北斗系统全球实测定位精度均值已达 2.34 米,显著优于此前公布的 10 米设计指标;其中亚太地区水平精度稳定在 1 米以内,垂直精度优于 2 米。而精密单点定位服务的水平精度达到 0.25 米、垂直精度 0.5 米。
从 2.34 米到 0.25 米,跨过这 2 米的不是卫星,是车上的传感器和算法——卫星给的精度是上限,车载融合的精度才是产品。
误差的三层来源
车载定位的误差可以拆成三层,每层的处理手段完全不同:
| 误差层 | 来源 | 处理手段 | 典型量级 |
|---|---|---|---|
| 电离层延迟 | 卫星信号穿过电离层产生延迟 | 双频接收联合解算抵消 | 米级 |
| 多路径效应 | 城市高楼反射信号造成定位跳变 | 3D 建模 + 抗多路径算法 | 米级,可致跳变 |
| 遮挡失锁 | 隧道、地库、峡谷下卫星不可见 | 惯导推算 + 里程计 + 轮速约束 | 累积漂移 |
双频是关键的第一层。同一颗卫星的两个频段信号经过的电离层延迟量不同,用两个频段联合解算可以把这一项抵消——这也是车载高精度定位普遍采用双频(甚至双频 + 双天线)方案的原因。
真正的难点在第三层。一旦失锁,误差就从"米级跳变"变成"累积漂移"——惯导的误差随时间累积,而且累积速度取决于载体运动状态。高速行驶时,陀螺的零偏会被放大成显著的位置误差;低速或静止时,里程计失效,反而是静止状态下漂移最难看。
组合导航的成本结构
组合导航的成本远不止一颗芯片。以双频北斗 + 惯导的方案为例:
- 北斗射频基带芯片——28nm 工艺下单车搭载成本已降低至 10 元以内;22nm 高精度芯片即将量产,功耗较现有产品降低 30%;
- 天线——车载北斗天线采用低驻波、高增益的天线振子设计,在高速行驶、隧道出入口、城市峡谷等复杂场景下稳定捕捉信号;
- IMU——陀螺与加速度计,这通常是成本占比最高的部分;
- 算法与标定——松耦合还是紧耦合,直接决定了失锁时的表现。
国产高精度 MEMS 惯性测量单元的市场渗透率在 2026 年预计提升至 45%,较 2025 年增长 12 个百分点;主要供应商通过优化算法与硬件协同设计,使单套组合导航模组成本降低了约 20%。这 20% 是组合导航能从高端配置下沉到主流车型的前提。
城市峡谷的 15%:比精度更重要的指标
城市峡谷的定位成功率是比"精度"更有意义的指标。2026 年的实测数据显示:城市峡谷场景下,北斗信号的定位成功率较去年提升 15%;在林区、山区等遮挡严重区域,定位收敛时间缩短 40%。
提升 15% 是相对值——这意味着改善是真实的,但基础仍然不高。 对辅助驾驶来说,定位的可用性是二值的:可用就用,不可用就走退化路径。一条隧道口连续 3 秒失锁,就足以让高阶领航功能退出,而用户会立刻感知到。
| 融合方式 | 失锁时的表现 | 工程复杂度 | 适用场景 |
|---|---|---|---|
| 松耦合 | 失锁即失效,靠重新收敛恢复 | 低 | 开阔高速 |
| 紧耦合 | 失锁仍可用卫星残差约束 | 中 | 城市峡谷、高架 |
| 深耦合(GNSS/INS) | 精度比松耦合提升 2—5 倍 | 高 | 自动驾驶、高精定位 |
| 双频 + 深耦合 + 惯导 | 遮挡场景连续性提升 40% 以上 | 很高 | L3 及以上 |
单北斗方案的定位连续性相比多模方案提升 40% 以上,这个数字来自单系统的确定性——不存在的多系统信号互相干扰和定位跳变,代价是放弃了多模的信号冗余。这是一次用冗余换确定性的取舍,在信息链路自主可控的要求下,这类取舍会越来越多。
定位在智能驾驶里的真实位置
定位常被当成"基础服务",但在 L3 的责任框架下,它的性质变了:感知可以多传感器冗余,定位没有同等的冗余手段——因为定位的失效是全场景的,不是局部的。
所以有两个趋势值得盯:
第一,定位从"选装"变成"标配"。2026 年具备高精度定位能力的乘用车新车搭载率预计突破 35%,具备高精度定位能力的智能网联汽车保有量将突破 5000 万辆。
第二,单北斗的规模化会改变供应链结构。当车载定位只依赖北斗信号,芯片、天线、算法的选型就必须在北斗信号体制内重新验证——这是一轮新的供应链洗牌,而不是简单的替换。
定位的精度天花板由卫星决定,可用性的天花板由惯导和算法决定。城市峡谷 15% 的改善,是靠两者一起推进换来的,不是靠换一颗更贵的芯片。
从 2.34 米到 0.25 米,车载高精度定位的技术路径已经清楚。剩下的难题在实车上:失锁那一瞬间的漂移怎么控、失锁期间的退化策略怎么定、失锁之后多久能收敛——这三个问题,决定了厘米级定位能不能真的变成自动驾驶的可靠输入。
微信分享
微信扫一扫,或复制链接发送给朋友
版权声明转载请说明出处 —— 本文为 VEXIA新势力 原创整理,版权归 VEXIA新势力 所有,转载请注明来源 blog.vexia.cn
