对于汽车导航用的数据来讲，毫不夸张地说，在它们发布的时候就已经过时了。如果您的导航地图没有连续性地不断更新和升级，那么它与实际的交通状况以及与每一种新增设的交通指示标牌之间的差距就越来越大了。

图1 Harman 公司开发的导航地图具有实时更新的功能，能够每天自动升级

Harman公司2017年推出的Dynamic Man Layers动态地图采用了实时更新技术（见图1），保持每天都是最新版本的导航地图，虽然更新的数据量不大，但它的数据升级更新非常可靠。目前，德国汽车厂商的最终用户已经在使用这一技术。

连续的数据分析

Dynamic Man Layers动态地图不断地将汽车现有的导航地图数据与集成传感器采集到的数据进行比较。不同内容的信息首先由汽车内置的智能处理系统进行处理，然后发送给Harman公司的云平台，对这些数据进行进一步的分析。

汽车的智能系统只把加密的文本发送给云平台，然后这些加密文本在云平台被翻译和分析。压缩的原始图像数据是不会被传送到云平台的，一方面是由于数据传输的宽带有限，另一方面是由于现行的数据保护法规。

新的汽车神经网络

大多数现代化的计算机视觉系统都基于新的神经网络理论，即所谓的“深度学习”之上。通过深度学习，计算机系统能够从许多重复出现的场景和对象中发现并界定它们的差异,但计算机视觉系统没有准确地学到对象的本质，却把这些信息上传到了云平台，并进行了处理，然后传送给其他车辆，因此必须不断地向车辆通报同一路段的关键信息，也只有这样才能在这些信息下载到导航地图之前验证其真伪。即便是计算机视觉系统提供的信息99%是正确信息，对成千上万辆的汽车来讲，这1%就是许多必须验证的信息。

为了保持这一数据检验过程的速度，就要利用其他标准来验证存在差异的信息。这些标准和方法可以是分时间段的，而且与当时的天气状况和能见度有关，或者也可能是摄像视角和摄像技术方面。这些验证后的信息能够提高导航地图升级数据的准确概率。

在云平台中，这些数据首先按照地理位置分类处理，把不同车辆发送到云平台中的信息进行归类并相互比较。根据机器学习算法分析在哪一路段上发生了什么事件。分析得出的结论就是动态地图升级的备用数据。

图2  由车载摄像头采集到的数据信息被发送到云平台中进行分析

如图2所示，Harman公司还定期组织团队进行“实地核查”，用车载摄像头对当地真实的道路条件进行检验。

在这一过程中，Harman规定了几个“假阳性”信息的判断标准，例如在提供信息的时刻车速限制在几百米的路段上经常变化，这种信息的不正确概率是很高的，因为它的限速路段的间隔太短了，而限速路标之间的间距是有规定的。

为了能识别出这类错误，在道路的每一个信息发送点都按照数学方式连接成一个逻辑序列，这样，任何一个漏掉的交通标志牌都会在序列内插法的帮助下迅速查明，这是一个非常复杂的过程。

一致性数据

若通过这些方法验证了数据具有足够高的真实性，则它可以按照很高的压缩比压缩成符合导航数据标准NDS的升级数据包。这样，符合Dynamic Man Layers动态地图的信息就可以在不同NDS一致性的车辆类别和车型之间交换了。当前，Harman公司每天发送一次信息更新数据包，将来计划做到实时更新。

总有一天，道路使用临时交通标志的地方都会重新使用原来的交通标志。在出现这种情况时，导航数据升级系统就开始了“反学习”并“再培训”。这时就要借助于其他数据的帮助，例如摄像头、GNSS和GPS全球导航卫星系统的数据。在这些数据的基础上，车辆系统会自动学习算法检验特定路段中的车流量和车速。当一个数据与最初认证的数据不一致时，则第一份学习源的可靠性值就降低。最终，当这些信息继续出现验证不符的情况时，含有这些信息的导航升级数据包会被撤回去。

当前，动态地图解决方案主要是用于静态或可变信息标志的检测和验证，但这一系统主要是由摄像系统组成的，因此它的能力是有限的。将来，所有摄像系统能够识别的对象也都会被这一系统所考虑，例如可供驾驶员使用的停车场、道路上出现的交通事故、变坏了的道路情况或者是出现横穿马路的动物等。

导航地图供应商针对下面三个问题提供高清导航地图，即：我在哪里？我前面有什么？下一拐弯处会出现什么情况？为了能够准确地回答这些问题，就必须不断地剔除升级数据包中的错误信息。导航地图的数据始终扮演着非常重要的角色，不仅仅是为了从A地到达B地，因此数据必须是有效的真实数据。而Dynamic Man Layers动态地图就能够提供驾驶员所需要的、经过验证的真实有效数据。