许多汽车制造商已经将传感器数据存储在云端
随着我们走向自动驾驶，基础设施信息和数字地图数据实时与其他道路用户共享，除了在单车上使用外，将变得越来越必要。共享数据将补充经典地图数据，为驾驶员提供全方位的道路网络图。
自动驾驶还需要高精度的数据，以及相关性和有效性的信息。传统的导航系统——车辆进入服务时，不是通过云端连接，而是偶尔更新。
人群感应
因此，在未来，不同交通参与者的数据（分布式感知和映射）捆绑会变得至关重要。传感器BTS660P数据不仅可收集个别车辆，还可提供给所有道路使用者。车辆将相互通信，并与周围环境中的其他车辆进行数据交换。车辆数据还将存储和评估，以便在测量一段道路时进行地图优化。由于数据是通过智能手机提供的，因此间接的数据收集过程中有很多司机参与。例如交通报告中使用的交通拥堵数据。
从云端获得的信息质量取决于数据量，提供信息的车辆越多，环境映射就越准确。交通标志识别就是一个很好的例子。即使是最新的导航系统也没有关于所有路限速的信息。它们通常只提供关于主要道路的信息。它们也不能提供关于最近实施的限速变化的信息。前置摄像头中的路标识别功能可以弥补信息的不足。然而，网络识别并不理想。在恶劣的天气和不良的照明条件下，它甚至更低。
另一方面，如果几十万的车队定期将其数据发送至中央云储进行评估，那么将大幅提升，这叫群众感知，混动和电动车除了需求交通标志数据外，还需求传送与其行车策略相关的路线信息，而主动底盘的车辆则需求平滑度或结冰等路况数据。各类车辆在弯道、车道、交通线路上都需求附加信息。
必须用元数据来补充地图信息，以便让汽车找到数据的有效性。例如，今天的地图，年龄或老化的车型，不包括数据（也就是说，不提供如何将旧数据归类为可靠数据的信息）。所有这些信息都是自动驾驶汽车的必要条件，因为地图的不同特征和速度老化程度不同。例如，车辆感知的黑冰数据将在几个小时甚至几分钟内失效。相比之下，真实信息在几年内仍然有效。
从车辆到云端。
一辆装备精良的现代汽车，每隔一分钟就会产生几个GB的感应数据。由于网络容量有限，并非所有数据都可以传输，因此必须减少数据量。因此，首先将感应数据与云汽车现有的地图数据进行比较。例如，识别交通标志，系统将检查标志是否在地图数据中有相同的物体。如果没有，请将信息上传到云端。
即使存在数据匹配，上传信息以便验证地图材料可能仍然有意义。是否传输数据的决定取决于老化模型，目标是传输尽可能少的数据和尽可能多的必要数据。
相关数据一旦进到云存储，就需要开展预处理、分组、排序、解读。在预处理阶段，明显不正确的特性被废弃。随后，对各地图特性的信息开展分组。?当100车出示相关特定路标的信息内容时，初步会有100个数据纪录，与标识的精确部位或感观性的最大速度限制略有差别。随后用数据挖掘分辨100个数据纪录是不是与彻底相同的符号，符号在哪儿，是什么类型的符号有关系。随后开展计算，看是不是可以将特性分派给现有地图数据。随后，系统开展数据解读，分辨标识是不是新，老化模型是不是必须调节。例如，可变信息路标很有可能出現那样的状况。
从云端到ECU。
在分析了云中的信息后，我们必须将其传回车辆。在传输过程中需要各种协议。我们可以使用导航数据标准（NDS）格式在相对较长的时间间隔内进行增量更新。有几种专有格式和OpenLR标准可以在短时间内更新。
数据通信的模块化程度不同，使得更新信息较少的快速变化的信息脱离。这样可以减少数据传输过程中的带宽需求，并简化更新过程。同时，它确保车辆系统始终拥有最新的可用信息。将这些信息与相关的元素数据结合起来，也可以评估数据的可靠性。
云端的信息首先集成到导航系统的地图数据中。然后通过ADASIS等协议将其传输到相关的ECU，使用标准化辅助功能级的驾驶辅助系统接口（ADASIS）。预期的驾驶系统如ELEKTROBID电子地平线解，使用ADASISROBIS接收ADASISProvis发送的数据（在导航系统中），再将其正确归类到ECU的数据结构中。ADASIS协议可以保证组件的正确互动。
真实性的数据保护。
人群感应的技术作用必须符合数据保护规定。因此，在通过匿名、签名和加密将车辆传感器传输到云端之前，车辆传感器的数据最初会被降低和压缩。
匿名保护驾驶员隐私。在匿名之后，在处理过程中，我们应该确保同一类型的连续信息可以在云中分配给发送者。例如，必须知道系统是否在短时间内多次接收车辆的静态信息，以及是否与一辆或多辆车辆有关。如果发送了几辆车，可以假设是交通拥堵。车辆识别并不重要。不同类型的信息与车辆有关。
然而，也有一些例外。例如，车辆发送的技术信息不足，需要由其制造商正确识别。因此，有必要找到匿名性和识别性之间的平衡点，对其真实性和可信度进行签名数据评估和验证，并采用标准加密方法（如对称和非对称加密）进行加密，以确保安全传输。
自学系统
许多汽车制造商在云端中存储了传感器数据，但在有效使用的情况下，他们仍然会遇到问题。他们的分析通常基于特定的功能，并通过手动执行。在未来，需要收集和评估的数据将变得越来越复杂。为了充分发挥传感器的潜力，有必要提高数据处理链的自动化程度。适当的系统将涵盖从数据挖掘和评估到数据传输和使用的整个过程，汽车制造商将始终保留数据所有权。
我们仍在使用车辆传感器数据的早期阶段。未来几年，中低成本汽车驾驶员辅助功能的增加将导致可分析数据的增加。描述的技术使用云数据作为一个舒适和安全的功能，人们的感知信息将为路网提供精确的图像，这将是自动驾驶不可或缺的基础。
