车路协同中无线定位技术学习笔记

---

前言

最近在上一门ITS的课程（智能交通系统），其中涉及到了一些车路协同的问题研究，所以在这里做一些学习的总结。

---

提示：以下是本篇文章正文内容，内容参考引用北京交通大学硕士论文：车路协同环境下的车辆无线定位方法研究。copyright@高畅 侵权联系作者立删

一、什么是车路协同？

车路协同技术是ITS的一个重要发展方向，它可以大幅度推动车联网的发展，对于智慧城市，智慧物流，万物互联等都具有重要的作用。
车路协同技术能够实时地动态地获取动态交通信息,并且对交通信息进行融合（多传感器信息融合处理等）实现车车、车路间的实时信息交互与共享,从而在车辆行进过程中达到协同配合，统一管理的目的，提高道路交通水平，缓解城市拥堵，为自动驾驶提供一部分数据来源以及提高交通出行安全等

二、什么是无线定位技术？

无线定位基于无线信号传输交互,利用信号发射接收装置、传感器等设备,实现对特定目标的定位追踪

常用技术	优势	劣势
GPS	全球全天候定位，定位精度高，观测时间短，可提供全球统一的三维地心坐标	1.GPS测量更适用于视野开阔、障碍物较少的新建区，野外、勘探定位等（城市中在高楼密集处会用盲区），2.系统确定位置受气候、电离层、对流层、空气、电磁波等因素的影响会存在偏差。
无线传感网络(WirelessSensorNetworic,WSN)	组建方式自由，可以覆盖视野盲区	控制方式不集中，安全性不高，大面积布置时成本很高

WSN网络是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个自组织网络。

1.无线定位方法分类

(1)按照是否与距离有关
按照定位过程中是否需要节点间距离等信息的定位方法,可分为基于测距(Range-based)和基于非测距(Range-free)的定位方法

(2)按照节点计算顺序
递增式定位和并发式定位

(3)按照不同测量设备能力
根据测量设备能力的不同,可W将无线定位方法按照定位精度从高到低的顺序分为:精确位置定位、节点间距定位、节点角度定位、节点区域定位、节点跳数定位及节点相邻信息定位

2.无线定位影响因素

锚节点：固定的观测点，如基站
待定节点：不确定的位置，如车辆

定位误差主要来自于两个方面,一方面是锚节点和待定节点之间信号传播的空间环境干扰,
另一方面是硬件设备自身的问题，差异性等
（1）非视距传播
基站与移动车辆间的无线信号传播遵循直线传播的规则，若信号传播过程中被建筑，树木遮挡则会出现反射衍射的情况导致误差
1）信号反射
2）信号衍射
（2）多径传播
从信号发送节点发射的信号沿着多条路径接收传播，导致角度定位参数和信号强度定位参数精度受到影响。
（3）电子设备干扰
（4）移动车辆方位
车辆接收信号时的方位会有不同程度的幅差变化。

三、无线定位测距方法

1.常用测距方法

(1）RSSI测距方法
RSSI测距指的是利用信号强度随着距离的变化而衰减的原理,根据信号传播过程中的衰减特性来估计距离。
RSSI测距方法简单,成本较低,且无需额外硬件设各。但由于空间中对于信号传播的影响因素较多,定位精度不够高。适用于对定位精度要求不髙,硬件成本要求低的情况

(2）TOA测距方法
TOA测距是指利用无线信号在错节点和待定节点间的传播时间进行定位的测距方法。信号传播时间与传巧速度的乘积即为节点间距离。
TOA测距方法对拥里时间的精度要求很高。因为在定位过程中仅1微秒的测量误差就会导致近300米的定位误差,因此,要求基站与车辆都要有精准的时钟,测距的硬件设备要求较高。

(3) TDOA测距方法
TDOA是指通过同时发射两种不同传巧速度的信号,利用两种信号到达基站的时间差来确定距离。两种信号一巧采用无线射巧信号和超声波信号。
TDOA的优点在于可以降低对两端节点时间精度的耍求,这也降低了对于时间测量精度的要求,宜测距精度优于TOA测距方法。因此有较广泛的应用。但同时,TDOA方法需要在发射节点配置两种信号设备,因此定位成本相对较高。目前TDOA测距方法己经应用在一些无线定位的算法中,并取得了良好的效果。

（4）AOA测距方法
AOA测距方法是指首先测量待定节点与多个巧节点之间的方向角度,然后综合角度信息及猫节点的位置信息来计算目标节点所处的位置

2.经典无线定位方法

基于测距的定位方法

1.三边测量法
2.最小二乘法
3.双曲线定位法
4.极大似然估计法

基于非测距的定位方法

1.质心算法
2.三角形内点检测法(APIT)
3.凸规划定位方法
4.DV-HOP算法

3. 无线定位性能评价指标

克拉美罗下界、几何精度因子、均方根误差、累积分布槪率等

四、论文中改进的测距方法

利用RSSI与信号传播距离的关系,对距离传播模型进行校正
（1）线性模型
（2）对数模型
（3）衰减因子模型
确定使用对数模型，选择3σ准则进行粗大误差修正。
论文中选择小波理论中的小波阀值去噪方法。给定阔值外的小波系数为噪声,将噪声压缩再重新取值。通过这种方法,阔值化移去小幅度的噪声或非期望信号数据,经过小波逆变换得到所需要的数据。

论文选择了基于测距定位方法中的H边测量定位法和最小二乘定位法对实验车辆进行定位计算。
产生基于误差加权的无线定位融合算法

论文提出了一种基于RSSI的加权无线定位酷合算法。将三边定位方法、最小二乘定位方法和质心定位方法的组合,分别与推算定位方法、两站测距平面定位方法组成融合定位算法。并对三边定位、最小二乘定位和质心定位的定位结果分配其基于误差距离的权值。
（综合考虑距离误差和坐标的定位误差,得到每个定位结果的加权因子）

算法步骤：
1.标定对数距离传播模型
2.定位过程
3.计算权值
4.车辆位置计算
案例测试结果
不同融合定位方法的结果有一定差异,其中基于测距和基于非测距定位方法集成的融合定位方案定位精度最高,优于另外两种对比方案;且模型参数存在标定合理值,使得融合算法定位精度最优。

论文在融合算法设计过程中仅考虑了误差作为对权值判定的准则,而没能更多地考虑车辆速度,车辆装载率对定位结果的影响。

参考文献

【1】高畅.车路协同环境下的车辆无线定位方法研究[M].北京交通大学2016.
【2】胡振文,孙玉梅,邢献芳庫辆定位与导航[M].北京沖国铁道出版化2009.
【3】梁久侦.无线定位系统[M].北京:电子工业出版社,2013.
【4】林峰.基于环境感知的线下购物推荐系统的设计与实现[D^北京交通大学,2014.