精准时空数据赋能，Big Time打造先进自动驾驶“新飞轮”

作为自动驾驶演进的关键基础，高精度定位凭借丰富的ADAS功能在终端市场快速普及尤其是以高速NOA、城市NOA等为代表的复杂智能驾驶功能的逐步落地，已进入“爆发前夜”。

过去一段时间，蔚来、小鹏、理想、广汽艾安、上汽飞帆、长安深蓝等主流汽车品牌都在其重磅新车上配备了高精度定位系统，实现更安全、更精准的定位。

可靠的自动驾驶体验。

自动驾驶高精度定位日趋成熟的同时，也离不开相关技术提供商的支持，大游侠空间就是其中之一。

自2016年成立以来，大视时间一直致力于为智能网联汽车提供精准定位服务和地理数据服务。

依托第四代PPP-RTK定位技术，天时在卫星导航、惯性导航、星惯组合、车载纯电动汽车、一体化定位、自动建图更新、地理信息可视化等领域拥有自主可控的核心技术。

，并以此为基础构建了覆盖全球的厘米级高精度定位网络。

不仅如此，考虑到高端自动驾驶的演进离不开数据驱动，在高精度定位与地图融合的基础上，Daytime还打造了涵盖数据采集与处理、轻量级高精度地图的解决方案生产更新、算法训练、数据合规等“数据飞轮”，实现数据驱动的地图更新、数据驱动的算法训练，多维度赋能自动驾驶发展。

Big Time联合创始人兼CTO李清健近日在接受盖世汽车网采访时表示，Big Time已与产业链上下游多家企业达成密切合作，共同在高端领域开展相关研发。

精准定位和地图数据服务。

并进行测试验证，相关成果将量产并投放到车辆上。

聚焦算法，实现自动驾驶高精度定位的“最大公约数”，这是关键基础设施。

通过自动驾驶汽车的运行逻辑，一个基本前提是，只有清楚地知道“我在哪里”，才能解决下一个“去哪里”和“怎么走”的问题。

否则，后续安全可靠的智能驾驶体验将无从谈起。

在高精度定位方面，目前有多种不同的“解决方案”，包括卫星定位、环境特征匹配、惯性定位等。

然而，正如摄像头、毫米波雷达和激光雷达在环境感知方面各有优缺点一样，上述方案在用于高精度定位时也各有优缺点。

卫星定位的优点是可以为车辆提供绝对位置信息。

与卫星导航差分服务结合，精度可达厘米级。

但在地下室、高架建筑、隧道等场景下，会造成信号阻塞；环境特征匹配会受到传感器可靠性的影响。

需要提前采集影响大、高精度的地图基准数据；对于惯性导航来说，由于它测量自身的运动信息，并采用积分算法来计算载体的位置和姿态，因此随着时间的增加，定位误差会不断增大。

高精度、高可靠性、广覆盖正是自动驾驶高精度定位的三大核心要求。

随着自动驾驶水平的提高，应用场景变得更加复杂，要求也会相应提高。

“这只是在性能层面，从产品层面来看，各个车企在量产过程中对卫星定位的精度要求不同，这将带动智能汽车中卫星定位终端的产品形态不断发生变化。

“谈一下当前自动驾驶对高精度定位的需求。

”李庆建说，正是基于对这一趋势的准确预测，Daytime战略性地选择了高精度定位赛道的“最大公约数”。

即围绕卫星定位服务和算法，通过与板卡、模块甚至域控厂商等进行不同层面的合作，共同赋能汽车厂商的自动驾驶研发。

”因为里面有很多优秀的行业合作伙伴。

从算法到服务再到终端的过程中，我们相互结合，充分发挥各自优势，将研发重点放在定位算法优化、精度和性能提升上，更高效地完成整个流程。

“方案闭环开发。

”李庆建指出。

为此，昼时对PPP-RTK、N-RTK、卫星组合、车载端等关键高精度定位算法进行了全栈自研。

特别值得一提的是BEV和PPP-RTK作为第四代差分技术，它不仅从算法层面统一了RTK和PP??P，而且克服了传统RTK技术互联网无线通信和定位的局限性。

PPP融合时间长的障碍以其监管、位置数据隐私和安全保护、全球覆盖、低带宽和低功耗等多重优势，正在成为越来越多车企和Tier 1定位的新技术选择。

在此基础上，Daytime陆续开发了GNSS SPE、威宇SPE、多源融合SPE、GNSS模块、威宇模块等多种智能驾驶车载端解决方案，从而灵活兼容不同的硬件设备。

充分满足下游客户的多元化需求。

其中，惯性SPE具有较大的空间和时间，采用GNSS和INS的紧耦合算法。

在GNSS信号干扰和丢失等环境下，利用INS可获取短时连续、高精度的位置和姿态信息，显着提高组合导航的鲁棒性。

很棒的性爱。

通过进一步整合毫米波雷达、激光雷达、摄像头等车载传感器采集的环境特征数据，Daytime还开发了多源融合定位引擎，在多源传感器数据融合的基础上实现更高的置信度，特别是隧道、地下室、峡谷、立交桥等复杂场景的高精度定位能力。

考虑到全球化背景，国外车企进入中国、中国车企走出去将是必然趋势。

今年年初，大时空还与Hexagon签署了战略合作协议，通过账户互通、广播协议互通、认证管理等方式，共同为国内外车企提供全球定位服务。

这也是首次提供全球高精度定位服务。

据李庆健介绍，在本次合作中，Hexagon主要负责北美和欧洲的CORS站网络建设，以及数据中心的独立运维，包括解决方案和转播，而Big Time则主要负责负责中国区CORS站。

网络建设和数据中心独立运维。

三大数据中心相互隔离，充分保证基站数据安全，但计算和广播的数据格式高度统一。

“这意味着，未来整车厂开展跨境业务时，在高精度定位方面，只需要在国内进行联调，只要终端协议账号不变，就可以直接接入欧洲的差别化服务。

”李庆建指出。

据他介绍，Dastime目前已在中国和欧洲与国内外车企进行相关测试，并进行小规模运营示范。

定位赋能为“光图”提供了新的解决方案。

对于自动驾驶汽车来说，高精度定位最直接的应用无疑是为车辆提供准确的位置信息。

但如果你进一步挖掘这些时空数据，你会发现它的价值远不止于此。

赋能自动驾驶地图生成是Big Space为智能驾驶行业提供的第二个能力支持。

由于应用场景的复杂性和多样性以及车端传感器的局限性，高精度地图在过去几年被认为是高端智能驾驶的“标配”。

除特斯拉外，早期的高速NOA大多是基于高精度地图实现的。

然而，高精度地图虽然可以提供丰富的道路要素信息，但也意味着更高的建图门槛。

与普通导航地图相比，高精度地图的绘制不仅需要专业的测绘资质，还需要专业的采集车辆。

因此，高精度地图一直面临着测绘成本高、覆盖率低、更新慢等多个痛点。

难以满足快速、大规模的智能驾驶需求。

正因为如此，各大车企和自动驾驶科技公司一段时间以来，都在谋划扔掉这根“拐杖”。

不过，在李庆建看来，所谓“地图重感知、重光”本质上并不意味着完全不使用地图，而是不使用预先采集和制作的地图，而用自动驾驶汽车生成的地图来替代。

通过实时收集数据更新。

“与传统高精度地图相比，这类地图有两大区别：一是元素和精度略低于传统地图商采集的高精度地图；二是不依赖专业地图商它不是用采集车来采集数据，而是利用自动驾驶解决方案提供商的众包，形成实时更新能力。

”在李庆建看来，实时更新能力的构建是“光图”的重要组成部分。

。

，否则不能称为“光照贴图”。

正是因为这样的洞察，基于定位能力，Daytime还开发了高精度地图引擎和车载端地图引擎。

通过集成先进的传感器和感知算法，可以从实时数据采集到车端基于BEV的本地测绘到云端实时全局测绘，为主机厂提供了L2++光图多重闭环。

量产场景源更新数据。

众所周知，在自动驾驶地图的制作和更新中，地理信息数据的丰富性是重中之重。

过去，专业的收集车往往需要配备专业的收集设备。

基于大时空多源融合定位引擎，可以在不改变车辆原有设计的情况下，依靠车端传感器实时采集数据，众包绘制高精度地图。

据李庆建介绍，Daytime可以为主机厂提供三种“光图”解决方案，分别是：基于普通导航电子地图，实时生成光图；利用服务提供商或某些基础数据，基于此进行实时地图更新；没有地图，完全依赖车侧的实时感知和建图。

“这意味着我们不仅是高精度定位服务提供商，更是时空信息服务提供商。

”李清剑说道。

值得一提的是，Daytime也是目前智能行车赛道上为数不多的同时具备高精度定位和地图服务能力的公司之一。

由于基准的统一，Daytime可以更好地实现定位与地图的协同。

融合。

在地图方面，时空现在已经摆脱了对数据和导航地图的依赖。

通过激光点云和视觉特征提取，初步打通了汽车局部测绘到云端全局测绘的链接。

“在区域测绘方面，我们已经在相关园区和示范区与主机厂进行联合测试，下一步是争取更多的车辆和更广泛的覆盖范围。

”谈及目前的进展，李清健说。

高端智能驾驶靠的是培训而不是研发。

如果说高精度定位和高精度地图解决了目前量产自动驾驶的安全性和可靠性问题，那么数据闭环就是高端自动驾驶的必由之路。

一方面，从自动驾驶系统的演化逻辑来看，要实现从L2到L3甚至更高级别L4的跨越，需要通过量产收集海量场景数据，进行训练和优化。

测试，驱动算法不断成熟；另一方面，也需要通过不断的场景数据采集和测试验证，才能更好地解决长尾场景。

“所以我们常说L3、L4不是开发出来的，而是训练出来的。

”李清剑说道。

在训练自动驾驶算法的成熟度方面，Daytime也有自己的“见解”——以定位赋能数据采集，构建飞轮闭环。

目前自动驾驶数据的完整闭环必须有海量的场景数据支撑。

基于车载传感器的多源融合定位本身就是一个获取海量时空数据的过程，这个问题很容易解决。

“不仅如此，我们还可以训练自己的基础测绘数据和后加载的车联网运营数据，提供给车企，帮助解决主机厂数据量不足的问题。

”在售后市场上，有大量的时间和空间。

定位解决方案已安装在许多运营车辆上。

李庆健表示，未来这些普通定位将升级为高精度定位，成为新的数据获取来源，赋能整车厂商快速扩大数据规模、提高算法验证和迭代升级效率。

“我们正在与很多合作伙伴开放技术链接，将我们的定位服务连接到他们的硬件上。

关于数据中心，我们也在与相关主机厂进行联合研发和工具链适配。

”李清剑说道。

解决了数据源的问题，接下来就是如何使用它。

为了充分发挥众包数据的价值，更好地赋能自动驾驶研发，围绕数据合规和管理应用，Big Time同步开发了一系列测绘、标注和仿真工具链，以及数据合规服务。

用于进行智能驾驶仿真和算法训练，并进一步形成基于数据闭环的算法更新的软件闭环以及安全合规的服务闭环。

值得特别关注的是数据合规性。

按照目前的趋势，通过量产车众包生成高精度地图有望成为行业主流。

这意味着未来的每辆自动驾驶汽车都将是数据收集车辆。

自动驾驶汽车一旦被贴上“测绘车”的标签，在量产运营过程中将不可避免地面临数据合规监管。

这不仅指数据采集和传输方面的合规性需求，还包括数据中心本身的数据安全。

比如研发阶段的数据脱敏、地图更新的安全合规、运营合规等。

针对这些需求，Daytime构建了从数据采集、数据传输到脱敏解密处理、数据管理和数据监管的一站式软件能力。

“我们会将这些能力以及上述工具链部署在整车厂的数据中心。

这样做的好处是，由于车辆本身来自汽车制造商，所以所有数据都会直接返回到整车厂的数据中心。

这充分保证了车企的安全。

” “对数据的控制以及数据中心的合规性和安全性。

”李庆建指出，目前Big Time已与多家公司围绕数据闭环达成合作，对整个“飞轮闭环”进行相关测试。

”链。

加上高精度定位、地图服务方面的合作项目，Big Time整体业务已进入多点开花阶段。

不过，考虑到自动驾驶真正爆发还需要一段时间，李庆建相信高精度定位的大规模应用还需要时间 据盖世汽车研究院统计，今年上半年，国内L0-L2 ADAS整体渗透率已超过56%。

，L2渗透率接近40%。

行业正处于L2向L3的过渡阶段。

“到2020年，我们相信L2和L2++在新车中的整体渗透率有望达到80%甚至80%，普及速度会非常快。

”在谈到对自动驾驶下一步发展的预测时，李庆建表示。

最终，当众包数据的边际成本变成固定成本时，他相信智能驾驶赛道的拐点将会真正到来。