标题中的“一种新的面向无人车的层级智能导航地图架构”是一项科研成果，旨在解决无人车辆在半结构化和非结构化的局部任务区域的智能地图导航问题。这种新架构由三层构成，分别是基础层、导引层和学习层。
1. **基础层**：这是架构的最底层，其主要功能是构建道路环境的基础信息知识库。这个知识库包含了道路的基本特征，如道路形状、宽度、交通标志、标线、路缘等，为无人车提供必要的环境认知基础。基础层的数据来源于无人车的传感器系统，如激光雷达、摄像头等，通过数据融合技术处理和解析这些传感器采集的环境信息。
2. **导引层**：位于中间层，导引层基于基础层的知识库信息以及无人车的实时定位系统，为无人车的其他控制模块提供导航指导。这一层的目的是将环境信息转化为具体的操作指令，如路径规划、避障策略等，确保无人车在复杂环境中安全行驶并遵循交通规则。
3. **学习层**：作为最上层，学习层引入了机器学习方法。通过分析和学习人类驾驶员的驾驶经验，无人车能够在遇到已知场景时，依据学到的经验规则进行决策。这使得无人车不仅能够依赖预设的规则，还能够适应不断变化的环境，提高其在未知情况下的决策能力。
关键词中的“无人车”是指研究的核心对象，强调的是自动驾驶车辆的自主导航能力。“导航地图构建”是指研究的重点，即如何构建适应无人车需求的智能地图。“机器学习”是实现无人车智能化决策的关键技术，通过训练模型让无人车具备自我学习和改进的能力。“知识库”则是存储环境信息和驾驶经验的数据库，是无人车智能导航的基础。
论文的实验和实际测试结果表明，这种层级智能导航地图架构能够有效地满足无人车在局部任务区域的智能导航需求，且具有良好的扩展性，适合实际应用。这意味着该架构不仅能够应对已知的驾驶环境，还能够随着机器学习的深入，逐步提升在未知环境下的驾驶性能，为未来的无人车自主导航提供了有力的技术支持。
