随着汽车行业及相关技术的发展，车联网、自动驾驶逐渐成为业界焦点。各大互联网科技巨头、头部车企、各技术创业团队各自依托其资金、科技、渠道资源等优势，切入车联网及自动驾驶领域。随着大量投入，相关技术日趋成熟，但作为影响交通安全及效率的重要因素，天气，仍为车联网及自动驾驶的发展带来挑战。

　　KuWeather是一家深耕出行场景的专业气象服务提供商，在提供各类精细化气象服务基础之上，自主研发了RWIS路面气象预报系统，完成了从“空中天气”到对安全驾驶有实际影响的能见度及路面气象状态等驾驶条件的升维，该服务已经成功应用于百度地图等主流地图导航，同时与车企合作伙伴共同努力打造高精度、高频刷新的车规级服务。

　　今年10月以来，基于以上服务能力，KuWeather与奔驰、奇瑞汽车等国内外知名车企达成合作，为其车联网及自动驾驶业务提供专业化、定制化气象解决方案。

　　赋能车联网

　　据公安部统计，31.2%的道路交通事故发生在阴雨雪雾等特殊天气下。国外一项研究发现，暴雨导致高速公路通行能力平均下降14%，大雪导致通行能力平均下降22%。天气对交通安全及交通安全及运行效率的影响显而易见，其中，路面湿滑状态及能见度，直接影响到驾驶人对刹车距离的判断及急转弯操作决策。

　　“传统气象服务基本上是将空中天气状态机械对应为路面状态，例如将降雨直接对应为路面积水，但实际生活经验中，我们也不难发现因为地形、路面材质的不同，降雨可能会造成路面积冰、也可能在地面温度较高的情况下快速蒸发，路面呈现干燥状态。传统交通气象服务的缺陷可见一斑，更何况目前的服务多以行政区划的形式展现，与驾驶员所需要的‘前方路段是否有特殊路面状况’精细化服务相差甚远。”KuWeather联合创始人刘光胜说。

　　KuWeather RWIS路面气象预报可提供能够提供最长未来7天全国主要道路公里级路面积水、积冰、积雪、冻雨、路面温度等行驶条件预报，以及沿途能见度预报，综合准确率可达90%以上。通过RWIS路面气象预报服务，管理中台可以做出宏观调控，驾驶员可以直观获取驾驶路线中前方路面状态，作为调整驾驶路线、调控车速的依据，保证到达时间及驾驶安全。

　　与此同时，基于车联网用户在出行场景中安全与娱乐的双重要求，KuWeather还为用户提供提供全球7万多个景点的精细化天气预报，全国1万多个交通枢纽精细化天气服务，其中包含天气现象、空气质量、防晒指数以及赏花赏枫等个性化服务，提升车主的出行体验。

　　助力自动驾驶

　　当前ADAS及自动驾驶测试多在测试基地及晴好天气下进行，规避了现实环境中的恶劣天气条件。能否解决恶劣天气对视觉算法及硬件的干扰问题，成为自动驾驶技术是否能够商业化的关键。

　　据美国汽车制造中心(Center of U.S. Auto Manufacturing)发布的研究结果表明，自动驾驶的计算机视觉算法无法在小雨中探测到20%左右的物体，而当降雨强度增加三倍，探测故障率就会增加一倍。而秋季树叶减少、积雪覆盖地标建筑物等因素也影响了雷达和激光雷达(Lidar)等自动驾驶车辆的环境传感器感知效果。这意味着自动驾驶系统必须更新高分辨率地图以应对季节性场景的变化，或者未来的自动驾驶车辆只能在有限的气候少雨多晴的区域行驶。

　　目前部分自动驾驶运营方采取了提升环境传感器精度、多传感器结合、优化算法等方案，但成效不佳，有效距离仅在200米左右，且仅能提供实时数据，而并不能感知未来数小时的路面环境变化。除了环境传感器的灵敏度本身会受到低温等天气条件的影响外，传感器迭代的高昂成本和漫长周期也成为一大阻碍。直接引入专业气象服务商现有能力，成为自动驾驶车厂的最优选择。目前全球主流车企多采用该方案，美国汽车巨头福特于2018年9月份投资位于美国波士顿的气象服务公司ClimaCell 4500万美元也是基于这一原因。

　　进一步从自动驾驶的场景看来，传感器感知、算法处理、上传数据、行车电脑算法响应到物理制动均需要一定时长。例如车辆在时速八十公里的时候，其位移速度为22米／秒。以传感器有效探测距离200米计算，不计物理制动所需要的大概40米的距离，留给传感器与行车电脑的时间只有7秒左右。而目前市面上能够在200米距离上有效探测路面状态的传感器设备多处于实验阶段。相对于传感器探测的实时数据，将路面状态预报作为自动驾驶算法辅助输入项显然是更合理的方案。

　　“RWIS系统是一个跨学科和行业应用融合的产品，需要材料科学、气象、数学、物理等多学科相结合，产品具有非常强的技术壁垒。”KuWeather创始人金宏春表示，“合作伙伴选择KuWeather的根本原因也正是看中了团队跨学科融合科研的能力。国内气象服务仍处于初级阶段，出行市场需要的也是真正行业化、场景化的产品。未来KuWeather也希望能与合作伙伴共同努力，为车主更好的体验，国内自动驾驶的发展贡献力量。”