La actualización del conjunto más reciente de datos de nube de puntos es crítica en entornos de conducción autónoma. Sin embargo, los sistemas existentes para la gestión de datos de nube de puntos a menudo no logran garantizar actualizaciones en tiempo real o se encuentran con situaciones en las que los datos no pueden ser actualizados de manera efectiva. Para abordar estos desafíos, este estudio propone una arquitectura distribuida de procesamiento transaccional/analítico híbrido diseñada para la gestión eficiente y procesamiento en tiempo real de datos de nube de puntos. La arquitectura propuesta aprovecha tanto tablas columnares como basadas en filas, lo que le permite manejar las cargas de trabajo sustanciales asociadas con su arquitectura híbrida. La construcción de esta arquitectura como un clúster de base de datos distribuida garantiza un rendimiento de consulta de procesamiento analítico en línea en tiempo real a través de la paralelización de consultas. Un algoritmo de análisis de disimilitud para datos de nube de puntos, construido utilizando las capacidades de la base de datos espacial, actualiza los datos de nube de puntos para el área relevante siempre que los resultados de la consulta de procesamiento analítico en línea indiquen una alta disimilitud. Esta investigación contribuye a garantizar el procesamiento de cargas de trabajo de procesamiento híbrido transaccional/analítico en tiempo real en entornos de carreteras dinámicos, ayudando a los vehículos autónomos a generar rutas seguras y optimizadas.