في ظل التطور المستمر لتقنيات القيادة الذاتية (Autonomous Driving)، يواجه المهندسون تحديات متعددة لضمان قيادة آمنة وفعالة. من بين هذه التحديات، تبرز أهمية إنشاء خرائط عالية الدقة (High-Definition Maps)، التي يجب أن تبقى محدثة ودقيقة للغاية لتلبية متطلبات مهام السيارات المستقبلية.

تدور هذه المقالة حول الاستفادة من بيانات المركبات التي توفرت عبر تفاعل الجمهور، حيث تمثل تلك البيانات معالم الطريق وميزات حارات المرور. قام الباحثون بتطوير تقنية جديدة لتقدير الطوبولوجيا عن طريق استخدام بيانات حركة المركبات، حيث تمت معالجة الحركة باستخدام نموذج يعتمد على المحولات (Transformers)، وذلك لتحويل مسارات المركبات إلى تمثيلات خاضعة للتشفير.

تتضمن الطريقة التي تم اعتمادها استخراج مربعات محلية يتم جمع بيانات المسارات المأخوذة من الجمهور منها. تمر كل مجموعة بيانات بعملية تحويل إلى شكل رسومي يبرز وجود كل مسار والاتجاه الخاص به، مما يسهل التنبؤ بالميزات الجديدة على الطرق مثل وسائل التوجيه والحارات المختلفة.

وقد أُجريت تجارب على مجموعة بيانات داخلية إضافة إلى مجموعات بيانات عامة مثل nuScenes وnuPlan، مما يدل على فعالية واستدامة هذه الطريقة في تقدير الطرق. تعد هذه الابتكارات خطوة مهمة نحو تحسين أمان وكفاءة نظم القيادة الذاتية، مما يجعل تجربة القيادة أكثر سلاسة وأماناً.