旅行汽车网8 月 25 日，由盖世汽车主办、中国智能网联汽车产业创新联盟自动驾驶地图与定位工作组协办的“2020 第二届自动驾驶地图与定位大会”隆重召开。本次会议主要聚焦高精地图、高精度定位等自动驾驶关键技术，共探产业未来发展之路。下面是千寻位置智能驾驶事业部产品总监宋子未在本次论坛上的发言。
千寻位置智能驾驶事业部产品总监 宋子未
今天我们千寻位置想给大家带来的分享就是高精度定位如何去跨越挑战，来迈进量产的这样一套解决方案。
最开始也是免不了跟大家再来安利几句高精度定位对自动驾驶的意义，刚刚江昆老师也提到了几部分，之后就是千寻位置整个面向量产自动驾驶高精度定位解决方案，我们叫FindAUTO，分别通过专有服务、智能算法和硬件集成来展开，最后就是我们的成绩单，到今年这个时间点为止我们已经完成了量产高精度定位项目。
第一步还是跟大家来介绍一下在智能驾驶当中高精度中要解决的几个问题。第一点是跟高精度地图配合，为整个智能网联汽车提供一个绝对位置基准这样的作用。之后是它非常重要的一个定位，基于位置相关的作用，就是车道级的匹配，在V2X和自动驾驶应用里面其实对于车辆去判断自身在哪一个车道里面都是非常重要的，包括甚至在导航里面上下匝道的指引也是车辆判断的部分。之后就是定位系统的冗余，因为在整个自动驾驶汽车达到量产过程当中，其实不可避免的要碰到的一个挑战就是我如何让整个定位系统能够非常可靠安全地来进行量产这样的一个功能服务。在这里面的话就是多种定位传感器之间的冗余是必不可少的。之后一个非常重要的就是基于卫星除了做定位之外还可以做授时，所以我们讲这是整个时空协同的高精度服务。
这个图重点想要跟大家表达的其实是在整个智能网联汽车或者说自动驾驶汽车的功能里面，每个不同的定位传感器都会发挥它不可或缺的作用，它们会有自己的长处，当然也会有短板，在我们所讲的RTK和IMU融合的定位技术里面它也有非常明显的优势，就像刚刚提到的绝对位置的基准，另外相对来说它是一个从整车级别来讲整体系统成本相对来说比较低的，同时它也可以给到其他的一些比如说像视觉传感器在受遮挡，全天候工作，就是雨雪雾天有一些气候影响的时候，仍旧可以进行长时间可靠工作的定位系统冗余的方案。当然它在本身系统受制于没有卫星信号或者说卫星信号受干扰、受遮挡的场景下，也会有相应的技术短板，所以整体在整个高精度定位系统里面，相对定位和绝对定位的冗余也是不可或缺的。
最后就落地到目前智能网联汽车+自动驾驶应用三个比较典型的场景，跟大家谈一谈高精度定位在里面是如何具体来发挥作用的。在这三个不同的功能项里面，其实它都有自己的一些特点，比如说像这个V2X车路协同的应用有一个比较大的特点就是它会相对来说比较少的去依托高精度地图，它会更多关注的是车和车之间、车和路之间的全局定位基准，包括它对于整个系统的响应时间也有非常高的要求，所以在这里面的话它相对来说不依赖于高精度地图，光依赖于统一的时空信息基准，能够去精确并且实时地判断这个车辆的位置，来给到系统一个非常可靠的或者说及时的预警和响应。
在现阶段V2X可量产的功能里面，主要是实现预警，所以整个预警系统的误警率或者说漏警率是极大的影响用户使用V2X功能体验的，在这里如果我作为一个车主在使用V2X功能的时候，我更希望听到的是它给到我一个相对来说非常精准，不早也不晚，能够让我及时地去采取相应的驾驶行为干预来免除安全隐患的这样一种提醒。所以在这里面V2X更多希望是一个轻量级的，同时也能够包括授时和定位精度在内的一整套方案。
在自动驾驶这一块，目前我们看到除了车道级的定位之外，它其实更多引入的是安全性和可靠性相关的一些定位系统要求，包括我们之前在各种项目里面，第一阶段大家会更关注的是说是否能够定位到车道级，在第二阶段大家在实际路测里面就会发现哪怕是高速脱手脱脚的驾驶，高速上也会有很多穿越高架桥遮挡的场景，这里大家就回归到说除了精度之外，我还要关注的一个非常重要的指标就是穿桥之后如何来快速收敛，这也是极大程度会影响整个使用自动驾驶功能用户体验的过程。
此外，刚刚有提到如何和其他的定位系统去做冗余备份来实现全天候的定位，包括在L3级别里面也会有完好性和定位安全的要求，最后一个还是会回到相对来说比较传统的智能座舱的应用，这一块可能会有几个相关的应用包含在里面，一块就是传统的车载导航，另外一块是现在更多相关车载信息系统的服务，也就是车联网服务，这一块要更多从导航出发，减少定位漂移，精确识别上下匝道，在现在的一些车联网应用里面基于用户的数据分析需求，也希望能够采集到相对来说比较稳定连续的一个轨迹，能够去进行后期的一些用户大数据的分析。
有关智能座舱这个应用，大家之前谈到它，很多人认为它其实不太会需要高精度地图的配合，在这个里面，定位更多是配合标精的地图。但是这三个整体应用结合起来的话大家会发现，它可能整体的系统需求不一样，需要的一些配合组件不一样，最终它再落到定位相关的需求里面的话也是多种多样的。所以我们讲去面向一个智能网联或者自动驾驶汽车的量产需求的话，我们也会需要从这个应用出发，给到系统一个相对来说比较完整的定位功能设计和定位指标的设计。
讲了这么多，最后想跟大家说的是在这些功能上面如何将高精度定位去应用于量产，然后如何从需求真正转化到一个可以实现产品化的过程，其实还是会有比较多的挑战的。在这里面千寻也在过往5年经历当中积累了一些经验，想跟大家分享一下，包括在器件选型的阶段，我们会发现高精度定位之前可能是源于测量测绘的行业，它使用到的一些终端相对来说形态会比较大，可能也没有车规级的这样一种硬件来支持，包括在车载的天线上面也许也没有很好的天线方案来进行适配，在整车的架构里面如何把高精度定位所需要的这些数据信息传递出来，也是一个比较大的挑战，这也是涉及到整车的电子架构设计。
在系统集成阶段，整车电子架构的设计可能会引入一些比如数据延时所带来的一些精度问题，包括GNSS、IMU芯片之间的数据同步，还有就是在通信网络接收到差分RTK数据的时候，如何知道差分软件是可用的，这也是需要在集成系统环节去解决的问题。
最后就是在整个高精度集成完毕之后，经过系统的适配和调优，又进入到道路测试验证阶段，在这个里面因为面向自动驾驶的话，我们将整个非常大的测试数据量和用例集是非常重要的，如何去进行可靠大规模的路测，如何在路测的成本和效率上面去进行提升，也是量产阶段很难迈过去的一个问题，所以在这个里面，我们也形成了一些数据积累，形成了千寻整个FindAUTO的量产方案架构。
这个架构跟大家来解释一下，其实是说高精度定位应用于车的一个整体的形态，大概是会有FindAUTO 服务和FindAUTO Client，一个是服务端的数据服务，再加上车端Client的算法解算软件为中心来组成的，需要在车载的终端去接收FindAUTO服务发的改善数据，此外在车端还需要结合GNSS芯片、GNSS天线和IMU芯片这种辅助定位信息的输入，最终在FindAUTO Client端能够计算出来一个高精度的位置数据，包括姿态、速度和时间这样一些给到后端智能网联或者说自动驾驶应用去使用的过程。
所以在这里面我们进一步又把整个大的架构抽象成为三个主要的要素，我们叫FindAUTO三大件，就是专用服务、智能算法和硬件集成。在专有服务里面其实第一层次讲的是说如何提供一套车载级或者车规级能够使用的差分改正的数据服务，它其实是会对整套的基础设施包括云端的解算平台有非常高的要求，第二层级主要讲的是基于量产如何去提供一个整套面向车规级量产的全生命周期服务，给到OEM的客户，来实现这个高精度的量产。智能算法这一块的内涵也包括了几个方面：首先是要有一套可以适配车载架构的算法架构，第二是需要去满足刚刚提到的车载各种不同应用的指标，第三阶段它会需要大规模的测试，道路测试来满足这些指标，最后就是到硬件集成阶段，如何去适配车端各种各样不同的天线、芯片、模组，最终变成车载可用的一些终端形态，例如像T-box或者是像现在的V2X box等自动驾驶所需要的终端。
进入到专有服务第一层次的概念，我们叫一个量产车规级的定位服务。了解RTK的朋友们会知道，RTK最基础的是站网体系的搭建，对于站网体系如果需要去服务于智能网联汽车要求的话，其实它最重要的还是个对于全国的道路网络的覆盖。千寻这一块目前是能够做到在全国的国家级和省级高速99.9%以上的覆盖。另外今年我们服务也已经加入了伽利略和北斗三的星座，所以目前已经做到了5星座16频，达成了对于天上卫星的全覆盖。此外就是整套站网体系的全冗余架构来确保站网的可用性。
在差分站网观测到卫星信号之后，把它传回到云端的中心去进行改正数解算和播发，这个时候数据中心的稳定性、可用性包括处理大规模并发用户接入的能力也是非常重要的，此外在这里面我们如果是面向自动驾驶应用的话，差分改正数的完好性也是非常重要的一块。之后就是差分改正数如何传输到链路终端，这些内容从现在的4G或者未来的5G网络也好，或者从卫星的波段都可以进行传输，做到双链路的冗余。最后就会进入到我们的终端，使用智能算法来进行最终一个高可靠、高安全、高精准的位置数据的输出。
在这里面其实除了每一个环节去做到非常重要的相关基础设施的保障之外，更多的是我们面向于智能驾驶汽车的应用，比如说不能去约束用户他在什么时候开车，99.99%的可用率和7×24小时的应急响应都是非常重要的，所以我们针对服务也做了完好性和信息安全以及功能安全的升级，这里也包括了一系列的安全认证。
那我们下一步更多想跟大家介绍的是在使用这个定位服务的过程当中，或者说智能网联汽车在使用定位服务的全生命周期当中还需要什么样的服务来去解决量产，首先第一阶段就是在最开始的整体系统设计的阶段，要解决的一个就是需求，需求就是相关的分解到的指标，架构的设计、硬件的选型，最终就是基于可实现的一个架构去进行POC的验证以及初期的性能评估，这一块其实是需要一个特定的方案设计团队，来根据整车想达到的功能、要求以及整车架构来进行全套的一个高精度定位的架构设计。
第二阶段就会进入软件研发和适配，在这里面的话其实更多的问题会出现在系统集成阶段，在这里面一系列的面向天线信号干扰、天线链路上的信号损耗，包括GNSS、IMU数据质量的检查、插分网络数据质量的性能检查，都是能够帮助大家在集成的初期识别到这些风险，赶快干预来减少研发过程当中的一些反复，减少整体项目延迟的风险。
集成适配完成了以后就是定位性能的系统级验收，包括整车系统功能的验收，这里面整体定位都会有大规模的道路测试要求，在这里面的话如何去进行各种不同城市、不同场景的定位测试路线的设计，如何进行一个可靠的定位测试系统的搭建，包括如何进行后期的数据统计分析，来进行相关的指标验证，都是相对来说需要一整套的研发服务来保证的。
这里面就会有一个特定的研发团队来支撑高精度项目量产的过程。此外的话可能我们顺利到达了SOP阶段，实际上在真正量产下线的环节当中，针对定位也有一些问题需要去服务和解决，比如说像IMU下限的标定，可能不同天线之间会有一致性的问题，包括差分帐号是否成功开通，这都需要针对每一家主机厂量产下线的流程去进行检测服务的设计甚至检测工具的开发。
之后就是到了车型已经售卖到用户的手里，用户在使用自动驾驶过程当中也免不了有量产售后的保障，在这个里面如何能够把量产售后的保障在线化，使得OEM和高精度定位的厂商非常快地去诊断这些问题，对于用户进行比较快的响应和支持，目前我们正在和我们的客户以及合作伙伴共同探索的一个问题，在这个里面也需要一个大客户的支撑，所以整个客户服务和前面讲到的车规级的高精度地图服务这两个内涵就成了我们讲的自动驾驶高精度地图的概念。
下面讲一下智能算法，基本的架构包含最开始的数据接入和预处理，包括情景感知、紧组合、完好性监测和全链路的安全管理，这是一整套千寻FindAUTO针对车载系统架构来制定的一个算法架构，主要的目标还是为了满足车载这样的智能驾驶性能指标的要求以及车载对于定位精准、可靠、安全的目标。
在这个里面的话，其实我们又把刚刚提到的这一系列面向V2X、自动驾驶汽车、智能座舱应用的指标分解为三大块：
第一块就是精准，精准里面包含位置精度，速度、行航向、姿态精度，包括输出频率、时延和首次定位时间。
可靠和安全这一块，大家经常有一个概念就是高精度定位追求的就是精度，实际上面向智能网联汽车这种应用，尤其是L3以上的自动驾驶应用的话，除了精度之外可靠和安全是更加重要的两项标准。在这个里面面向可靠的就是收敛时间、恢复时间，比如说穿桥后的收敛时间，还有进入隧道星后的维持时间，另外整体定位精度的可用率都是会提升整个定位系统的可靠性。面向安全的话刚才有讲到整体系统的完好性、功能安全以及现在所讲的SOTIF预期功能安全都会包含在整个对于新一代的高精度定位指标要求当中。
为了去满足整个一系列的指标，为了在中国全国的道路环境里面能够去实测，实地来验证整个高精度定位系统的功能，千寻也是一直在开展大规模的路测，今年我们也规划了覆盖全国高速公路和城市快速路的大规模路测。除了路测还有各种仿真数据来保障说各种各样的干扰场景、故障模式的情况下，这个定位系统都可以正常地工作。
左边这个图其实大家可以看到的是千寻基于过往的测试，大概形成的对于全国高速道路定位质量的判断，绿色区域是相对来说使用高精度定位比较理想的环境，有些红色区域的话可能会有一些各种各样的问题，比如说通信网络可能还没有通，或者说它会有盘桥和隧道，最终在这些区域使用高精度定位，其实结合一套数据和高精度的智能算法去使用的话，能够很好地给到终端一个参考，来提示说这一段是否适合使用这个高精度定位。
最终专有服务以及智能算法就需要被集成适配到车载的硬件架构当中，在这个里面的话我们讲如何去判断一个系统或者说一个硬件它能够适合智能驾驶高精度应用里面有几个比较重要的标准：最重要的标准我们讲的就是车规级，第二个标准解决能够满足高精度定位输入指标的要求，第三个就是能够灵活去适配车载各种电子电气架构的设计，这里又延伸出两个不同的形态，一种是高集成度的模组，这里分为可以形成定位导航模组，这种模组的导航相对来上比较明确，可以自动集成像V2X、自动驾驶、ADAS的域控制器等各种各样的终端里面去，还有一种就是通导一体的模组，它的优势就是高集成度的模组形态，相对来说整体成本会比较低，适配工作相对来说比较少，但是它的约束可能在于说只能和V2X box、T-box的终端集成去使用。
另外一种就是分立式的器件组合，这里选型也主要集成在满足要求的GNNS芯片和IMU芯片当中，我们目前也看到双频的芯片也逐渐进入市场，有取代单频芯片的趋势。分立式器件的劣势是需要更多深入进行车端的架构集成和适配，相对来说，它可能会带来集成调优过程当中的一些风险和时间、研发成本。
刚刚是跟大家回顾了一下千寻这边整个量产案例是由专有服务、智能算法和硬件集成这三个主要要素来构成的。这三个要素构成的FindAUTO服务目前其实已经实现了一些量产案例，现在也是想跟大家交一交成绩单的时候。
第一个是最近的一个案例，就是广汽在四川的雅西高速应该是全世界最危险的一条高速道路上面实现了脱手脱脚的自动驾驶，在这个里面千寻的高精度定位也有幸参与在里面，也是支持了埃安LX，实现了全速域、全路况以及全环境的自动驾驶，这一块应该是相对来我们认为在国产的OEM里面走得比较快的量产项目。
此外，去年我们将加速定位服务也植入到一汽红旗的HS5和HS7的项目当中，帮助车端的定位提高它的首次定位时间，从30秒缩短到了3秒，也一定程度上提升了定位的精度和灵敏度。
此外，也是在去年荣威推出的Marvel Xpro上面的高精度定位项目，千寻也是提供了精准的RTK服务，这个就是相对来说目前接入量最大的斑马基于高精度定位的双盲导航项目，目前在多个使用斑马车机的主机厂品牌的车型上都有使用，当前的接入量已经达到了84.3万。
最后也是想跟大家介绍一下，我们认为已经达到了量产级别的高精度定位，也是去年进博会上官宣的在洋山港进行的自动驾驶无人集卡的方案，直到现在，高精度的定位一直在给洋山港的自动驾驶货车提供服务。
今天给大家的分享就到这边，谢谢！
