车联网定位关键技术与应用

车联网定位关键技术与应用

摘要

车联网技术越来越收到全世界各个国家的关注，车联网所提供的各项服务需要对车辆进行实时精准可靠的定位。本文先简单介绍一下车联网，然后引出发展车联网定位技术的重要性，之后简单介绍传统的定位技术，如GNSS定位技术（传统RTK技术、网络RTK技术）、无线短距定位技术（WiFi定位、蓝牙定位）、蜂窝网定位技术（RTT、AoA）、基于传感器和高精度地图（摄像头、雷达）的定位技术。接着重点介绍C-V2X直通链路定位技术（S-PRS、TWR、SDS-TWR）并比较车联网几种常见定位技术。后面引出一种C-V2X高精度定位解决方案，其对各种车联网常见定位技术进行融合处理，取长补短，不失为未来的一种优秀解决方案。最后总结全文，得出自己的思考和感悟。

一、 引言

C-V2X（Cellular Vehicle-to-Everything）是一种车联网技术，是指车辆与周围环境（包括其他车辆、道路基础设施、行人等）进行通信的技术。与传统的车联网技术相比，C-V2X利用了5G技术，实现了高速、低时延的通信，具有更高的可靠性和更广泛的覆盖范围。C-V2X技术可以分为两种通信方式：直接通信（Direct Communication）和基于网络的通信（Network-based Communication）。直接通信是指车辆之间直接进行通信，而基于网络的通信则是通过网络进行通信，包括车辆与基础设施之间的通信。

​

图1-1 V2V、V2I、V2P、V2N示意图

C-V2X技术的应用领域非常广泛，包括智能交通、自动驾驶、车辆安全等。例如，在智能交通方面，C-V2X技术可以实现车辆之间的协同，提高交通安全性和交通效率；在自动驾驶方面，C-V2X技术可以提供更加精准的车辆定位和环境感知，为自动驾驶提供更加可靠的技术支持；在车辆安全方面，C-V2X技术可以通过车辆之间的通信，实现交通事故的预防。总之，C-V2X技术是车联网技术的一种重要发展方向，具有广泛的应用前景。随着5G技术的不断发展和普及，C-V2X技术将会得到更加广泛的应用。

表1-1 V2V、V2I、V2P、V2N解释

车辆对车辆（V2V）	与不同行驶车辆直接通信
车辆到基础设施（V2I）	与路边的基础设施进行通信
车辆与行人（V2P）	与车辆周围的行人进行通信
车辆与基站（V2N）	与5G基站（互联网）进行通信

随着车联网技术的快速发展，车辆之间的通信和信息交换变得更加紧密。C-V2X定位技术，作为车联网技术的重要组成部分，可以提供高精度、高可靠性、低时延的定位服务，为自动驾驶、智能交通等领域的应用提供了更加可靠的技术支持。C-V2X定位技术主要基于全球卫星导航系统、车辆之间的通信和车辆感知技术，通过多源信息的融合实现车辆位置的高精度定位。相比传统的GPS定位技术，C-V2X定位关键技术具有更高的可靠性、更低的时延、更广的覆盖范围和更好的隐私保护等。

二、 研究背景

C-V2X系统将防止受伤、挽救生命并减少拥堵。世界各地的城市都在部署C-V2X基础设施，该基础设施将与类似的车内技术相互作用，将车辆相互连接，形成一个合作的智能交通“系统”准确的车辆定位对于C-V2X技术的有效交付至关重要。如果没有高度准确的车辆定位，C-V2X技术将无法在所有道路用户场景中提供预期的结果，原因如下所述。后果包括但不限于：1）不会发出实际碰撞警告，这可能导致人员受伤甚至生命损失。2）车辆会发出虚假碰撞和其他不适当的警告。一辆认为自己在人行道上行驶而不是在车道上行驶的车辆，在试图警告即将与停放车辆相撞的驾驶员时，会发出一系列无休止的虚假警告。准确的车辆定位对于C-V2X系统的安全可靠运行在任何时候都很重要，而不仅仅是在大多数时候。

C-V2X车联网定位中一些重要的KPI描述如下：

位置精度：描述UE的测量位置与其真实位置值的接近程度。精度可以描述绝对位置或相对位置的精度。它可以进一步推导为参考2D或水平面上的位置误差的水平位置精度，以及参考垂直轴或高度上的位置错误的垂直位置精度。

可用性：定位系统能够在性能目标或要求范围内提供所需位置相关数据的时间百分比。

更新速率：定位系统生成位置相关数据的速率。它是两个连续位置相关数据之间经过的时间的倒数。

可靠性：测量定位系统在规定条件下在指定时间内提供定位相关数据的能力。

延迟：触发位置相关数据确定的事件与定位系统接口上位置相关数据的可用性之间经过的时间。在定位系统初始化时，延迟也被定义为首次修复时间。尽管它能够达到厘米级的精度，并被广泛用于地图绘制，但由于扫描和处理延迟，它在实时定位中的应用存在问题。

功耗：定位系统用于产生位置相关数据的电功率（通常以毫瓦为单位）。

三、 传统定位技术

传统的车辆定位技术主要基于全球卫星导航系统 (GNSS)和惯性测量单元(IMU)。GNSS技术通过接收卫星发射的信号来确定车辆的位置，但在城市峡谷等信号受千扰的环境下，定位精度会受到影响。IMU技术则通过测量车辆的加速度和角速度来计算车辆的位置，但其精度会随着时间的推移而逐渐降低。下面简单介绍GNSS定位、无线短距定位、蜂窝网定位、基于传感器和高精度地图的定位

3.1 GNSS定位

GNSS (全球卫星导航系统） 是一种基于卫星发射信号的导航定位技术，它可以实现全球范围内的定位和导航。目前世界上最主要的 GNSS 系统有美国的GPS、俄罗斯的GLONASS、欧洲的Galileo和中国的北斗卫星导航系统。GNSS 技术己经广泛应用于航空、航海、地质勘探、物流运输等领域。在车辆定位和导航领域，GNSS技术也被广泛应用，成为车联网技术的重要组成部分。

图3-1 通过卫星实现定位

GNSS 定位技术通过接收卫星发射的信号来确定车辆的位置。卫星通过发射包含时间和位置信息的信号，接收器通过接收多颗卫星的信号并利用三角测量原理计算出自身位置。GNSS 定位技术主要包括伪距定位和相位定位两种方式。伪距定位通过测量卫星发射的信号在接收机处的到达时间差来确定自身位置，但由于信号在大气层中的传播会受到影响，定位精度会受到一定的影响。相位定位通过测量信号的相位差来计算自身位置，具有更高的精度，但需要更复杂的硬件和算法支持。

GNSS 定位技术具有全球性、高精度和易用性等优势，可以实现全球范国内的定位和导航。此外，GNSS定位技术具有成本低廉、实时性高、可扩展性强等特点，使其在车辆定位和导航领域得到广泛应用。但是，GNSS定位技术也存在一些局限性，例如在城市峡谷和高楼群等复杂环境下，信号容易受到干扰和遮挡，导致定位精度降低：同时，GNSS定位技术也容易受到信号欺骗攻击，从而影响车辆定位和导航的安全性。

图3-2 传统RTK技术

基于RTK差分系统的GNSS定位服务高精度GNSS增强技术通过地面差分参考站实现卫星观测，形成差分校正数据，然后通过数据通信链路将数据传输到流量测量站，然后流量测量站根据接收到的校正数据进行定位。

\1) 基准站先观测和接收卫星数据。

\2) 基准站通过旁边的无线电台（数据链），将观测数据实时发送给流动站（距离一般不超过 20 公里）。

\3) 流动站收到基准站数据的同时，也观测和接收了卫星数据。

\4) 流动站在基准站数据和自身数据的基础上，根据相对定位原理，进行实时差分运算，从而解算出流动站的三维坐标及其精度，其定位精度可达 1cm~2cm。至此，测量完成。

图3-3 网络RTK技术

刚才我们所说的，是 RTK 的早期模型，我们称为传统 RTK 技术。传统 RTK 技术实施简单，成本低廉。但是，它也存在一个很大的问题，那就是流动站和基准站之间存在距离限制。距离越远，误差因素差异变大，定位精度就会下降。而且，距离远了，超过了无线电台的通信范围，也就无法工作了。为了克服传统 RTK 技术的缺陷，在 20 世纪 90 年代中期，人们提出了网络 RTK 技术。在网络 RTK 技术中，在一个较大的区域内，均匀分散设置多个基准站（3 个或以上），构成一个基准站网。网络 RTK 相比传统 RTK，其实是用区域型的 GNSS 网络误差模型取代了单点 GNSS 误差模型。多个基准站组成的基准站网，它们将数据发给中央服务器。中央服务器会根据数据，模拟出一个“虚拟基准站”。（所以，网络 RTK 也被称为“虚拟基准站技术”或“虚拟参考站技术”。）对于流动站来说，它只会“看到”这个“虚拟基准站”。基于这个“虚拟基准站”发来的数据，流动站完成最终的测量运算。网络 RTK 的优势是非常明显的。

图3-4 传统RTK技术和网络RTK技术对比

V2X系统传统上使用全球导航卫星系统（GNSS）技术来确定车辆位置。虽然全球导航卫星系统技术加上实时动态（RTK）校正，可以在开放道路上提供所需的精度，但在城市的“城市峡谷”中效果不佳。这些有高层建筑的城市环境中存在的多径反射大大降低了全球导航卫星系统技术的准确性，甚至RTK校正也无济于事。航位推算也是如此，它也不能解决城市峡谷中的问题。此外，全球导航卫星系统在隧道或地下停车场根本不起作用。

这意味着，当车辆在开阔的天空环境中（如高速公路）时，协同智能交通系统将发挥最佳作用，但在城市环境中则不会那么准确，从而导致错过或误报，有着明显的安全风险

如下图所示，在纽约市曼哈顿市中心的城市峡谷环境中，一个具有RTK校正的最先进的汽车级固定GNSS定位系统以直线驱动。这种故障导致车辆位置的不可预测性和不确定性，导致潜在的错误决策和不安全操作，有效地损害了协作智能交通系统的功效。

图3-5 高楼林立下GNSS+dead reckoning定位结果如绿色轨迹所示

3.2 无线短距定位

随着无线通信技术的不断发展，无线短距离定位技术也得到了迅速的发展。无线短距离定位技术是指利用无线信号来定位物体或人员的位置，主要使用的技术包括蓝牙、Wi-Fi、 Zigbee 等。无线短距离定位技术在室内定位、物流追踪、智能家居人员管理等领域得到广泛应用。

无线短距离定位技术采用的原理主要是接收器接收发射器发出的信号，通过测量信号的强度、时间差和相位差等参数来计算出目标位置。其中，蓝牙技术是通过测量信号的强度来确定目标位置，Wi-Fi技术是通过测量信号时间差来计算目标位置，zigbee 技术则是通过测量信号的相位差来计算目标位置。由子无线短距离定位技术的定位精度受到信号千扰和衰减等因素的影响，因此需要对信号进行滤波和校淮等处理，以提高定位精度。如下所示为弗里斯自由空间传播损耗公式：

Pr、Pt分别为远场的接收功率和发送功率； 为天线波长； d为信号传输距离； Gr、Gt分别表示接收端和发送端的定向天线增益。我们可以算出 d，从而确定目标位置。

​

图3-6 蓝牙定位示意图

无线短距离定位技术具有定位精度高、成本低、易部署等优点，可以应用于室内定位、物流追踪、智能家居、人员管理等领域。与GPS等全球定位系统相比，无线短距离定位技术可以在室内环境中实现定位，具有更广泛的应用前景。但是，无线短距离定位技术也存在一些局限性，例如定位精度受到信号千扰和衰减等因素的影响，需要进行滤波和校准等处理；同时，无线短距离定位技术的范围受到信号传输距离和阻挡物的影响，无法实现全球范围内的定位。无线短距定位一般用于室内，不适合车联网。

3.3 蜂窝网定位

蜂窝网定位技术是一种利用手机基站信号来定位手机用户位置的技术。随着移动互联网的快速发展，蜂窝网定位技术已经成为手机定位的主流技术之一蜂窝网定位技术的原理是基于手机与基站之间的信号交互来确定手机用户的位置。蜂窝网基站会向手机发送信号，手机接收到信号后会返回一个响应信号给基站，基站通过测量信号传输的时问差来计算手机用户的距离。E-CID方法把传统基站分为三个扇区，一个扇区对应一个小区，每扇区通常120度，每个小区都有不同的识别码（Cell ID）。由于基站的经纬度是已知的，根据Cell ID就可以大致锁定手机的位置。但一个小区的覆盖范围很大，通常几百米到几公里，仅基于Cell ID的定位误差非常大，所以有了E-CID定位技术。

图3-7 E-CID原理示意图

E-CID，Enhanced Cell-ID，指基于Cell ID的增强定位技术，包括Cell ID+RTT、Cell+RTT+AoA等。Cell ID+RTT在Cell ID的基础上增加RTT（Round Trip Time）测量，即通过TA（Time Advance，时间提前量）得出信号从手机到达基站，或从基站到达手机的时间，再乘以光速（无线信号传播速度）来估算手机与基站之间的距离。在Cell ID+RTT的定位方式下，可对附近的三个基站进行距离估算来提升定位精准度。Cell ID+RTT+AoA（AoA，Angle-of-Arrival，到达角），就是利用手机信号传送至基站的入射角度来进一步确定手机在该区域的位置。在Cell ID的基础上，增加RTT和AoA辅助可大幅提升定位精准度。

图3-8 ToA 3个基站实现蜂窝网定位

蜂窝网定位技术具有定位精度高、成本低、易部署等优点，可以应用于手机定位、车辆追踪、人员管理等领域。与GPS等全球定位系统相比，蜂窝网定位技术可以在城市等密集建筑物环境中实现定位，具有更广泛的应用前景。但是，蜂窝网定位技术也存在一些局限性，例如定位精度受到信号千扰和衰减等因素的影响，需要进行滤波和校准等处理；同时，蜂窝网定位技术的范围受到基站覆盖范围和信号传输距离的影响，无法实现全球范围内的定位。

图3-9 5G定位技术

3.4 基于传感器和高精度地图的定位

基于传感器与高精地图的定位技术，通过传感器 （摄像头、LiDAR、毫米波雷达等）采集周边环境的特征点，通过与预先采集制作的高精地图进行特征点匹配，实现高精定位，是另一种常见的车辆定位方法。这里考虑了两种主要技术，SLAM和HD地图。基于SLAM的技术可以通过连续监测周围环境来实时重组和定位，这使它们能够快速适应新的环境。值得注意的是，这些技术需要大量的计算密集型算法。此外，传感器和周围环境可能会给这些系统带来不确定性。为了解决这些缺点，提出了高清地图技术来提供自动驾驶汽车（AV）周围环境的详细描述。它可以快速识别已知物体，极大地帮助AV系统完成感知任务。在物理环境不变的情况下，高清地图具有良好的定位性能，但如果环境变化较大，则定位效果会比较差。

图3-10 基于传感器和高精度地图的定位

基于传感器和高精度地图的定位技术具有定位精度高、定位速度快等优点。与蜂窝网定位技术和GPS等全球定位系统相比，基于传感器和高精度地图的定位技术更加精准和实时。但是，该技术也存在一些局限性，例如需要设备配备传感器和高精度地图数据，成本较高；同时，定位精度受到传感器数据和地图数据的质量和准确性的影响。高清地图必须及时更新，以便为实时感知自动驾驶提供较高的位置精度。然而，地图数据的质量将直接决定位置精度以及一系列可用性特征。高昂的成本和对环境的脆弱性也制约了其应用前景

对基于C-V2X精确定位的服务的需求刺激了许多定位技术。然而，由于复杂的电磁环境（非视距传播、多径衰落和阴影效应）和特殊的应用场景，现有的单个系统和技术的准确性和鲁棒性表现不佳。为了克服这一缺点，已经提出了多种定位技术的混合数据（GNSS、INS、蜂窝网络数据和高清地图辅助传感器）融合定位，以提高C-V2X中的定位性能，如图9所示。混合数据融合结合了从不同来源收集的数据，使得最终定位结果在某种意义上比单独使用这些来源时更好、更准确、更完整或更可靠。

图3-11 多传感器数据融合定位

四、 C-V2X直通链路定位

C-V2X直通链路定位是一种使用直通链路来发送（Positioning Reference Signal）PRS和进行终端定位测量的技术。测量可以包括ToA、AoA/AoD、RSTD等，由用于测距和定位的终端测量。类似地，通过提供高可靠性、准确性和可用性，这种直通链路定位有望用于C-V2X的定位。在直通链路定位定位中，链路定位将被用于PRS传输，并且定位辅助数据和测量可以在直通链路或Uu链路上传输。

3GPP已经发布了C-V2X标准，以支持使用直通链路PC5直接接口的V2X通信。PC5接口便于C-V2X通信链路两端之间的直接通信。直通链路允许两个设备之间的直接通信，而无需经过基站。由于网络基础设施不涉及用户平面数据传输，因此可以有效地减少分组传输延迟。直通链路定位由三个操作组成：直通链路定位配置、S-PRS传输和测量、位置计算。考虑了Uu链路定位中基于UE和UE辅助的定位架构。首先，直通链路定位与Uu链路定位的区别在于直通链路定位参考信号（S-PRS）的传输和测量是通过直通链路接口在UE之间完成的。其次，可以控制直通链路定位调度和配置。

在V2X部署中，车辆配备车载单元（OBU），而基础设施则通过在固定位置安装路边单元（RSU）来支持。因此，这些RSU的位置对于在通信范围内的任何车辆来说都是众所周知的。带有V2X定位的连接车辆使用对这些固定RSU的测距测量，即使在复杂的环境中也能提高定位精度，如下图所示的车辆准确地确定了到基础设施RSU的距离，如示例粉色方块和红线所示。通过先进的信号处理，C-V2X直通链路定位能够正确识别OBU和RSU之间的正确范围，而不考虑多径信号的存在。这些来自空间分离的与RSU的距离被输入增强定位引擎，以准确定位车辆，同时C-V2X直通链路定位与GNSS和Dead Reckoning进行传感器融合，以获得最佳位置估计。

图4-1 直通链路定位示意图

基于UE的直通链路定位架构目标UE希望知道其自身的位置，以及作为参与侧链定位的UE或RSU的锚UE，并帮助目标UE获取其位置，例如，通过发送/接收S-PRS和进行相关测量。在该架构中，所有三个直通链路定位操作都由参与直通链路定位过程的目标UE或锚UE来完成。UE形成一种直通链路定位组，发送/接收S-PRS，并基于UE所做的测量来计算目标UE的位置。Uu链路和基于网络的定位服务器都不参与直通链路定位过程。这是一种基于定位组的全分布式定位，定位组由车辆、VRU和RSU组成。在使用该架构的一个场景中，锚UE（例如，RSU）可以扮演由道路运营商操作的位置服务器的角色。

图4-2 基于UE的直通链路定位架构示意图

UE辅助直通链路定位架构与上述直通链路定位相比，该模式的主要区别在于，最终定位计算由网络或位置服务器完成，而不是由直通链路定位组的UE完成，正如架构名称所暗示的那样。直通链路定位配置，如图8所示，通过直通链路的S-PRS传输/接收和测量由直通链路定位组的UE完成。然而，诸如RSTD或出发/到达角之类的定位测量被报告给网络，并且目标UE的最终位置由网络或定位服务器计算。这种架构的优点是将位置计算转移到网络侧，并基于网络强大的处理能力实现可能的超精度和更快的位置计算。缺点是实现UE位置的延迟增加。

图4-3 UE辅助直通链路定位架构示意图

针对时间同步精度问题，需要研究无需高精时间同步的高精度TOA测距方法，而IEEE 802.15.4a MAC 层协议定义的SDS-TWR方式可作为参考。下面介绍TWR和SDS-TWR测距方法。 双路（TWR）测距算法采用双向测量，因此该算法不需要进行节点间的数据同步。在TWR测距中节点A发送一个Poll数据到节点Ｂ，节点Ｂ收到数据包后返回一个Ack数据包，如图4-4所示。

图4-4 TWR测距方法原理

为了避免TWR方法中晶体频率误差引起的计时误差，引入SDS-TWR算法。SDS-TWR是TWR算法的改进，利用２个节点双边各进行一次TWR过程实现消除节点间晶体频率误差引起的计时误差,其过程见图4-5。

图4-5 SDS-TWR方法

SDS-TWR的测距过程是在节点Ａ发起一次的测距完成后，再利用节点Ｂ进行反方向测 距一次,则数据包传播时间Tp即为:

五、 C-V2X高精度定位解决方案

如表所示为车联网各种常见定位技术，可见各有优劣势，倘若互相结合，取长补短，则会大大提高定位精度及实用性。为此考虑一种蜂窝车联网车联网定位解决方案。

基于UE的位置架构包括终端、网络、平台和应用功能块，如下图所示。终端功能块实现多源数据融合（卫星、传感器和蜂窝网络数据）算法，以确保不同服务和场景的定位要求。平台功能块为一体化车辆提供定位平台功能，包括RTK差分解计算能力、地图数据库、动态高清地图、定位引擎、开放式定位能力。网络功能块包括5G BS、RTK BS和路侧单元（RSU），为定位终端提供可靠的数据传输。基于高精度定位系统的应用功能块可以提供车道级导航、线路规划和自动驾驶等服务。

图5-1 基于UE定位的架构示意图

终端功能块：地面增强站主要用于RTK测量，可以与运营商BS共建，这将大大降低网络部署、运营和维护成本。同时，RTK BS的测量数据传输可以通过5G网络实现，这将有利于快速灵活地部署参考站。RSU可以实现RTK信息广播，避免了传统RTK定位中终端初始位置的报告。同时，RSU提供本地道路车道级地图和实时动态交通信息广播平台功能块

网络功能块主要实现信号测量和信息传输，包括5G基站、RTK基站和RSU路侧单元的部署。作为新一代通信技术，5G确保了高数据传输速率，以满足高精度地图实时传输的要求。5G基站还可以通过终端和报告平台完成信号测量。平台基于5G信号计算定位值，以帮助实现车辆的高精度定位。基于5G-MEC（移动边缘计算），可以在高清地图上实现实时更新。实时性能和准确性将大大提高。

平台功能块可以模块化包括：

高清地图。静态高清地图信息，如车道线、车道中心线、车道特性变化等。此外，它还包括曲率、坡度、航向和横坡等道路参数，使车辆能够准确转弯、刹车、爬坡等。它还包括交通和路标等路标，以及特殊的特定点，如GPS消失的区域和道路建设状态。

动态交通信息，如道路交通状况、施工条件、交通事故、交通管制、天气状况等。差分解计算。该平台通过RTK-BS连续接收卫星数据，优化电离层误差、对流层误差、轨道误差、多径效应等各种主要系统误差源，建立全网电离层延迟和对流层延迟的误差模型。优化后的空间误差将发送到车辆。

数据管理，如国家行政区划数据、矢量地图数据、交通基础数据、海量动态应急救援车辆位置数据、导航数据、实时交通数据、兴趣点（POI）数据等。这些数据是经过数据生产过程整合汇编的运营数据。

数据计算，包括路径规划、地图静态数据计算、动态实时数据计算、大数据分析、数据管理等功能。

应用功能块：

在应用功能块中，它为用户提供地图浏览、规划路线显示、数据监控和管理功能等服务，以及基于位置的其他车联网服务，如辅助驾驶和自动驾驶。

信号处理如图4所示

图5-2 基于UE定位的信令处理示意图

UE辅助定位是在网络侧通过收集来自道路侧和终端侧的所有信息来完成定位计算。UE辅助功能如图5所示。对于网络，它主要用于RTK定位、基于5G的定位、融合算法和定位结果传输。对于终端，主要用于测量报告和定位结果接收。并且定位结果可以通过eNB/gNB/RSU发送到终端。

图5-3 UE辅助的定位架构示意图

终端功能块为了在平台上完成位置计算，终端需要向平台传输测量数据，包括GNSS数据、传感器数据和惯性导航数据。

平台功能块平台功能块可以模块化，包括：

高清地图。静态高清地图信息，如车道线、车道中心线、车道特性变化等。此外，它还包括曲率、坡度、航向和横坡等道路参数，使车辆能够准确转弯、刹车、爬坡等。它还包括交通和路标等路标，以及特殊的特定点，如GPS消失的区域和道路建设状态。

动态交通信息，如道路交通状况、施工条件、交通事故、交通管制、天气状况等；差分解计算。该平台通过RTK-BS连续接收卫星数据，优化电离层误差、对流层误差、轨道误差、多径效应等各种主要系统误差源，建立全网电离层延迟和对流层延迟的误差模型。优化后的空间误差将发送给车辆。

数据管理，如国家行政区划数据、矢量地图数据、交通基础数据、海量动态应急救援车辆位置数据、导航数据、实时交通数据、POI数据等。这些数据是经过数据生产过程整合汇编的运营数据。

数据计算，包括路径规划、地图静态数据计算、动态实时数据计算、大数据分析、数据管理等功能。该平台还完全采用了融合终端多源数据的定位方案，包括基于差分数据的GNSS定位数据、惯性导航数据、传感器数据、高清地图数据和蜂窝网络数据等

应用功能块：应用功能块为用户提供地图浏览、规划路线显示、数据监控和管理功能等服务，以及基于位置的其他车联网服务，如辅助驾驶和自动驾驶。详细的信令处理信息见图

图5-4 UE辅助定位的信令处理示意图

C-V2X高精度定位解决方案主要包括两个方面：车辆自主定位和车辆协同定位。车辆自主定位主要基于车载传感器和 GNSS信号实现车辆位置的高精度定位，包括视觉传感器、激光雷达、GNSS 接收机等多种传感器。车辆协同定位则通过车辆之间的通信信息实现位置的互联互通，包括车辆之间的协同定位和车辆与路侧基础设施之间的通信。在实际应用中，C-V2X定位技术可以为自动驾驶、智能交通等领域的应用提供高精度、高可靠性、低时延的定位服务，为车辆安全和交通效率的提升提供了更加可靠的技术支持。以上是关于C-V2X定位技术的详细技术报告，包括背景概述、传统定位技术、C-V2X 关键定位技术、C-V2X高精度定位解決方案等。

图5-5 高楼林立下GNSS+Dead Reckoning+C-V2X直通链路定位结果如蓝色轨迹所示，黄色轨迹为理论最优值

从电信运营商的角度来看：（1）基于UE的定位架构：基于UE的位置定位是利用网络提供的RTK、地图数据等辅助信息在终端侧完成定位计算。对于网络，主要用于RTK数据传输和基于5G的定位。而对于终端，它主要用于RTK定位和融合算法。（2） UE辅助定位架构：UE辅助定位是通过收集道路侧和终端侧的所有信息，在网络侧完成定位计算。对于网络，它主要用于RTK定位、基于5G的定位、融合算法和定位结果传输。对于终端，它主要用于图1。V ehicle to Everything的场景。V2X服务涉及各种用例，例如紧急制动警告、碰撞前感应警告、道路危险

六、 参考论文

[1] Fouda A , Keating R , Ghosh A .Dynamic Selective Positioning for High-Precision Accuracy in 5G NR V2X Networks[J]. 2021.DOI:10.1109/VTC2021-Spring51267.2021.9448827.

[2] Yu Ge, Maximilian Stark, et al. Analysis of V2X Sidelink Positioning in sub-6 GHz[J]. Thu, 27 Oct 2022, DOI: 10.48550/arXiv.2210.15534

[3] Liu Q , Song M , Xv X ,et al.High Accuracy Positioning for C-V2X[J].IOP Conference Series Earth and Environmental Science, 2021, 693(1):012100.DOI:10.1088/1755-1315/693/1/012100.

[4] Wymeersch H , Seco-Granados G , Destino G ,et al.5G mmWave Positioning for Vehicular Networks[J].IEEE Wireless Communications, 2018, 24(6):80-86.DOI:10.1109/MWC.2017.1600374.

[5]李晨鑫,胡金玲,赵锐,等.车联网定位技术现状及展望[J].移动通信, 2020(011):044.

[6] 李 文 娟 . 车 联 网 中 车 辆 定 位 及 其 优 化 技 术 研 究 [D]. 南 京 邮 电 大 学 [2023-06- 10].DOI:CNKI:CDMD:2.1013.167995.

[7]刘云浩.物联网导论[M].科学出版社,2013.

[8] Liu Q , Liang P , Xia J ,et al.A Highly Accurate Positioning Solution for C-V2X Systems[J].Sensors, 2021, 21(4):1175.DOI:10.3390/s21041175.

[9] 殷臻 ,黄 慧哲 ,李伟 ,等 .基 于 SDS-TWR 算法 的 TOF 精确 定位系统 [J]. 实验技术 与管理 , 2017, 34(5):4.DOI:10.16791/j.cnki.sjg.2017.05.024.

[10] 顾 博 , 敖 婷 . 基 于 MEC 的定位技术在车联网中的应用 [J]. 电信科学 ,2022,38(z1):250-258. DOI:10.11959/j.issn.1000−0801.2022128