本研究提出CleanMAP框架，旨在解决智能连接车辆对高精度地图更新的需求及众包数据不一致性的问题。通过提取关键视觉参数和动态分段评分，显著提高了地图更新的准确性和可靠性。实验结果表明，该框架在自主导航中的实用价值。

本研究提出了一种高效的方法，通过Best-Worst Scaling逐步收集注释，生成强鲁棒性的众包数据。研究发现直接评估方法可以在成本高效和与大规模BWS注释策略的相关性之间找到平衡，并展示了这些注释支持强鲁棒的排序学习模型的潜力。