以色列公司 Nexar 正在研发一种网联汽车网络,该网络基于行车记录仪和一个配对的智能手机应用程序收集而来的数据,而且该公司提出了一个可扩展的方法,能够提升城市地区 GPS 定位准确性。
 
此外,为了推进安全应用的可视化定位研究,Nexar 还推出一个数据集和标准检查程序,此类数据集和标准检查程序基于其网联汽车网络中的行车记录仪和 GPS 的匿名信息。配合使用 Nexar 驱动的行车记录仪以及 Nexar 应用程序,驾驶员可加入该公司的安全驾驶网络,该网络内的每辆车都可在周围车辆的帮助下,了解前方路况。该系统有助于共享有关碰撞、交通堵塞、车道封闭和前方路况危险等信息,以在全球范围内消除碰撞事故。
 
为了发送此类紧急警告信息,Nexar 需要一个高效准确的方法,以实时了解路上车辆的确切位置。在密集的城市环境中,由于卫星信号经常会被高层建筑阻挡或反射,形成“城市峡谷”(urban canyons),从而导致 GPS 不够准确,对车辆到车辆(V2V)安全应用也构成了关键挑战。Nexar 表示,其最新 AI 驱动的图像检索算法可极大提高车辆在城市中的定位准确度,解决一个长期困扰拼车运营商、导航应用程序以及自动驾驶汽车制造商的问题。Nexar 对纽约市 25 万多个行车小时的众包数据进行研究发现,由于城市峡谷效应,至少 40%的车辆 GPS 误差达到 33 英尺(10 米)或更长距离。
 
Nexar 的定位方法基于其不断扩大的数据库,该数据库包含由 Nexar 网联汽车网络收集的全新道路图像,目前该数据库每月都会索引超过 100 亿张的新道路图像。该新系统解决了谷歌等其他地图公司面临的挑战,谷歌会利用一个巨大的街景图像库,但是无法像 Nexar 一样,每分钟更新。为克服卫星定位的不足,Nexar 研发了一个粗到精的混合方法,既利用视觉线索,也利用 GPS 定位线索。该公司训练了一个深度学习模型,使用其从 Nexar 网联汽车网络收集来的超过 4 亿多英里道路的匿名数据,确定车辆的确切位置。