（1）實體類的地圖要素變更，包括信號燈變更（機動車道信號燈、非機動車道信號燈、行人信號燈等）、道路標志標線變更（車道邊界線、車道行駛方向、停止線、左轉(zhuǎn)/右轉(zhuǎn)待行區(qū)等）、交通設施變更（如柵欄/隔離柱）。（2）經(jīng)驗類的地圖要素變更，包括路口內(nèi)車道連接線的變更（如直行、左轉(zhuǎn)、掉頭連接線）、道路阻塞點變更、道路駕駛行為變更。因此，通過路端局部動態(tài)地圖更新方式，可以解決當前自動駕駛由于地圖要素變更引起的絕大多數(shù)人工接管問題。（2）地圖更新實時下發(fā)更新的地圖數(shù)據(jù)最終需要下發(fā)到車端并作用于車端決策規(guī)劃，才能有效發(fā)揮地圖的價值。目前地圖的下發(fā)渠道、下發(fā)內(nèi)容、下發(fā)形式多種多樣，在下發(fā)的過程中同時還有跨圖商、跨車企、跨模組無損且安全的信息流動的訴求。利用路端作為統(tǒng)一的信息發(fā)布渠道，采用地圖參考位置協(xié)議（詳見附錄A）的方式發(fā)送與圖商地圖版本解耦的局部動態(tài)地圖數(shù)據(jù)，是保證車輛數(shù)據(jù)實時性、有效性的一種重要方式，同時對于圖商也可以利用路端信息進行版本級地圖更新。

（二）地圖實時更新典型場景舉例與比較分析

下面以常見的信號燈變更和車道線變更為例進行說明。

通過對多個智能網(wǎng)聯(lián)示范區(qū)的長期觀測統(tǒng)計，可知自動駕駛車輛在實際道路行駛時，會有較高概率遇到道路現(xiàn)實變更場景（比如道路信號燈、車道線、標志標牌等），每萬公里遭遇道路現(xiàn)實變更的次數(shù)MAD約為6.38次/萬公里（其中信號燈變更次數(shù)5.5次/萬公里，車道線變更次數(shù)0.78次/萬公里），這類場景會直接影響自動駕駛車輛的安全運營，需要通過有效手段快速解決。下面對眾包地圖更新和路端局部動態(tài)地圖更新兩種典型地圖更新模式進行比較分析。（1）車端眾包地圖更新模式在眾包地圖更新模式下，地圖完成現(xiàn)實變更的更新時間DAD，由于需要積累多趟、多車道數(shù)據(jù)才能完整重建，一般需要天級別（≥24h）的數(shù)據(jù)積累，云端才能完成地圖的更新下發(fā)，因此眾包地圖更新模式下可定義地圖更新周期DAD=24h，假設自動駕駛車輛每天的運營時間TAD=10h。那么該模式下遭遇地圖要素變更場景的概率通過長時間的運營觀測可以從兩個層面得出：單車每萬公里里程遭遇該場景的概率：MA D= 6.3次/ 萬公里，單車每天遭遇該場景的概率：NAD=1.7次/車·天。該模式下車輛遭遇地圖要素變更場景的通過成功率僅依賴于單車的能力，定義地圖要素變更場景通過成功率為PAD|變更，PAD|變更的具體值應結合車輛的實際能力，并由大量實測結果確定。（2）路端局部動態(tài)地圖更新模式依靠路端感知優(yōu)勢，道路交通要素在變更完成后可在云端短時間內(nèi)完成地圖重建和車端更新，將總的更新時間定義為D VICAD，保守按5min計算，那么：D VICAD=5min同時假設通過車路協(xié)同感知實現(xiàn)地圖更新的場景召回率R VICAD=99.9%。那么該地圖更新模式下自動駕駛車輛遇到變更場景的遭遇率M VICAD和N VICAD為：MVICAD=MAD×(r+(1-r)×(1-RVICAD)=0.0587次/萬公里NVICAD=NAD×(r+(1-r)×(1-RVICAD)=0.00159次/車·天場景成功率方面，運營時間內(nèi)發(fā)生一次地圖要素現(xiàn)實變更時，若地圖要素變更場景發(fā)生時刻為t1，有車輛在t2時刻途經(jīng)該點，則在t1至min(TAD,t1+D)時間窗口內(nèi)，車輛受到場景的環(huán)境影響，通過成功率為PAD|變更，在時間窗口前，車輛通過成功率為PAD|變更=1，時間窗口后車輛若完成更新，成功率恢復為PAD|變更，那么：引入局部動態(tài)地圖更新后的場景通過率：根據(jù)大量自動駕駛車輛的測試和運營數(shù)據(jù)，可以進一步計算得出：假設AD模式下地圖要素變更場景通過成功率：PAD|變更=90%，路端局部動態(tài)地圖更新模式下變更場景召回率：RVICAD=99%，可得PVICAD|變更≈99.86%。若AD模式下場景通過成功率：PAD|變更=99.8%，路端局部動態(tài)地圖更新模式下場景召回率：RVICAD=99.9%，可得 PVICAD|變更≈99.999%。（3）收益評估分析綜上所述，路端局部地圖更新模式具有顯著收益，見表3.5，具體如下：1）地圖更新時間方面：D VICAD小于等于5min，地圖更新時間大幅縮短；2）地圖要素變更場景的遭遇概率明顯降低：RVICAD=99.9%情況下，場景遭遇率可從6.38次/萬公里降低至0.0587次/萬公里；3）場景通過成功率P得到顯著提升：在PAD|變更=99.8%，RVICAD=99.9%情況下，PVICAD|變更甚至可達到理想的99.999%，場景的失敗率從1.26次/百萬公里降低到0.0063次/百萬公里。表 3.5 地圖要素變更場景下VICAD收益分析

節(jié)選自《面向自動駕駛的車路協(xié)同關鍵技術與展望2.0》