一些方面与核心网络进行通信(例如，接收来自核心网络的指令、将数据提供至核心网络等)的接口320。
[0059]
另外，nie 310可包括存储器330，该存储器330可在nie 310内部(如图3中所示)或在nie 310外部(未示出)。存储器330可存储nie 310的覆盖区域的一个或多个地图以及其他信息。一个或多个地图中的每个地图可包括静态层和/或动态层，静态层描绘在较长的时间段期间在很大程度上保持不变的环境要素(例如，道路、结构、树木等)，动态层具有更频繁的改变(例如，交通工具、检测到的障碍物、施工等)。在一些方面，存储器330还可存储与
nie 310的一个或多个相邻区域对应的地图，以便向处于nie 310的覆盖区域内的交通工具提供相邻覆盖区域的信息(例如，从而促进交通工具移动至相邻nie的覆盖区域时的过程)。
[0060]
自主驾驶的挑战中的一个挑战是交通工具需要具有实时的hd特征地图，该实时的hd特征地图能够通过以协作式方式以高标准的准确性(例如，厘米级准确性)识别新的危险、并更新该hd地图的动态层来快速地调整。对空域和时域两者中的准确性的要求可通过应用众包(crowdsource)构造hd地图来解决。这些技术可依赖于经压缩的地图数据的交换和上传。然而，实际实现方式可能受移动无线电通信网络基础设施的容量限制。而且，由于典型地存在对新的障碍物和/或危险的数个观察方，因此可能存在大量冗余的信息被发送至负责聚合信息以供对hd地图进行更新的实体(例如，nie或云服务器)。相应地，本公开的各方面在本文中呈现考虑冗余传输以减少移动无线电通信网络带宽上的负载的方案。例如，这可包括限制冗余传输的量以减少网络带宽上的通信量。
[0061]
根据一些方面，方法和设备可提供和实现用于开发用于自主驾驶和其他应用的hd地图的压缩采样的众包方案。这些方案中的一些可以基于喷泉码(fountain code)方法。以此种方式，本公开的方法和设备通过出于显著的带宽节省而牺牲用户平均数量的适度增加来解决带宽限制问题。本公开在本文中还包括用于在保留隐私性的同时建立强位置认证的框架，以验证所报告的特征并标识恶意方。
[0062]
本文中所提供的方法和设备实现允许在交通工具侧(例如，经由一个或多个数据采集设备和/或传感器)采集到的经压缩的数据的交换和上传的方案，以便在当前和未来移动无线电通信网络的容量内起作用。当前部署的方案可限于仅传输较高级特征(诸如交通状况)来减少带宽，或者仅要求将路段的δ更新(即，更新的改变)传输至用于聚合的集中式服务器，集中式服务器然后将更新分发至交通工具网络的其余部分。此外，这些方案可能无法指定相同的时间粒度级别来满足“实时”或“反映现实时间”，“实时”或“反映现实时间”是实现高效且安全的自主驾驶系统的要求。例如，在时间粒度是以数小时的量级的情况下，与道路基础设施质量有关的特征子类(例如，坑洼、损坏的路灯、堵塞的雨水沟等)可以是随时间实时的，而如事故或交通堵塞之类的其他事件要求以数分钟或数秒的量级更新。然而，不论特定区域中交通工具的数量(以及每类特征的任何所要求的更新频率)如何，每个交通工具可传输相同的特征集合。相同的有限数量的特征的重复传输对安全可能尤其有害。缺乏强位置认证允许恶意方通过事件伪造和目标查询将众包的地图暴露于各种安全和隐私攻击。
[0063]
本文中提供的方案将这些限制扩展为更加包罗万象的，以便在消除前述缺点的同时实时提供更准确的hd地图描绘。
[0064]
对于稀疏系统，压缩采样理论声称可采用稀疏性来利用相比于传统(例如奈克斯特率)采样理论所要求的样本少得多的样本高效地采集并完美地重建信号。喷泉码是一类无速率擦除码，其中使用k’个经编码的码元(symbol)可以完美地恢复k个源码元，其中k’等于或略大于k。
[0065]
本公开的方法和设备提供用于收集和重建众包特征数据(例如，与hd地图的动态层的特征相关)的方案，并且可基于以下各方面中的任何方面的组合。
[0066]
隐私保护代理(即，交通工具)群可通过在这些代理中的每个代理与将众包数据整理为经更新的、实时特征hd地图的集中式服务器(即，集中式主机)之间建立安全通信信道
的机制来建立。此种机制可包括使用匿名的、短暂的(例如，以数秒至数分钟的量级的)随机令牌，例如，这些令牌是出于验证和认证目的而从网络接收的。在本文中，出于解释目的，术语“代理”和“交通工具”可以可互换的使用。
[0067]
众包群内的每个代理可以持续地收集要建图的一组特征(例如，道路几何形状、车道和其他道路标记、道路质量、交通状况、驻停空间等)，并利用时间和位置数据(例如，时间戳和gps坐标)来标记这些特征中的每个特征。另外，还可以利用优先级级别对每个特征进行标记，该优先级级别提供对检测到的特征的重要性和/或危急程度进行排名的层级结构。例如，相比于其他更平凡的特征(例如，驻停处可用性)，可以给予对安全性而言至关重要的特征(如交通工具碰撞)较高的优先级级别。每个代理实际上将其周围环境压缩采样为各种备用的“特征”域。
[0068]
取决于它们的连接性、可用带宽、以及在附近区域中竞争同一可用的网络带宽的代理(即，交通工具)的数量，每个代理可选择被传输回到集中式主机服务器(或在本文中所讨论的分散式地图制定的情况下为主设备)的一个或多个随机特征子集。以此种方式，采用分布式喷泉码样式的过程对特征的集合进行编码，该过程确保对地图的持续重建和完善。如本文中所使用，可用带宽是指为设备分配的、用于在移动无线电通信网络中(例如，在lte或5g网络中)、在nie的覆盖区域内或在分散式网络区域(例如，交通工具集群)内使用的频率资源的量(即，在频带频谱内)。
[0069]
如本文中所使用，交通工具的附近区域可以例如由交通工具周围的区域限定，该交通工具周围的区域达到(或者在一些情况下大于)nie提供的覆盖区域。例如，对于位于nie的覆盖区域的边缘附近的交通工具，如果另一交通工具超出nie的覆盖范围，如果这两个交通工具仍然可以彼此通信，则该另一交通工具可能仍然处于交通工具的附近区域中。在另一示例中，交通工具的附近区域可以是交通工具可以在其中进行rf通信的、交通工具周围的区域。换句话说，处于特定交通工具的附近区域中的交通工具可以被看作竞争同一带宽(即，可用带宽)的数个其他潜在交通工具。
[0070]
如本文中所使用，交通工具的环境可包括位于交通工具的(从该交通工具的视点)可观察的范围内的对象、设备、和特征。注意，交通工具的附近区域可延伸超出其环境，例如，即使交通工具的附近区域中的其他交通工具并非直接处于交通工具的环境中，它们也可能与该交通工具竞争可用带宽。
[0071]
可能存在若干种可能的方法用于代理确定其自身可用的带宽量，以用于传输特征并估计附近区域中其他代理的数量。这些方法中的第一方法可包括：代理对代理(即，交通工具)和nie的自组织或分布式的、以信息为中心的网络执行分布式查询，以检查某个地理区域内活跃的参与方的数量。另一方法可包括：代理向其相关联的nie(例如，基站)直接查询当前与该nie相关联的数个其他活跃的代理的当前分布(或在其他方面，历史分布)。类似地，如果网络协议应用编程接口(api)允许，则代理可直接向集中式或分布式网络基础设施查询直接可用于该代理进行特定任务的带宽的量。如果现有网络协议api内不包括，则可将专门的检查序列添加(这可能包括一些开销)至所传输的特征集合，以测量平均的所分配的带宽和传输等待时间，代理可使用平均的所分配的带宽和传输等待时间来预测未来带宽分配方。
[0072]
另一方法可包括一种更加被动的方式，其中，在不对代理的集中式或分布式网络
基础设施直接进行查询的情况下，可基于包括以下各项的数个因素来估计代理的数量：令牌类型、节点密度/邻居密度、来自无线电接入技术(rat)的信道忙碌率等。可使用相同的被动网络基础设施测量来预测可用于代理的带宽的量。在另一方法中，并且不依赖于任何网络测量，可使用代理自身的机载检测器和传感器来标识其范围内的其他代理并对这些其他代理的数量进行计数，并使用过去的统计信息或其他试探方法来将该数量推测为某个地理区域内的一系列潜在代理。
[0073]
图4示出根据一些方面的多个交通工具(即，代理)的示例性区域400和特征报告。应领会，图4在性质上是示例性的，并且因此可出于此种解释目的而被简化。
[0074]
在区域400中示出了五个特征：由于东向车道中的施工而关闭的车道410、由于交通而堵塞的车道420、缺少的车道标记430、分隔式公路特征440、以及轻交通状况450。给定区域400中示出的数量的代理，根据本公开的各方面，与传输所有的五个特征相反，每个代理(即，交通工具a
‑
j)将传输比所有的五个特征410
‑
450更少的特征，因此造成带宽浪费并使得网络充斥有大量的特征重复(即，针对每个特征有10个报告)。然而，根据本文中所提出的方案，每个代理可从五个特征中随机地选择例如两个特征来进行传输，由此将所要求的带宽减少了60％，同时仍为中央主机服务器(在集中式网络中)或者一个或多个其他交通工具(即，在分散式网络中，主交通工具或集群头(cluster head))提供充足的冗余以重建详细的特征地图。如果与报告这些特征中所有的五个特征相反，每个代理报告这些特征中的两个特征，则每一特征将存在平均四个报告来验证特征的存在、位置等。
[0075]
方法和设备还可实现用于使得高/重要优先级特征优先并以不同方式处理它们以使得它们的报告是更可能的或强制的方案。图5示出根据一些方面的、图示出可如何对特征不同地进行优先级排定的示例性表示500：无功能的路灯510(例如，该路灯不再发光或发出非常弱的光)、坑洼520、具有人行横道的四向交叉路口530、以及失事的汽车与堵塞车道的倒下的树540。本文中所公开的方案可将特征540优先级排定为最先的，并且使其成为必须被报告的强制报告特征，而特征510和520可以是中等优先级，并且特征530可以是最低优先级(尤其出于更新地图的动态层的目的)。
[0076]
在没有网络连接性的情况下，区域的特征列表可被存储并在稍后的时间被传输。整理器(即，集中式网络中的主机服务器)可使用特征的时间数据(例如，时间戳)将信息适当地作为因素计入实时地图，即实时特征hd地图。以此种方式，数据传输可以是时间受限的，以使得陈旧的特征被加权得更少，或者甚至完全被丢弃，以阻止陈旧特征的传输，从而维护特征地图的准确性和“实时”质量。例如，在图5中，在特征540被观察到之后几小时(即，碰撞现场已经被清理)，该特征540的存在并非必然是相关的，而与道路几何形状(诸如530)有关的信息仍然是相关的。相应地，主机可以对特征地图的历史进行更新，以使得该特征地图可用于提取其他类型的信息(诸如，交通模式、移动无线电通信覆盖区域的缺口等)。
[0077]
本文中所公开的设备和方法可通过要求每个代理验证或拒绝由其他代理报告的特征子集而建立强位置认证和特征验证。以此种方式，在代理能够验证由附近区域中的其他代理先前报告的特征之前以及在这些其他代理报告的特征被另外的代理验证之前，代理报告的特征地图可能是不受信任的。
[0078]
图6和图7分别示出根据一些方面的、图示出用于认证和特征验证的协议的示例性消息序列图(msc)600和700。
[0079]
msc 600示出交通工具(即，代理)602、nie(例如，基站)604、以及云服务器(即，数据中心、中央主机、主机服务器等)606。在610中，云服务器606利用当前hd特征地图的快照来更新nie 604，该当前hd特征地图具有与每个特征和/或经更新的“受信任”用户列表对应的置信度权重。在612中，交通工具602转移到nie 604的地理区域中并且开始与nie 604发信号。在614中，nie 604发起特征验证过程，以建立交通工具602的信任得分。在616中，交通工具602对nie 604查询进行响应。可重复特征614和616，以完善用户信任得分并为排队的特征建立经更新的置信度区间。可例如基于交通工具的经验证的所报告的特征的过去历史或其隶属关系(例如，该交通工具是否属于预先指定的政府运营的交通工具的清单)来建立用户信任得分。例如，随着用户信任得分增加，可给予由对应交通工具传输的数据更高的权重。在交通工具602从未与nie 604的云服务器606相关联的情况下，或者如果将交通工具602与云服务器606相关联的令牌已经期满，则可使用特征618
‑
622。在618中，交通工具602开始与nie 604和云服务器606相关联。在620中，云服务器606发起特征验证，从而以类似于614的方式建立交通工具602的信任得分。在622中，将对620的响应从交通工具602传输至云服务器606，并且可执行620
‑
622的若干次迭代，以便生成用于交通工具602的令牌并建立信任得分，同时更新特征地图置信度。
[0080]
msc 700示出具有与msc 600中示出的相同的各方的示例性验证过程，其中涉及多个交通工具(除602外，还涉及702)。在710中，交通工具602观察并报告新的特征。在712中，nie将信息中继至云服务器606，云服务器606跨感兴趣区域(例如，由nie 604覆盖的区域)执行聚合。在714中，nie 604通过对一个或多个其他交通工具(在该情况下，交通工具702)进行查询来发起特征验证。在716中，云服务器616确认特征并基于来自其他nie的信息和交通工具602的历史信任得分来提供置信度更新。在718中，交通工具702对nie 604进行响应，使得nie 604修订它的交通工具602的用户信任得分以及特征的置信度。在720中，将经更新的交通工具602的用户信任得分以及所报告的特征的置信度传输至云服务器606。在722中，云服务器606确认nie 604的更新并提供新的聚合置信度更新，并且如果交通工具602的信任得分掉落至低于某个阈值，则云服务器606在必要的情况下进行干预，以指示nie 604采取行动来隔离交通工具602以避免恶意的和/或不可信的动作。
[0081]
根据msc 600和700中示出的协议，对于特定的地理区域，云服务器可基于被部署至nie的特征选择来建立旋转验证过程。此种验证特征子集可以包括例如：高置信度特征/已经验证的特征、低置信度特征/待验证的特征、和/或对于地理区域内的代理而言显而易见但对于该区域外的代理而言是不可知的假特征。特征验证过程可响应于某些事件被触发，包括：响应于与新的交通工具的关联而在nie处被触发；响应于新的交通工具的注册或旧的交通工具的重新注册/重新认证而由服务器触发，其中主机中心由云服务器服务；当交通工具从一个地理区域转移至另一地理区域时，由交通工具触发；当交通工具向nie或云服务器报告先前未看到的“特征”时触发；以及由云服务器触发以确认某些低置信度地图特征。
[0082]
可以根据用户信任得分对验证响应加权。此种信任得分可以基于代理的经验证的所报告的特征的过去历史或其隶属关系(例如，该代理是否属于预先指定的政府运营的交通工具的清单)来建立。
[0083]
在该框架下，用于对特征进行建图的“实时”或“反映现实的时间”成为群体的“共
识时间”，其中针对该特征的、经聚合的最少m个加权的用户报告被认为是“可靠地观察到的特征”。用于验证特征的最优的(或接近最优的)最小“共识时间”可通过在对代理进行查询以验证特征时将用户信任得分纳入考虑来实现。例如，低置信度/待验证的特征可被加权，以使得他们更可能被发送给受信任的用户、或具有较高的“用户信任得分”的用户，以供基站/数据中心服务器验证。高置信度/已被验证的特征、以及明显的虚假特征可以被加权为使得它们更有可能被发送至新的、未经验证的、或低信任的代理，以对用户进行验证和/或建立用户信任得分。使用该方法，新特征可快速地被验证，并且新用户可快速地被建立为可信的或不可信的。另外，可以快速地标识低信任的且恶意的用户，并且将其与特征地图隔离和/或与对特征地图作出任何贡献隔离。
[0084]
本文中所描述的协议还可提供用于通过帮助验证代理的物理位置和存在来检测和防止针对hd地图上的特征的“事件伪造”的机制。一旦可疑“特征”已经被标记，则可由边缘/服务器发起验证动作。可在得到验证之前由云服务器选择预先指定的/所选择的受信任节点的列表。受信任节点可以是rsu、城市运营的交通工具(例如，公共汽车、火车、以及服务交通工具)、与服务器具有某种协定的第三方公司所拥有的交通工具(例如，出租车)等。协议还可用于帮助标识“幽灵”代理(即，伪造的用户或虚拟用户)。在其他方面，可由主机发布假特征，以验证其被报告处于其中的区域中是否存在代理。这可包括用于帮助验证代理在该位置处的物理存在的要被拒绝的、故意不存在的“特征”。例如，关于图4，主机服务器可要求代理f、g和j验证公路上关闭的车道是由于无法行驶的交通工具而不是道路施工。或者，在图5中，主机服务器可要求代理a验证道路几何形状为具有停车灯而不是停车标志的四向交叉路口。对于潜在地假冒或恶意的代理，与“事件伪造”的情况类似，可由主机服务器发起进一步的步骤来试图对代理进行验证，并且在由该代理发送的数据被确认为在本质上不可靠的或恶意的情况下将其与网络隔离。
[0085]
在一些方面，设备和方法可进一步被配置成用于为观察到的特征建立置信度边界和度量并且建立对地图的贡献以用于地图完成。可通过将对特征的观察制定为通用的优惠券收集问题来建立针对某个区域中的所有特征的置信度边界。给定个观察到的特征，来自位于区域中的群体中的代理的n
r
个报告，其中每个特征最少m个报告被认为是“可靠地观察到的特征”，并且每个代理报告平均d个所报告的特征，则特征的真实数量的概率可由界定，其中δ为尚未被观察到的特征的某个数量。因此，对于当前数量的观察到的特征，可将所需要的报告的数量的平均的上界表达为对于真实数量的特征，可将该上界表达为类似地，每一者的方差可分别近似地表达为：和
[0086]
因此，通过给出(或δ≠0)的概率。例如，如果区域中存在50个当前观察到的特征其中每个群体用户平均8个所报告的特征(d＝8)并且每个特征最少15个报告被认为是“可靠地观察到的特征”(m＝15)：则对于40个报告(n
r
＝40)或每个特征0.8个交通工具，附加未观察到的特征的概率为9.77％；对于50个报告(n
r
＝50)或每个特征1.0个交通工具，附加未观察到的特征的概率为3.71％；对于60个报告(n
r
＝60)或每个特征1.2个交通工具，附加未观察到的特征的概率为0.30％；并且对于70个报告(n
r
＝70)或每个特征1.4个交通工具，附加未观察到的特征的概率为0.0052％。
[0087]
总而言之，对于增加的用户数量，每个代理的平均带宽可被交换，以保证hd特征地图的完整重建。另外，相比于所需要的用户的平均带宽降低的速率，所需要的附加的用户数量缩放得更慢，得到全局级别下显著的带宽节省(例如，用户数量的1.4倍的增加得到平均所需的带宽的6.25倍的减少，以用于全局带宽的4.4倍的节省)。
[0088]
图8示出根据一些方面的、详述用于交通工具传递其观察到的、与其环境有关的特征以辅助建立用于在交通工具导航控制中使用的地图(即，hd地图、特征地图、hd特征地图等等)的方法的示例性流程图800。
[0089]
该方法可包括：估计竞争可用带宽的其他交通工具的数量，即步骤802；基于其他交通工具的数量以及可用带宽，将与交通工具的环境有关的所存储数据划分成数据的多个子集，其中，该多个子集中的每个子集中相应的数据量小于所存储数据的量，即步骤804；以及从多个子集中选择一个或多个子集以供传输，即步骤806。所存储的数据可包括由一个或多个数据采集设备收集的、与交通工具的环境有关的数据。方法可包括传送所选择的一个或多个子集。
[0090]
图9示出根据一些方面的设备900的示例性内部配置。如图9中所示，设备900可包括处理器902和存储器904。处理器902可以是单个处理器或多个处理器，并且可被配置成用于检取并执行程序代码，以执行如本文中所描述的发射和接收、信道资源分配、以及聚类管理。处理器902可通过软件级连接来发射和接收数据，该数据作为无线的无线电信号由射频装备物理地发射。存储器904可以是非暂态暂态计算机可读介质，存储用于以下各项中的一项或多项的指令：数据收集子例程904a、交通工具数量估计子例程904b、子集划分(即，将所收集数据划分为子集)子例程904c、和/或子集选择子例程904d。
[0091]
数据收集子例程904a、交通工具数量估计子例程904b、子集划分(即，将所收集数据划分为子集)子例程904c、和/或子集选择子例程904d可各自是包括可执行指令的指令集，这些可执行指令在由处理器902检取并执行时，执行本文中所描述的设备和方法(例如，参考图8中所描述的方法和/或本公开的其他部分)的功能。例如，数据收集子例程904a可包括用于存储从一个或多个数据采集设备收集的数据的指令。
[0092]
hd地图可包括覆盖很大程度上保持不变的特征(例如，街道边界、建筑物、或其他结构等)的静态部分(或静态层)、以及覆盖更快速地改变的特征(例如，其他移动的交通工具、事故、障碍等)的动态部分(或动态层)。能以协作式方式来构造hd地图的动态层。这可以允许交通工具获得与其环境有关的更准确且可靠的、接近实时的内容以及情境信息。可在
边缘网络上运行的集中式服务器(例如，属于诸如道路安全性机构或城市、当地、或州机构之类的第三方)处维护hd地图，并且道路动态由交通工具的各种传感器或网络基础设施元件来捕捉和/或检测。动态层的形成涉及交通工具与服务器之间频繁的大数据通信，归因于各种v2i链路或v2v链路，这可能对移动无线电通信网络带来巨大负担。这些频繁的大数据通信可能是例如其中包含详述交通工具的周围环境的数据的递归传输。例如，由于移动无线电通信网络的带宽限制，交通工具可能被限于每距离单位某个量的数据，例如，10kb/km。
[0093]
例如，hd地图的动态层可以根据多种场景来更新，在一些情况下，这可以取决于中央网络覆盖范围。在一种场景中，交通工具可以将地图更新传递至中央服务器，该中央服务器负责频繁地计算更新动态层所要求的改变。在第二场景中，地图更新可以是分散式的，即，一个或多个交通工具可以整理用于更新动态层并将动态层传递至其他交通工具和/或服务器的所有要求的地图更新。
[0094]
在本公开的一些方面，提供了在检测到当前hd地图的修改时减少交通工具与移动无线电通信网络的服务器之间的通信开销的方法和设备。例如，关于上文所描述的利用集中式服务器更新动态层的第一场景，每个交通工具可以使用分布式喷泉码对检测到的与其环境有关的信息的子集进行广播，并且服务器可整理该信息并且随后更新hd地图。在另一示例中，关于所描述的利用分散式方法的第二场景，交通工具中的一个或多个交通工具可以将所要求的改变整理到动态地图，并且随后将经更新的动态地图传递给其他交通工具和/或中央服务器。可使用gossip算法最小化移动无线电通信网络上所要求的通信。方法和设备能够使用经采样的众包方法使用语义地标记的体积地图以高效的方式捕捉其环境内的动态对象并将该信息传播到云和/或其他交通工具上的主机服务器。在一些方面，经采样的众包方法基于分布式喷泉码(例如，该方法可以是类喷泉码的)，以减少网络上从多个观察方到正在更新hd地图的实体(例如，主机服务器、主设备、或分散式网络中的集群头等)的冗余传输。这种方法允许用户之间进行协调，以通过其中每个交通工具基于其他用户的数量、当前可达到的速率等来传送在特征hd地图上检测到的差异的随机子集来优化v2i链路的带宽。
[0095]
另外，在一些方面，方法和设备被配置成用于在多个观察方之间实现分散式协调，以整理针对hd特征地图检测到的改变。可实现主设备或集群头来对分散式网络中的设备进行协调，以克服在完全分散式方法中遇到的开销问题。
[0096]
具有自主能力的交通工具依赖于准确的hd地图来对其自身进行定位并对其环境中的改变进行响应。本文中所公开的方法和设备允许使用在现有移动无线电通信网络基础设施内工作的众包来高效更新hd地图的特征(尤其是在动态层上)。hd地图的基础层可首先通过使用装配有丰富的传感器和检测器集合的专用汽车来形成，或者其可由能够构造对很大程度上是静态的环境(即不变的)的描绘的其他设备和/或交通工具来随时间形成。可以使该基础层可用于自主交通工具和其他网络元件下载和使用。但是，大多数环境(即，无论是道路环境还是其他地形、空中环境、水域环境)都是动态的，并且由于各种原因，必须利用特征对hd地图进行更新，以实时(或接近实时)地准确地反映交通工具的环境。本公开在本文中提供了用于捕获动态特征(例如，交通工具的环境中的新的对象的存在或移除)并以带宽高效的方式将其传播至云和其他交通工具的机制和方案。在一个示例性方面，这些特征可以包括以下各项中任何的至少一项：使用对环境的基于八叉树的3d建模来提供对与基线
或参考hd特征地图相比的新的改变(即
△
)(无论这些新改变是静态层的改变还是动态层的改变)的紧凑且统一的表示；确定所捕获的动态改变是否为持久性的并且对驾驶是危险的；以及与相邻交通工具和/或nie创建自组织网络以确定网络带宽的可用性的量。
[0097]
此外，每个交通工具(或代理)可以基于对象的位置有利位置来确定对象感知的置信度度量(即，置信度得分)，并且交通工具可使用喷泉码算法和所确定的置信度度量来广播(或选择性地传送)体积表示的子集和环境中危险对象的标签(如果可用)。聚合方(可以是nie、主设备或集群头(clusterhead)、云中的主机服务器等)可验证置信度度量以及提供观察到的特征的子集的设备。基于gossip算法的重建随后快速地聚合结果并相应地更新hd特征地图。置信度度量可以基于多个变量，多个变量包括：交通工具与检测到的特征之间的距离、相对于检测到的特征的相对位置，视线(los)/有利位置、传感器和/或检测器装备等。
[0098]
如图1和图2中所示，交通工具可装配有数个检测器和传感器(即，一般来说，数据采集设备)以采集/检测与环境有关的数据并识别环境中的驾驶相关的对象和动态对象(例如，其他交通工具、驾驶路线、道路基础设施、树木、标志、行人、掉落的对象等)。识别结果使得每个交通工具能够建立对其周围环境的准确表示并安全地导航。可根据两种类型的数据对采集到的传感器数据进行分类：范围/深度数据和外观数据。外观数据经历语义分割过程，以识别对象并为其提供适当的语义含义。范围/深度数据输出用于在应用体素化之后构造局部和瞬时体积地图。处理器(例如，诸如图像识别处理器之类的数据采集处理器)将连续的几何图元(即，对象)转换为近似对象形状的、3d空间中的体素阵列。最后，将体积表示和语义含义被融合以形成周围环境的3d体积语义地图。
[0099]
体积地图是相对于交通工具的有利位置及其参照框架来构造的。在汽车中有多个传感器的情况下，该体积地图可以是针对该交通工具的经融合的有利位置。hd地图自身假定了共同的有利位置，并且来自多个观察方(例如，交通工具)的观察需要与该参照系对齐。可将坐标系移动成与两个或更多个不同的观察对齐。这是使用刚体变换来进行的。刚体变换矩阵t
cw
(在下文实处)包含3x3旋转矩阵和3元素平移向量。此转换矩阵描述了如何将位置从一个相机的坐标系转换到另一相机的坐标系：
[0100]
可要求要传递的特征改变的精确位置和体积表示(例如，如图10中所示，障碍物、危险等)。必须考虑的第一个问题是，可能存在多个相机和其他传感器可以从其观察到危险的多个有利位置。由于仅交通工具中的一些交通工具可具有观察线，因此需要在适当的验证过程之后将在多个有利位置处捕获到的信息进行组合。为了将来自两个不同有利位置的观察进行组合，要求用于使两个观察对齐的坐标系。这是使用刚体变换来完成的，并且被称为定位。一般而言，对于不同的交通工具(即观察方)，对hd地图的参照系执行此类对齐是有意义的。
[0101]
在一些示例性方面，使用3d空间的体积地图的基于八叉树的表示来容易地指定δ(即，特征hd图的改变)。八叉树将3d空间递归地划分为8个卦限(octant)，以按需要以更高的粒度显示更多细节(如图10中所示)。基于八叉树表示的hd地图可包括对任意环境的基于
八叉树的3d模型实现方式，该模型是可容易地更新的、灵活的、且紧凑的。它可提供占用空间与空闲空间之间适当的区分。这还允许通过添加由传感器感知到的新信息来扩展hd地图，从而使其对于表示新对象是理想的。它是紧凑的，并且仅对需要传递的八叉树作出改变。可能存在其中标识多个动态对象的情况，并且因此将存在需要被传送的多个子树。
[0102]
八叉树的深度是与可用对象有关的细节层次的函数。由于多个观察观察方的有利位置，不同观察方拥有的细节层次将是不同的，并且因此针对每个相应观察方的八叉树的深度是不同的。根据一些示例性方面，主机服务器可对不同的观察方进行查询以确定与其拥有的、与对象有关的细节层次，并通过使用具有与该层次有关的细节的观察方的子集在服务器上分层地建立树(逐节点地)。作为示例，在图11中，表示新检测到的特征的树的建立将开始于子树t1，并且随后进展到子树t2并且随后是子树t3。总体八叉树的每个子树可与来自(总体)收集到的数据的数据的相应子集相对应，(总体)收集到的数据可与完整的八叉树相对应。例如，t1、t2和t3的任何组合都可被称为多个数据子集，其中t1、t2和t3的每一者都是数据子集。
[0103]
由于给定区域中大量的自主交通工具(例如，道路上的汽车、特定空中空间中的无人机等)，多个交通工具可能从不同的视角观察危险的动态对象，并且所有观察方广播冗余信息(即从其有利位置的八叉树的每个子树)可能是对宝贵的网络带宽资源的浪费。本公开的设备和方法可以通过实现基于喷泉码的技术使给定的附近区域中的多个交通工具(即，竞争可用带宽的数个其他交通工具)能够通过有损或无损无线信道共享部分八叉树(表示动态对象)并在中央位置(例如nie，诸如基站或rsu、主设备或集群头、云中的主机服务器等)处构造整体八叉树来优化网络带宽。喷泉码是无速率擦除码，其中可以取得一些尺寸为n的消息，并将其变换为尺寸为k的、实际上无限数量的经编码的块。给定那些块的任何子集(m)，只要m*k≥尺寸n，就可对原始数据进行重新组装。根据一些方面，提出了喷泉码的变体，其中多个观察方(m)传送对与需要添加到hd地图的动态对象相对应的子树的不同编码。观察方中的每一者可传送其尺寸≥n/m的经编码的分组，其中n为需要被广播的子树的尺寸。该方案的优势是对网络带宽的更优使用以及每个交通工具单独地优化其带宽分配的能力。此外，可能要求对要从不同观察方传送的不同经编码的消息进行网络协调。
[0104]
图10示出根据一些方面的示例性道路环境场景1000。多个交通工具1002
‑
1008可在具有障碍物1020和路边单元(rsu)的道路上行进，该路边单元(rsu)具有移动边缘计算(mec)1010或位于附近的其他nie。在场景中，由于nie(即，rsu 1010)位于附近，因此rsu 1010可扮演协调方和/或数据聚合方的角色。
[0105]
交通工具1002
‑
1008可配置有如关于图1和图2所讨论的rf组件和电路，并且能够分别通过现有的v2i或v2v信道与rsu 1010和其他交通工具进行通信。交通工具1002
‑
1006中的每一者可使用基于八叉树的表示来捕获诸如障碍物1020之类的动态对象的存在。根据一些方面，即使八叉树的内容可能是完全或部分相同的，交通工具1002
‑
1006共享障碍物1020的整个八叉树(即，共享关于障碍物1020检测到的数据的完整集合)。这可能会在网络中引入不必要的传输，从而可能会使可用的网络带宽过载，并且在网络协议要求在传输不成功的情况下要求重传的情况下，如果信道在本质上是有损的，则这种情况甚至会由于重传而进一步加剧。
[0106]
替代地，根据一些方面，方法和设备可实现如示出示例性msc 1200的图12中所描
绘的喷泉码型机制并且其包括以下步骤。
[0107]
nie 1010(rsu、或集中式网络场景中的其他协调nie)可使用基于推送的机制，以在交通工具进入其覆盖范围时向该交通工具中的每一者通知与关于全局参照系和数个经编码的传输(n
v
)(其应当为1202
‑
1206)。在检测到环境中的对象(例如，图10中的障碍物1020)时，每个交通工具1022
‑
1006可创建该对象的基于八叉树的表示并将其自己的表示变换到全局坐标系中。假定每个八叉树级别为一个块，每个交通工具1002
‑
1006通过混合其八叉树表示中存在的数个块来创建n
v
个经编码的分组。随后，在一些方面，交通工具1002
‑
1006中的每一者可在空中传送每个编码块(在1214
‑
1218中)之前启动随机定时器1208
‑
1212。随机定时器可确保观察附近区域内的同一动态对象的交通工具不会竞争(例如，频域和/或时域中的)相同的通信资源。在传送经编码的块(对于交通工具1002为1218，对于交通工具1004为1218，对于交通工具1006为1214)时，每个交通工具还可包括针对该块中呈现的子树中的每个子树的置信度度量(即，置信度得分)。该度量表示交通工具在评估由子树表示的对象(或对象的部分)的存在中有多大置信度。置信度度量可基于多个变量，包括：交通工具与检测到的特征之间的距离、与检测到的特征的相对位置、los/有利位置、传感器和/或检测器装备质量等。
[0108]
例如，考虑：图10中的障碍物1020可以由图11中示出的八叉树表示1100表示，其中t1
‑
t3中的每一者是完整八叉树表示1100的子树。如果在该示例中n
v
被设置为1，则交通工具1002可以以它的经编码消息传送t1xor t2(在1214中)，交通工具1004可以传送t2 xor t3，并且交通工具1006可以传送t3。应当领会，可以传送子树(即，图11中所示的t1
‑
t3中的任何一者)的其他组合，并且纯粹出于说明的目的选择这些子树。在消息1214
‑
1218中，除了传递给nie 1010的子树之外，交通工具中的每一个交通工具可以在这些消息中包括置信度度量。例如，如果交通工具1002在经编码的消息1218中传送t1 xor t2，则它还可以包括{conf(t1),conf(t2)}；如果交通工具1004在经编码的消息1216中传送t2 xor t3，则它还可以包括{conf(t2),conf(t3)}；如果交通工具1006在编码消息1218中传送t3，则它还可以包括{conf(t3)}。这些度量中的每个度量(即conf(t_))表示从相应交通工具的角度来看的相应子树中的每个相应子树的置信度度量。
[0109]
在接收到所有经编码的块之后，在1220中，nie 1010进行解码并重建表示动态对象(例如，障碍物1020)的八叉树。它可利用从交通工具传递的与每个子树相关联的置信度度量，并使用该置信度度量来计算联合/聚合置信度度量。这一点的一个示例可包括采取所有置信度度量中的最小值。如果聚合置信度度量超过定义的阈值，则在1222中，nie 1010可以使用经解码/经重建的八叉树来更新具有特征的hd地图并更新交通工具(包括即将到来的交通工具1008)。
[0110]
如本公开中所描述的联合/聚合置信度度量可计入存在其有利位置、以及对对象的视野可能不完全相同的多个观察方的事实。一些观察方可能有更好的视野，并且因此对与对象相对应的八叉树的(多个)子树的内容具有更高的置信度。相应地，对于接收方，将较高的权重给予具有较高的置信度得分的观察方是有意义的。根据一些方面，分配给每个观察方用以传送动态对象的带宽量可以是其自己的置信度度量的函数。在这种意义上，可以基于置信度度量来缩放经编码消息的尺寸，即，从不同观察方接收到的经编码消息的尺寸将是作为置信度度量的函数的k1、k2、k3
…
。在极端情况下，可能仅存在充当信息的传送方
的一个观察方。而且，可以减少可以以对象的特定细节层次提供信息的观察方的数量，并且仅观察方的该子集将传送与该层次有关的信息。因此，可能需要在每个交通工具处存在不同传送方的集合，并且可能需要相应地调整每个交通工具传送的信息量。或者，在一些方面，可以根据调度方案来传送信息。在多对象场景中，将以不同方式对待每个对象，并且每个子树将具有不同的置信度得分。
[0111]
根据本公开的一些方面，如上文所讨论的喷泉码方法的显式使用将要求确保子树(即，以上示例中的t1
‑
t3)跨来自交通工具(即，以上示例的交通工具1002
‑
1006)的所有经编码传输以某种形式共同存在，以使得数据聚合方/编译器(即，以上示例中的nie 1010)能够进行解码。这可能并非总是如此，因为针对同一对象的不同交通工具八叉树表示可能由于数据采集设备和/或处理器的质量、位置、取向等而不同。因此，计入这些场景的其他机制可包括避免显式的八叉树编码，并且可允许每个交通工具共享八叉树的子集，而不是共享来自相应交通工具中的每一者的、对检测到的特征的整个八叉树表示。
[0112]
在真实网络实现方式中，应领会，毗邻的nie(例如，毗邻的rsu和/或基站)可能相距很远，要求每个nie处置针对涉及多跳无线通信的更大的地理区域的动态地图更新。在此类情况下，nie可处置针对其1跳覆盖范围内的、地理区域的部分的动态地图更新，同时该nie可以为剩余的地理区域选择一个或多个协调方和/或聚合方(其可被成为“(多个)动态地图更新助手”)来协助地图更新。(多个)动态地图更新助手可处置其覆盖范围中的地图更新，并将经聚合的更新发送到nie 1010。
[0113]
在该方法中，交通工具中的每一者可共享其八叉树表示的子集，而不是显式地对其集合中存在的所有子树进行编码。这可能会提供若干优势，这些优势可包括：(i)即使一些子树(或块)不存在，八叉树的部分构造也是可能的；和(ii)由于每个交通工具共享八叉树的子集而不是表示动态对象的整个八叉树，因此数据带宽减少。既可以利用rsu协调的方式也可以利用分散协调的方式来实现该方法。
[0114]
图13示出图示根据一些方面的用于更新hd地图的机制的示例性msc 1300。像本技术中的其他图一样，应领会，图13在本质上是示例性的并且因此出于该解释目的而被简化。msc 1300基于图10中所描绘的示例性场景并使用该场景来讨论构造针对检测到的障碍物1020的八叉树中所要求的步骤。
[0115]
在msc 1300，nie 1010扮演协调方和/或聚合方的角色。nie 1010可以周期性地广播消息1302，该消息1302指示八叉树子集的百分比的范围[x
min
,x
max
]([x
最小
,x
最大
])。取决于对检测对象的置信度水平，这允许每个交通工具共享至少其八叉树子集的x
min
百分比并且直到其八叉树子集的x
max
百分比。最小报告百分比确保从各个有利位置收集子树，并且最大报告百分比可以帮助从具有更高置信度的交通工具得到更多子集。除了本公开中所讨论的其他信息(例如，参考坐标)之外，nia 1010还可任选地在广播消息中包括所要求的来自每个交通工具的数量。
[0116]
每个交通工具接收并存储由nie 1010在1302中广播的八叉树子集的百分比范围[x
min
,x
max
]。在检测到动态对象之后，交通工具v
i
计算其相应的百分比x
vi
＝f(x
min
,x
max
,置信度得分
vi
)，其中x
min
≤x
vi
≤x
max
。出于该解释目的，假定针对交通工具1002
‑
1006所计算的百分比分别为67％、33％和33％，其中交通工具1002更靠近于对象并且因此对检测障碍物具有更高的置信度得分。
[0117]
每个交通工具1002
‑
1006可在开始其传输1310
‑
1314之前使用随机定时器1304
‑
1308，以避免与感测同一动态对象的相邻交通工具冲突。一旦定时器被激活，则交通工具v
i
将其八叉树(其变换为数个子树)的x
vi
百分比与针对每个子树的置信度得分一起发送。在msc 1300，在1310
‑
1314中，交通工具1002、1004和1006分别发送出{t1,t2}、{t3}和{t3}及其相关联的置信度得分。
[0118]
当nie 1010接收到与特定对象(或位置)相对应的第一子树集合时，例如在1310b，该nie 1010启动定时器1320以等待接收来自所有各方的或预配置数量的子树。如果定时器在接收到来自那些交通工具的子树之前到期(由于交通工具移出范围或无线信道上的分组丢失)，则nie 1010将基于接收到的子树来构造八叉树，这可能会得到表示部分/碎片对象的八叉树。nie 1010还可以要求特定交通工具进行重传，以取出缺失的子树(如果存在)。
[0119]
最后，nie 1010基于接收到的(如在章节b.2中所讨论的)置信度得分来计算针对所重构的八叉树的联合置信度得分。如果联合置信度得分超过用户定义的阈值，则nie 1010使用所重构的八叉树来更新hd地图(即，步骤1322)，并将更新推送到交通工具1002
‑
1006和即将到来的交通工具1008。
[0120]
在一些情况下，附近区域可能不存在nie(例如，对于汽车而言，在具有低网络覆盖或不具有网络覆盖的区域中)来提供用于对交通工具观察进行收集从而更新hd地图的集中式网络。为了计入此类场景，多个分散式网络方案被包括以提供准确且实时的高清hd特征建图以在自主驾驶系统中使用。在这些方案中的一些方案中，一旦nie是可访问的，则附近区域中交通工具中的一个交通工具可负责协调更新工作并更新服务器/云。
[0121]
这些分散式方案中的第一分散式方案可包括基于gossip网络框架的机制。基于gossip的网络是一种用于大规模分布式系统的通信协议。gossip协议涉及随机节点对(即，代理对/交通工具对)集合之间的周期性消息交换。最终，这引起信息类似于人类闲聊一样在整个系统中散播。gossip协议在自组织网络中非常好地应对，诸如遇到对具有节点搅动(node churning)的交通工具(即交通工具从自组织网络移动离开和交通工具加入自组织网络)的随机收集所遇到的那些自组织网络。通过利用交通工具之间的v2v通信，可以使用gossip启发的协议来联合地使基础设施带宽和功能估计误差最小化。每一用户针对特征的估计误差(ε)(或用于更新特征的估计误差)所需的对等消息的平均数量可以用以下公式表示：其中，r2是感兴趣地理区域的面积，r是用户的最大通信范围的半径，n是感兴趣区域中用户的数量，并且p
tavg
∈[0,1]是对所有用户之间的平均信任水平的测量。例如，在500m乘500m的感兴趣区域(r＝500)中，其中最大通信距离为50m(r＝50)，200个用户(n＝200)，并且平均信任为0.8(p
tavg
＝0.8)，则仅需要约每个用户1.25个消息来实现<1％的误差率，并且约每个用户1.9个消息来实现<0.1％的误差率。
[0122]
在一些方面，提供了一种基于gossip协议和网络内计算技术的组合的分散式方案来更新hd地图上的特征。每个交通工具/代理可以利用其计算能力来实现将接收到的八叉
树子集变换在自己的坐标系中的网络内功能，随后可以将八叉树子集与其自己的或先前接收到的子集合并，并且最后计算联合置信度得分。
[0123]
图14示出示出用于根据一些方面基于gossip协议在分散式网络中更新特征地图(即，hd特征地图、hd地图)的方法的示例性msc 1400。
[0124]
每个交通工具可依赖于周期性的v2x广播安全性消息(bsm)或周期性的邻居发现消息来对在其附近区域内存在多少辆交通工具(即，代理或节点)进行计数。交通工具v
i
可具有预先配置的百分比数x
vi
来指示其可以与相邻代理共享的八叉树子集的得分。交通工具v
i
还可具有概率p
vigossip
来确定其与邻居进行闲聊的有多大可能性。可以基于数个属性来选择概率p
vigossip
，这些属性例如：(i)经由邻居发现过程计算出的邻域中的节点密度、(ii)对检测对象的置信度得分、(iii)与相邻节点的平均链路之类、(iv)计算能力、(v)与期望区域边界的靠近程度等。例如，在具有高密度区域中，更少的交通工具可能闲聊，但是具有更高的计算能力、更高置信度得分、以及与邻居的更好的链路质量的交通工具将更容易发生闲聊。
[0125]
在检测到动态对象(例如，障碍物、另一交通工具等)之后，交通工具v
i
基于其所计算的p
vigossip
来确定其是否需要进行广播。如果需要，则该交通工具选择x
vi
百分比的八叉树子集并进行广播。消息可包括(多个)八叉树子集、(多个)相关联的置信度得分、包含闲聊的期望区域。
[0126]
在接收到八叉树之后，交通工具使用网络内计算能力将接收到的子集与已经存储的八叉树进行合并。交通工具还计算并更新针对新接收到的(多个)子集的(多个)置信度得分。最后，每个交通工具可将新的八叉树(子集)与相关联的经更新的置信度得分合并在一起并对其进行存储。这可针对多个闲聊轮次继续，其中每个交通工具基于其经更新的八叉树子集加上置信度得分再次重新计算其闲聊概率。
[0127]
msc 1400示出了示例性的消息交换以及网络内基于交通工具的计算，图示出以上原理。图10中示出的场景被用作msc 1400的基础；然而，在该情况下，不存在可访问的nie 1010。另外，出于简化说明的目的，假定x
vi
＝67％并且p
vigossip
＝1。
[0128]
在1402中，交通工具1002可基于检测到的对象的八叉树子集的百分比和对应的置信度得分来广播其子树。交通工具1004
‑
1006可接收广播，并且基于从交通工具1402广播的消息1402(分别地)执行网络内计算1404
‑
1406。交通工具1004
‑
1006中的每一者可以将子树(或其部分)合并到其自己的子树中，以用于对一个或多个检测到的对象进行更完整的八叉树表示。在1410中，交通工具1004随后可广播其自己的子树，这可部分地以基于在1404中执行的计算的其经更新的子树为基础。此时，其他交通工具1002、1006和1008可以接收此广播，并且基于来自1004的广播以及这些交通工具1002、1006和1008自己相应的子树集合来执行网络内计算1412
‑
1416，以更新描绘其自己的相应环境(包括任何潜在的新动态对象)的表示的八叉树集合。可执行从交通工具到其他交通工具的一个或多个类似的广播轮次，随后是由每个接收交通工具执行的网络内计算以更新其子树，例如，如1420和1422
‑
1426中所示。
[0129]
上文所示的基于gossip的信息交换的后果中的一个可能是更长的消息递送等待时间。为了在分散式网络中计入该后果，可替代地遵循替代的基于集群的协议。应领会，取决于特定场景，一种协议比另一种更有利(即，基于gossip的协议相对于基于集群的协议)。
例如，在高代理密度的区域中，基于gossip的方案可提供更好的结果。
[0130]
在一些方面，本公开的设备和方法可采用基于集群的方法，其中将可配置地理区域内的一个交通工具指定为协调方/聚合方/共识检查器，即“主设备”或“集群头”。该交通工具将收集信息，聚合信息，基于共识算法来分派联合置信度得分，并且还与附近的集群头进行通信以传播信息。
[0131]
集中式方式的协调方和/或聚合方(诸如nie)的存在在集中减少通信开销、改善收集时间、保持对交通工具的信任得分的跟踪方面具有超过完全分散式的动态hd地图收集方法的显著优势。然而，由于一个或多个原因，例如由于成本、给定区域的低网络参与度等，对具有大的覆盖区域面积的基础设施的部署可能是不实际的。相应地，基于集群的架构可以提供基于基础设施的网络的优势中的大多数，而不需要物理nie或者在nie不存在的情况下。集群以分布式的方式形成分层的网络结构。
[0132]
根据一些方面，集群化机制提供用于确定集群成员资格的若干标准。这些标准可包括：节点到集群头的接近度、成员代理/节点感兴趣的内容的类别或分类、节点的地理位置、性能特性、移动性特性、所访问的内容的敏感度、节点的物理或法律所有权(实际的标准可能是开放式的)等等。建立成员资格可涉及注册步骤，其中相关标准被建立(诸如，通过装载、证实、或挑战
‑
响应协议)，并且其中发布包含成员资格名称和状态的凭证、令牌、或证书。在一些方面，可使用群组密钥来建立成员资格。替代地，成员资格可被添加到以其他方式单独地标识代理(例如，交通工具)的证书或令牌。
[0133]
群集成员节点可通过使用证书或组群组签名或媒体访问控制(mac)密钥对分组进行认证来作为成员参与集群。另一个选项涉及使用分组字段中、伴随分组的令牌值，该令牌值由可以作为可以是集群头或其他类似节点的分组管理器来签名。
[0134]
在一些方面，成为集群头可能是可以被授予群集成员节点的附加角色或特权。现有集群成员可被授权管理集群成员的添加和/或删除。集群成员资格管理可以是可使用上文所描述的机制授予证书或令牌的另一角色。最初可建立公知的成员资格管理以开始分散式网络的部署。负责成员资格管理的节点(例如，集群头)可以通过委派等等来授权第二成员资格管理节点，直到存在足够的成员资格管理节点来容纳网络。成员资格管理节点还可授予如本文中所描述的集群头特权。集群成员资格管理节点可在性能和便利性激发或要求其时兼用作集群头节点。
[0135]
在包括多个集群头节点和成员资格社区的复杂网络中，可通过将节点登记到多个群集中作为第一类成员来授权群集间交互。节点可通过多次签名(利用与要穿行的预期群集关联的密钥)或通过在由公共信任机构签名的证书或令牌中列出多个群集成员资格来确保分组可以穿行多个群集。群集头可通过编写识别对等群集并且其中验证逻辑允许节点被认证为对等节点的策略来允许来自对等群集的节点。集群策略还可允许匿名节点，匿名节点可避免不必要的签名检查。一般而言，可采用任何数量的用于处置集群网络中的安全性的技术。
[0136]
在一些方面，集群头可以充当协调方和/或聚合方的角色，以使集群成员起作用并且实际上像本公开的其他方面中所描述的(例如，如在图10、图12
‑
图13中所解释的)nie一样起作用。此外，集群头可以建立集群间协调，以通过将协调扩展到更大的地理区域来进一步优化动态地图收集的效率。例如，接近的(即，彼此靠近的，例如彼此相邻的)集群头可以
彼此通信以进行集群间协调。在一些情况下，其中两个相邻集群的集群头无法通过直接通信到达彼此，集群头将其集群中的一个或多个集群成员(例如，最接近于相邻集群的集群成员)指定为网关成员(gm)以启用群集间协调。集群头还有助于通过集群头间通信将地图更新发送到nie或云。
[0137]
在一些方面，为了形成集群，节点(即，交通工具或代理)之间的消息可以包括对节点的收集进行聚集和/或协调所要求的计算能力作为与其他因素(诸如通信容量、位置、可到达的邻居的数量等)一起的附加因素，作为在群集形成和维护过程中应被用于选择集群头的标准。例如，具有更高计算能力和/或资源的节点可能有更高的可能性被选择为集群头。其他关键的性能指标(kpi)(诸如在所有移动性模型下较短的集群形成时间、较长的集群头寿命和较长的集群成员停留时间(即，较低的节点重新隶属率))也可以视为获得稳定的集群化。
[0138]
例如，集群形成过程可包括至少两个步骤。第一步骤可以针对初始集群化，该初始集群化专注于用于立即发起收集的更快的集群形成，第二步骤可以专注于针对多个kpi(诸如集群头寿命、集群头的计算能力等)优化集群头选择。在最初的第一步骤之后，这两个步骤中的第二步骤可能频繁发生。一旦集群头被选择，它们就可以开始充当与本文中所描述的集中式网络方法中描述的nie的角色类似的角色。
[0139]
用于群集化的第一步骤可包括：交通工具(首先到达或需要初始化/加入集群)在最短指定时间内监听和/或监视接近区域中任何现有的发现信号(诸如，同步、信标、“你好”消息等等)。该时间应大于发现信号(诸如，同步、信标、“你好”消息)的周期。如果存在发现信号，则交通工具可加入现有集群，这可能包括同步、初始访问、获得标识(id)等。如果不存在发现信号，则交通工具可假定集群头角色并开始传送发现信号。
[0140]
一旦初始集群被创建，则第二步骤被执行。初始集群头收集并协调，以评估来自其集群的集群成员的最佳集群头候选。如果最佳集群头候选被确定为另一集群成员，则初始集群头执行其集群头角色到所选择的最佳集群头候选的移交。
[0141]
图15示出可根据上文所描述的方法形成的示例性基于集群的网络1500。交通工具集群1510
‑
1580中的每一者具有其自己的集群头(ch)，该集群头可根据上文所描述的方式中的一种方式来选择。在一些情况下，对于集群1570
‑
1580而言，同一交通工具可被选择为两个集群的集群头。这可进一步促进集群之间的信息共享。
[0142]
图16示出根据一些方面的、详述用于交通工具传递其观察到的、与其环境有关的特征以辅助建立用于在交通工具导航控制中使用的地图(即，hd地图、特征地图、hd特征地图等等)的方法的示例性流程图1600。应领会，出于此种解释的目的，可对流程图1600进行简化。
[0143]
流程图1600的方法可包括：接收来自另一设备的通信，其中通信包括针对由另一设备覆盖的区域的全局参考坐标系以及要从交通工具发送的所允许的传输的数量，即步骤1602；基于全局参考坐标系对与交通工具的环境有关的所存储数据进行变换，即步骤1604；将经变换的所存储的数据划分为数据的多个子集，即步骤1606；以及根据所允许的传输的数量从多个子集选择数据的一个或多个子集以供传输，即步骤1608。方法可进一步包括：收集与交通工具的环境有关的数据以存储为所存储的数据；以及根据所允许传输的数量来传送一个或多个所选择的子集。数据的收集可与从交通工具的角度来看由交通工具的(多个)
数据采集设备采集的数据的八叉树表示相对应。数据的每个相应的子集可与本文中例如关于图11
‑
图14所描述的子树相对应。全局参考坐标系可基于诸如gps之类的地理坐标系，并且可用于定义对象(包括交通工具)相对于彼此的空间布置。
[0144]
图17示出根据一些方面的描述用于在分散式网络内更新地图的基于gossip协议的方法的示例性流程图1700。应领会，出于此种解释的目的，可对流程图1700进行简化。
[0145]
流程图1700的方法可包括：将与交通工具的环境有关的所存储数据划分为数据的多个子集，其中该多个子集中的每个子集中的相应的数据量少于所收集数据，即步骤1702；确定针对数据的多个子集中的每个子集的置信度度量，即步骤1704；以及从数据的多个子集选择一个或多个子集并选择其对应的置信度度量以供传输，即步骤1706。方法可进一步包括：交通工具收集与交通工具的环境有关的数据并将其存储为所存储的数据；以及交通工具传递所选择的一个或多个子集以及针对所选择的一个或多个子集中的每一个的对应置信度度量。数据的收集可与从交通工具的角度来看由交通工具的(多个)数据采集设备采集的数据的八叉树表示相对应，其中数据的每个相应子集可与本文中例如关于图11
‑
图14描述的子树相对应。
[0146]
图18示出描述根据一些方面的用于在分散式网络内更新地图的基于集群的方法的示例性流程图1800。应领会，出于此种解释的目的，可对流程图1800进行简化。
[0147]
流程图1800的方法可包括：接收来自集群头的通信，其中通信包括针对由该集群头覆盖的区域的全局参考坐标系、以及要从交通工具发送的所允许传输的数量，即步骤1802；基于全局参考坐标系对与交通工具的环境有关的所存储的数据进行变换，即步骤1804；将经变换的所存储的数据划分为数据的多个子集，即步骤1806；以及根据到交通工具群组中的至少一个其他交通工具的所允许的传输的数量从多个子集选择数据的一个或多个子集以供传输，即步骤1808。方法可进一步包括：交通工具收集与该交通工具的环境有关的数据并将其存储为所存储的数据；以及交通工具将一个或多个子集传送至至少一个其他交通工具。数据的收集可与从交通工具的角度来看由交通工具的(多个)数据采集设备采集的数据的八叉树表示对应，其中数据的每个相应子集可与本文中例如关于图11
‑
图14描述的子树相对应。
[0148]
图19示出根据一些方面的设备1900的示例性内部配置。如图19中所示，设备1900可包括处理器1902和存储器1904。处理器1902可以是单个处理器或多个处理器，并且可被配置成用于检取并执行程序代码，以执行如本文中所描述的发射和接收、信道资源分配、以及集群管理。处理器1902可通过软件级连接来发射和接收数据，该数据作为无线的无线电信号由射频装备物理地发射。存储器可以是非暂态计算机可读介质，存储用于以下各项中的一项或多项的指令：在1904a，用于执行根据流程图1600的方法的子例程；在子例程1904b中，用于执行根据流程图1700的方法的子例程；和/或在子例程1904c中，用于执行根据流程图1800的方法的子例程。此外，子例程1904a
‑
1904c中的每个子例程可包括用于实现本文中所描述的方法中的任何方法的附加指令。
[0149]
在下文中，将对本公开的各个方面进行说明：
[0150]
在示例1中，一种用于交通工具传递与其有关的特征的方法，该方法包括：估计竞争可用带宽的其他交通工具的数量；基于该其他交通工具的数量和可用带宽，将与交通工具的环境有关的所存储数据划分成数据的多个子集，其中，多个子集中的每个子集中的相
应的数据量小于所存储的数据的量；从多个子集选择数据的一个或多个子集；以及传送一个或多个所选择的子集。与交通工具的环境有关的所存储的数据可从该交通工具的一个或多个数据采集设备收集。方法可进一步包括传送一个或多个所选择的子集。
[0151]
在示例2中，示例1的主题可包括：一个或多个所选择的子集提供用于在交通工具导航控制中使用的地图的构造和/或更新。
[0152]
在示例3中，示例1
‑
2的主题可包括：所存储数据包括从交通工具的数据采集设备中的一个或多个数据采集设备收集的数据。
[0153]
在示例4中，示例3的主题可包括：交通工具的数据采集设备包括图像采集设备、接近度检测器、或声学传感器中的一者或多者。
[0154]
在示例5中，示例4的主题可包括：一个或多个图像采集设备包括相机或电荷耦合器件中的至少一者。
[0155]
在示例6中，示例4
‑
5的主题可包括：一个或多个接近度检测器包括雷达传感器、光检测和测距(lidar)传感器、或毫米波雷达传感器中的至少一者。
[0156]
在示例7中，示例4
‑
6的主题可包括：一个或多个声学传感器包括麦克风、声纳传感器、或超声传感器中的至少一者。
[0157]
在示例8中，示例1
‑
7的主题可包括：利用元数据来标记所存储的数据。元数据可包括时间元数据或位置元数据中的至少一者。
[0158]
在示例9中，示例8的主题可包括：时间元数据包括时间戳。
[0159]
在示例10中，示例8
‑
9的主题可包括：位置元数据包括gnss或gps坐标。
[0160]
在示例11中，示例1
‑
10的主题可包括：估计竞争可用带宽的交通工具的数量是在交通工具周围的区域中。该区域可由其中交通工具可执行与其他交通工具(例如，其他交通工具，nie)的rf通信的范围来限定，或者由nie覆盖区域限定。
[0161]
在示例12中，示例1
‑
11的主题可包括：估计其他交通工具的数量是被动地或主动地执行的。
[0162]
在示例13中，示例1
‑
11的主题可包括，估计其他交通工具的数量包括：向网络基础设施元件传送查询，并且接收具有用于估计竞争可用带宽的其他交通工具的数量的信息的响应。这可包括nie的覆盖区域中交通工具的总数量的数字值或范围。
[0163]
在示例14中，示例1
‑
11的主题可包括，估计其他交通工具的数量包括：向其他交通工具中的至少一个其他交通工具传送查询，并且接收具有用于估计竞争可用带宽的其他交通工具的数量的信息的响应。这可包括nie的覆盖区域中交通工具的总数量的数字值或范围。
[0164]
在示例15中，示例1
‑
11的主题可包括，估计其他交通工具的数量包括：基于以下各项中的至少一项来估计其他交通工具的数量：令牌、节点区域密度、通信信道状态、或者与所述交通工具的环境有关的所收集数据。例如，交通工具信道状态可以是干扰水平。
[0165]
在示例16中，示例1
‑
15的主题可包括：确定可用带宽基于由交通工具使用的rat、和/或交通工具位于其中的区域。
[0166]
在示例17中，示例1
‑
16的主题可包括：对一个或多个子集的选择是随机的。
[0167]
在示例18中，示例1
‑
17的主题可包括：根据特征的类型对所存储的数据进行排名。
[0168]
在示例19中，示例18的主题可包括：增加选择包括排名较高的所标识的特征的一
个或多个子集来用于传输的可能性。
[0169]
在示例20中，示例1
‑
19的主题可包括：基于元数据对所收集的数据进行排名。
[0170]
在示例21中，一种用于认证由交通工具报告的特征的方法，该方法包括：从网络接收区域的地图，该地图具有与该地图上的每个特征和/或受信任用户的列表相对应的置信度权重；在交通工具进入该区域时，进行检查以查看交通工具是否在受信任用户列表上；以及检查从交通工具报告的特征并将特征与区域的地图进行匹配。针对交通工具的用户信任得分基于从交通工具报告的特征以及与特征相对应的置信度权重。区域可以是nie的覆盖区域。
[0171]
在示例22中，示例21的主题可包括：基于交通工具不再受信任用户的列表上，通过对从该交通工具报告的特征执行多个检查来建立针对该交通工具的用户信任得分。
[0172]
在示例23中，示例22的主题可包括将用户信任得分与阈值进行比较。
[0173]
在示例24中，示例23的主题可包括：基于用户信任得分大于阈值，将交通工具添加到受信任用户的列表。
[0174]
在示例25中，示例23的主题可包括：基于用户信任得分小于阈值，将交通工具标记为不受信任的用户。
[0175]
在示例26中，如示例21
‑
25的主题可包括：利用从第二交通工具报告的那些特征来检查从交通工具报告的特征。
[0176]
在示例27中，示例26的主题可包括：第二交通工具在受信任用户的列表上。
[0177]
在示例28中，示例26所述的主题可包括：来自交通工具和第二交通工具中的每一者的用户信任得分用于检查相应的所报告的特征。
[0178]
在示例29中，示例21
‑
28的主题可包括，对特征的检查由网络基础设施元件执行。
[0179]
在示例30中，一种或多种非暂态计算机可读介质，其上包括可编程指令，这些可编程指令在由设备的一个或多个处理器执行时使得该设备执行如示例1
‑
29中任一项所述的方法。
[0180]
在示例31中，一种用于交通工具传递与其环境有关的特征的通信设备，该通信设备包括一个或多个处理器，该一个或多个处理器被配置成用于：估计竞争可用带宽的其他交通工具的数量；基于该其他交通工具的数量和可用带宽，将与交通工具的环境有关的所存储的数据划分成数据的多个子集，其中，多个子集中的每个子集中的相应的数据量小于所存储的数据的量；以及从多个子集选择数据的一个或多个子集以供传输。一个或多个处理器可被配置成用于：在与交通工具的环境有关的数据从一个或多个数据采集设备被收集之后存储该数据。一个或多个处理器可耦合至被配置成用于传送一个或多个所选择的子集的rf收发器。
[0181]
在示例32中，示例31的主题可包括：一个或多个所选择的子集提供用于在交通工具导航控制中使用的地图的构造和/或更新。
[0182]
在示例33中，如示例31
‑
32所述的主题可包括，所存储数据包括从交通工具的数据采集设备中的一个或多个数据采集设备收集的数据。
[0183]
在示例34中，示例33的主题可包括：交通工具的一个或多个数据采集设备包括图像采集设备、接近度检测器、或声学传感器中的一者或多者。
[0184]
在示例35中，示例34的主题可包括：一个或多个图像采集设备包括相机或电荷耦
合器件中的至少一者。
[0185]
在示例36中，示例34
‑
35的主题可包括：一个或多个接近度检测器包括雷达传感器、光检测和测距(lidar)传感器、或毫米波雷达传感器中的至少一者。
[0186]
在示例37中，示例34
‑
36的主题可包括：一个或多个声学传感器包括话筒、声纳传感器、或超声传感器中的至少一者。
[0187]
在示例38中，示例31
‑
37的主题可包括，一个或多个处理器被配置成用于利用元数据来标记所存储的数据。元数据可包括时间元数据或位置元数据中的至少一者。
[0188]
在示例39中，示例38的主题可包括：时间元数据包括时间戳。
[0189]
在示例40中，示例38
‑
39的主题可包括：位置元数据包括gnss或gps坐标。
[0190]
在示例41中，示例31
‑
40的主题可包括：估计交通工具的数量是在交通工具周围的区域中。该区域可由其中交通工具可执行与其他交通工具的rf通信的范围来限定，或者由nie覆盖区域限定。
[0191]
在示例42中，示例31
‑
41的主题可包括：估计其他交通工具的数量包括被动地或主动地估计其他交通工具的数量。
[0192]
在示例43中，示例31
‑
41的主题可包括，估计其他交通工具的数量：向网络基础设施元件传送查询，并且接收具有用于估计竞争可用带宽的其他交通工具的数量的信息的响应。
[0193]
在示例44中，示例31
‑
41的主题可包括，估计其他交通工具的数量：向其他交通工具中的至少一个其他交通工具传送查询，并且接收具有用于估计竞争可用带宽的其他交通工具的数量的信息的响应。
[0194]
在示例45中，示例31
‑
41的主题可包括，估计其他交通工具的数量包括：基于以下各项中的至少一项来估计其他交通工具的数量：令牌、节点区域密度、通信信道状态、或者与所述交通工具的环境有关的所收集的数据。
[0195]
在示例46中，如示例31
‑
45的主题可包括：确定可用带宽基于由交通工具使用的rat、和/或交通工具位于其中的区域。
[0196]
在示例47中，示例31
‑
46的主题可包括：对一个或多个子集的选择是随机的。
[0197]
在示例48中，示例31
‑
47的主题可包括，一个或多个处理器进一步被配置成用于：根据特征的所标识的类型对所存储数据进行排名。
[0198]
在示例49中，示例48的主题可包括：一个或多个处理器进一步被配置成用于增加选择包括所收集数据的排名较高的特征的一个或多个子集用来传输的可能性。
[0199]
在示例50中，示例31
‑
49的主题可包括，一个或多个处理器被配置成用于基于元数据来对所存储的数据进行排名。
[0200]
在示例51中，一种通信设备包括用于以下操作的装置：估计竞争可用带宽的其他交通工具的数量；基于其他交通工具的数量以及可用带宽，将与交通工具的环境有关的所存储的数据划分成数据的多个子集，其中，该多个子集中的每个子集中的相应的数据量小于所存储数据的量；从多个子集中选择数据的一个或多个子集以供传输。通信设备可进一步包括用于收集与交通工具的环境有关的数据以及用于传送一个或多个所选择的子集的装置。
[0201]
在示例52中，一种系统，该系统包括根据示例31
‑
51中任一项所述的一个或多个设
备，该系统被配置成用于实现根据示例1
‑
29中任一项所述的方法。
[0202]
在示例53中，一种用于交通工具传递与其环境有关的特征的方法，该方法包括：接收来自另一设备的通信，其中通信包括针对由另一设备覆盖的区域的全局参考坐标系以及要从交通工具发送的所允许传输的数量；基于全局参考坐标系对与交通工具的环境有关的所存储数据进行变换；将经变换的所存储数据划分为数据的多个子集；以及根据所允许的传输从多个子集选择数据的一个或多个子集以供传输。方法还可包括收集与交通工具的环境有关的数据以及将该数据存储为所存储的数据。方法可进一步包括根据所允许的传输的数量来传送一个或多个所选择的子集。
[0203]
在示例54中，示例53的主题可包括：一个或多个所选择的子集提供用于在交通工具导航控制中使用的地图的构造和/或更新。
[0204]
在示例55中，示例53
‑
54可包括：在接收到来自另一设备的通信时启动随机持续时间的定时器。
[0205]
在示例56中，示例55的主题可包括：在定时器到期时，根据所允许的传输的数量来传送一个或多个所选择的子集。
[0206]
在示例57中，示例53
‑
56可包括：确定针对数据的多个子集中的每个子集的置信度度量。
[0207]
在示例58中，示例57的主题可包括置信度度量基于以下各项中的一项或多项：交通工具与同来自数据的多个子集的数据的相应子集相对应的检测到的特征之间的距离、与检测到的特征的相对位置、到检测到的特征的los或有利位置、和/或报告特征的传感器和/或检测器的等级。
[0208]
在示例59中，示例57
‑
58可包括：将针对数据的相应子集的置信度度量与对一个或多个所选择的子集的传输包括在一起。
[0209]
在示例60中，示例53
‑
59可包括：从另一设备接收包括在根据所允许的传输的数量对一个或多个所选择的子集进行传送时的数据的范围。
[0210]
在示例61中，示例60的主题可包括：范围包括大于所收集的数据的0％的最小值、以及小于所收集的数据的100％的最大值。
[0211]
在示例62中，53
‑
61示例53的主题可包括：另一设备从包括交通工具的多个交通工具中接收一个或多个所选择的子集，并更新用于在交通工具导航控制中使用的地图。
[0212]
在示例63中，示例62的主题可包括：另一设备基于其对确定对地图的更新的对应的置信度度量来向一个或多个所选择的子集分配权重。
[0213]
在示例64中，62
‑
63示例53的主题可包括：另一设备将经更新的地图传递至一个或多个交通工具。
[0214]
在示例65中，示例53
‑
64的主题可包括，另一设备是网络基础设施元件。
[0215]
在示例66中，示例53
‑
64的主题可包括，另一设备是另一交通工具。
[0216]
在示例67中，一种用于交通工具将与其环境有关的特征传递至一个或多个相邻的交通工具的方法，该方法包括：将与交通工具的环境有关的所存储的数据划分为数据的多个子集，其中该多个子集中的每个子集中的数据量小于所存储数据的量；确定针对数据的多个子集中的每个子集的置信度度量；以及从数据的多个子集中选择一个或多个子集并选择对应的置信度度量以供传输。方法可进一步包括：收集与交通工具的环境有关的数据并
将其存储为所存储的数据；以及传递一个或多个所选择的子集及其对应的置信度度量。
[0217]
在示例68中，示例67的主题可包括：从一个或多个相邻的交通工具中接收数据的一个或多个子集以及对应的置信度度量。
[0218]
在示例69中，示例68的主题可包括：基于交通工具自己的所收集数据、以及从一个或多个相邻的交通工具接收的数据的一个或多个子集和对应的置信度度量来更新地图。
[0219]
在示例70中，一种用于交通工具与包括集群头的交通工具群组传递与其环境有关的特征的方法，该方法包括：接收来自集群头的通信，其中通信包括提出由另一设备覆盖的区域的全局参考坐标系、以及要从交通工具发送的所允许传输的数量；基于全局参考坐标系对与交通工具的环境有关的所存储数据进行变换；将经变换的所存储数据划分为数据的多个子集；以及从多个子集选择数据的一个或多个子集以供传输。方法可进一步包括：收集与交通工具的环境有关的数据并将其存储为所存储数据；以及传递一个或多个所选择的子集及其对应的置信度度量。
[0220]
在示例71中，示例70的主题可包括：交通工具集群的集群头被配置成用于与群组外部的实体进行通信，这些实体包括另一群组的至少另一集群头、或网络基础设施元件中的一者或多者。
[0221]
在示例72中，一种或多种非暂态计算机可读介质，其上包括可编程指令，这些可编程指令在由设备的一个或多个处理器执行时使得该设备执行如示例53
‑
71所述的方法中的任一项。
[0222]
在示例73中，一种用于交通工具传递与其环境有关的特征的通信设备，该通信设备包括一个或多个处理器，该一个或多个处理器被配置成用于：接收来自另一设备的通信，其中通信包括针对由另一设备覆盖的区域的全局参考坐标系、以及要从交通工具发送的所允许传输的数量；基于全局参考坐标系对与交通工具的环境有关的所存储数据进行变换；将经变换的所存储数据划分为数据的多个子集；以及从多个子集选择数据的一个或多个子集以供传输。通信设备还可包括用于采集与交通工具的环境有关的数据的组件，例如，一个或多个数据采集设备。一个或多个处理器可经由交通工具的rf收发器来接收来自另一设备的通信。通信设备可进一步经由rf收发器和交通工具的天线根据所允许的传输的数量传送一个或多个所选择的子集。
[0223]
在示例74中，示例73的主题可包括：一个或多个所选择的子集提供用于在交通工具导航控制中使用的地图的构造和/或更新。
[0224]
在示例75中，示例73
‑
74可包括：一个或多个处理器进一步被配置成用于在接收到来自另一设备的通信时启动随机持续时间的定时器。
[0225]
在示例76中，示例75的主题可包括，一个或多个处理器进一步被配置成用于在定时器期满时，根据所允许的传输的数量来传送一个或多个所选择的子集。
[0226]
在示例77中，示例73
‑
76可包括，一个或多个处理器进一步被配置成用于：确定针对数据的多个子集中的每个子集的置信度度量。
[0227]
在示例78中，示例77的主题可包括置信度度量基于以下各项中的一项或多项：交通工具与同来自数据的多个子集的数据的相应子集相对应的检测到的特征之间的距离、与检测到的特征的相对位置、到检测到的特征的los或有利位置、和/或报告特征的传感器和/或检测器的等级。
[0228]
在示例79中，示例77
‑
78可包括，一个或多个处理器进一步被配置成用于：将针对数据的相应的子集的置信度度量与对一个或多个所选择的子集的传送包括在一起。
[0229]
在示例80中，示例73
‑
79的主题可包括，一个或多个处理器进一步被配置成用于：从另一设备接收包括在根据所允许的传输的数量对一个或多个所选择的子集进行传送时的数据的范围。
[0230]
在示例81中，示例80的主题可包括：范围包括大于所收集数据的0％的最小值以及小于所收集数据的100％的最大值。
[0231]
在示例82中，73
‑
81示例53的主题可包括：另一设备从包括交通工具的多个交通工具中接收一个或多个所选择的子集，并更新用于在交通工具导航控制中使用的地图。
[0232]
在示例83中，示例82的主题可包括：另一设备基于其对确定对地图的更新的对应置信度度量来向一个或多个所选择的子集分配权重。
[0233]
在示例84中，82
‑
83示例53的主题可包括：另一设备将经更新的地图传递至一个或多个交通工具。
[0234]
在示例85中，示例73
‑
84的主题可包括，另一设备是网络基础设施元件。
[0235]
在示例86中，示例73
‑
84的主题可包括，另一设备是另一交通工具。
[0236]
在示例87中，一种用于交通工具将与其环境有关的特征传递至一个或多个相邻交通工具的通信设备，该通信设备包括一个或多个处理器，该一个或多个处理器被配置成用于：收集与交通工具的环境有关的数据；将所收集数据划分为数据的多个子集，其中多个子集中的每个子集中相应的数据量少于所收集数据；确定针对数据的多个子集中的每个子集的置信度度量并从数据的多个子集中选择一个或多个子集；以及传递所选择的一个或多个子集以及针对所选择的一个或多个子集中的每一个的对应的置信度度量。
[0237]
在示例88中，示例87的主题可包括，一个或多个处理器进一步被配置成用于从相邻的交通工具中的一个或多个交通工具接收数据的一个或多个子集以及对应的置信度度量。
[0238]
在示例89中，示例88的主题可包括，一个或多个处理器进一步被配置成用于：基于交通工具自己的所收集的数据以及从相邻的交通工具中的一个或多个接收的数据的一个或多个子集和对应的置信度度量来更新地图。
[0239]
在示例90中，一种设备包括用于以下各项的装置：收集与交通工具的环境有关的数据；接收来自另一设备的通信，其中通信包括针对由另一设备覆盖的区域的全局参考坐标系以及要从交通工具发送的所允许传输的数量；基于全局参考坐标系对与交通工具的环境有关的所存储数据进行变换；将经变换的所存储数据划分为数据的多个子集并其从多个子集选择数据的一个或多个子集；以及根据所允许的传输的数量来传送一个或多个所选择的子集。
[0240]
在示例91中，一种设备，该设备包括用于以下各项的装置：收集与交通工具的环境有关的数据；将所收集的数据划分为数据的多个子集，其中多个子集中的每个子集中相应的数据量少于所收集数据；确定针对数据的多个子集中的每个子集的置信度度量并从数据的多个子集选择一个或多个子集；以及传递所选择的一个或多个子集以及针对所选择的一个或多个子集中的每个子集的对应置信度度量。
[0241]
在示例92中，一种系统，该系统包括根据示例73
‑
91中任一项所述的一个或多个设
备，该系统被配置成用于实现根据示例53
‑
71中任一项所述的方法。
[0242]
应领会，来自以上示例的其他组合的主题落在本公开的范围内，例如通信设备的一个或多个处理器可根据来自示例31、51、73和87的主题的组合来配置。
[0243]
尽管以上描述和相关附图可将电子设备组件描绘为单独的元件，但技术人员将会领会将分立的元件组合或集成为单个元件的各种可能性。此类可能性可包括：组合两个或更多个电路以用于形成单个电路，将两个或更多个电路安装到共同的芯片或基座上以形成集成元件，在共同的处理器核上执行分立的软件组件，等等。相反，技术人员将意识到可将单个元件分成两个或更多个分立的元件，诸如，将单个电路分解为两个或更多个单独的电路，将芯片或基座分成最初设置在其上的分立的元件，将软件组件分成两个或更多个部分并在单独的处理器核上执行每个部分，等等。
[0244]
应当领会，本文中详述的方法的实现方式在本质上是说明性的，并且因此被理解为能够在相应的设备中实现。同样，应当领会，本文中详述的设备的实现方式被理解为能够被实现为相应的方法。因此，应当理解，与本文详述的方法对应的设备可以包括被配置成执行相关方法的每个方面的一个或多个组件。
[0245]
以上描述中定义的所有首字母缩写词附加地包含在本文包括的所有权利要求中。