隨著汽車行業(yè)及相關技術的發(fā)展，車聯(lián)網(wǎng)、自動駕駛逐漸成為業(yè)界焦點。各大互聯(lián)網(wǎng)科技巨頭、頭部車企、各技術創(chuàng)業(yè)團隊各自依托其資金、科技、渠道資源等優(yōu)勢，切入車聯(lián)網(wǎng)及自動駕駛領域。隨著大量投入，相關技術日趨成熟，但作為影響交通安全及效率的重要因素，天氣，仍為車聯(lián)網(wǎng)及自動駕駛的發(fā)展帶來挑戰(zhàn)。
KuWeather是一家深耕出行場景的專業(yè)氣象服務提供商，在提供各類精細化氣象服務基礎之上，自主研發(fā)了RWIS路面氣象預報系統(tǒng)，完成了從“空中天氣”到對安全駕駛有實際影響的能見度及路面氣象狀態(tài)等駕駛條件的升維，該服務已經(jīng)成功應用于百度地圖等主流地圖導航，同時與車企合作伙伴共同努力打造高精度、高頻刷新的車規(guī)級服務。
今年10月以來，基于以上服務能力，KuWeather與奔馳、奇瑞汽車等國內(nèi)外知名車企達成合作，為其車聯(lián)網(wǎng)及自動駕駛業(yè)務提供專業(yè)化、定制化氣象解決方案。
賦能車聯(lián)網(wǎng)
據(jù)公安部統(tǒng)計，31.2%的道路交通事故發(fā)生在陰雨雪霧等特殊天氣下。國外一項研究發(fā)現(xiàn)，暴雨導致高速公路通行能力平均下降14%，大雪導致通行能力平均下降22%。天氣對交通安全及交通安全及運行效率的影響顯而易見，其中，路面濕滑狀態(tài)及能見度，直接影響到駕駛人對剎車距離的判斷及急轉(zhuǎn)彎操作決策。
“傳統(tǒng)氣象服務基本上是將空中天氣狀態(tài)機械對應為路面狀態(tài)，例如將降雨直接對應為路面積水，但實際生活經(jīng)驗中，我們也不難發(fā)現(xiàn)因為地形、路面材質(zhì)的不同，降雨可能會造成路面積冰、也可能在地面溫度較高的情況下快速蒸發(fā)，路面呈現(xiàn)干燥狀態(tài)。傳統(tǒng)交通氣象服務的缺陷可見一斑，更何況目前的服務多以行政區(qū)劃的形式展現(xiàn)，與駕駛員所需要的‘前方路段是否有特殊路面狀況’精細化服務相差甚遠。”KuWeather聯(lián)合創(chuàng)始人劉光勝說。
KuWeather RWIS路面氣象預報可提供能夠提供最長未來7天全國主要道路公里級路面積水、積冰、積雪、凍雨、路面溫度等行駛條件預報，以及沿途能見度預報，綜合準確率可達90%以上。通過RWIS路面氣象預報服務，管理中臺可以做出宏觀調(diào)控，駕駛員可以直觀獲取駕駛路線中前方路面狀態(tài)，作為調(diào)整駕駛路線、調(diào)控車速的依據(jù)，保證到達時間及駕駛安全。
與此同時，基于車聯(lián)網(wǎng)用戶在出行場景中安全與娛樂的雙重要求，KuWeather還為用戶提供提供全球7萬多個景點的精細化天氣預報，全國1萬多個交通樞紐精細化天氣服務，其中包含天氣現(xiàn)象、空氣質(zhì)量、防曬指數(shù)以及賞花賞楓等個性化服務，提升車主的出行體驗。
助力自動駕駛
當前ADAS及自動駕駛測試多在測試基地及晴好天氣下進行，規(guī)避了現(xiàn)實環(huán)境中的惡劣天氣條件。能否解決惡劣天氣對視覺算法及硬件的干擾問題，成為自動駕駛技術是否能夠商業(yè)化的關鍵。
據(jù)美國汽車制造中心(Center of U.S. Auto Manufacturing)發(fā)布的研究結果表明，自動駕駛的計算機視覺算法無法在小雨中探測到20%左右的物體，而當降雨強度增加三倍，探測故障率就會增加一倍。而秋季樹葉減少、積雪覆蓋地標建筑物等因素也影響了雷達和激光雷達(Lidar)等自動駕駛車輛的環(huán)境傳感器感知效果。這意味著自動駕駛系統(tǒng)必須更新高分辨率地圖以應對季節(jié)性場景的變化，或者未來的自動駕駛車輛只能在有限的氣候少雨多晴的區(qū)域行駛。
目前部分自動駕駛運營方采取了提升環(huán)境傳感器精度、多傳感器結合、優(yōu)化算法等方案，但成效不佳，有效距離僅在200米左右，且僅能提供實時數(shù)據(jù)，而并不能感知未來數(shù)小時的路面環(huán)境變化。除了環(huán)境傳感器的靈敏度本身會受到低溫等天氣條件的影響外，傳感器迭代的高昂成本和漫長周期也成為一大阻礙。直接引入專業(yè)氣象服務商現(xiàn)有能力，成為自動駕駛車廠的最優(yōu)選擇。目前全球主流車企多采用該方案，美國汽車巨頭福特于2018年9月份投資位于美國波士頓的氣象服務公司ClimaCell 4500萬美元也是基于這一原因。
進一步從自動駕駛的場景看來，傳感器感知、算法處理、上傳數(shù)據(jù)、行車電腦算法響應到物理制動均需要一定時長。例如車輛在時速八十公里的時候，其位移速度為22米／秒。以傳感器有效探測距離200米計算，不計物理制動所需要的大概40米的距離，留給傳感器與行車電腦的時間只有7秒左右。而目前市面上能夠在200米距離上有效探測路面狀態(tài)的傳感器設備多處于實驗階段。相對于傳感器探測的實時數(shù)據(jù)，將路面狀態(tài)預報作為自動駕駛算法輔助輸入項顯然是更合理的方案。
“RWIS系統(tǒng)是一個跨學科和行業(yè)應用融合的產(chǎn)品，需要材料科學、氣象、數(shù)學、物理等多學科相結合，產(chǎn)品具有非常強的技術壁壘?！盞uWeather創(chuàng)始人金宏春表示，“合作伙伴選擇KuWeather的根本原因也正是看中了團隊跨學科融合科研的能力。國內(nèi)氣象服務仍處于初級階段，出行市場需要的也是真正行業(yè)化、場景化的產(chǎn)品。未來KuWeather也希望能與合作伙伴共同努力，為車主更好的體驗，國內(nèi)自動駕駛的發(fā)展貢獻力量?！?/span>
