隨著汽車行業及相關技術的發展，車聯網、自動駕駛逐漸成為業界焦點。各大互聯網科技巨頭、頭部車企、各技術創業團隊各自依托其資金、科技、渠道資源等優勢，切入車聯網及自動駕駛領域。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，仍為車聯網及自動駕駛的發展帶來挑戰。
KuWeather是一家深耕出行場景的專業氣象服務提供商，在提供各類精細化氣象服務基礎之上，自主研發了RWIS路面氣象預報系統，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等駕駛條件的升維，該服務已經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、奇瑞汽車等國內外知名車企達成合作，為其車聯網及自動駕駛業務提供專業化、定制化氣象解決方案。
賦能車聯網
據公安部統計，31.2%的道路交通事故發生在陰雨雪霧等特殊天氣下。國外一項研究發現，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，路面濕滑狀態及能見度，直接影響到駕駛人對剎車距離的判斷及急轉彎操作決策。
“傳統氣象服務基本上是將空中天氣狀態機械對應為路面狀態，例如將降雨直接對應為路面積水，但實際生活經驗中，我們也不難發現因為地形、路面材質的不同，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，路面呈現干燥狀態。傳統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劃的形式展現，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聯合創始人劉光勝說。
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控，駕駛員可以直觀獲取駕駛路線中前方路面狀態，作為調整駕駛路線、調控車速的依據，保證到達時間及駕駛安全。
與此同時，基于車聯網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，其中包含天氣現象、空氣質量、防曬指數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，規避了現實環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化的關鍵。
據美國汽車制造中心(Center of U.S. Auto Manufacturing)發布的研究結果表明，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境傳感器感知效果。這意味著自動駕駛系統必須更新高分辨率地圖以應對季節性場景的變化，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域行駛。
目前部分自動駕駛運營方采取了提升環境傳感器精度、多傳感器結合、優化算法等方案，但成效不佳，有效距離僅在200米左右，且僅能提供實時數據，而并不能感知未來數小時的路面環境變化。除了環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。直接引入專業氣象服務商現有能力，成為自動駕駛車廠的最優選擇。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、上傳數據、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據，將路面狀態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系統是一個跨學科和行業應用融合的產品，需要材料科學、氣象、數學、物理等多學科相結合，產品具有非常強的技術壁壘。”KuWeather創始人金宏春表示，“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。國內氣象服務仍處于初級階段，出行市場需要的也是真正行業化、場景化的產品。未來KuWeather也希望能與合作伙伴共同努力，為車主更好的體驗，國內自動駕駛的發展貢獻力量。”
