CN104200695A - 一种基于车路专用短程通信的车辆协同定位方法 - Google Patents
一种基于车路专用短程通信的车辆协同定位方法 Download PDFInfo
- Publication number
- CN104200695A CN104200695A CN201410404374.XA CN201410404374A CN104200695A CN 104200695 A CN104200695 A CN 104200695A CN 201410404374 A CN201410404374 A CN 201410404374A CN 104200695 A CN104200695 A CN 104200695A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- communication unit
- signal
- trackside communication
- short range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种基于车路专用短程通信的车辆协同定位方法,在车辆中部署车载通信单元,在路侧部署路侧通信单元,车路通信单元之间通过专用短程通信技术实现信息交互;路侧通信单元对接收到的车辆发出的专用短程通信信号进行处理,通过直连信号决策条件,获得直连信号参数信息,联合多个路侧通信单元,融合信息资源,实现更加精准的车辆协同定位;本发明充分利用了智能车路协同系统中存在的专用短程通信信号资源,可以有效解决或缓解弱卫星信号覆盖区域内的车辆定位问题。
Description
技术领域
本发明涉及一种基于车路专用短程通信的车辆协同定位方法,属于智能车路协同系统和车路无线通信技术交叉技术领域。
背景技术
智能车路协同系统(Intelligent Vehicle-Infrastructure Cooperative System,I-VICS)是近年来交通科学发展的前沿方向。该系统依靠车载、路侧传感设施感知车辆、道路的状态信息,通过车路无线通信技术,尤其是目前各国大力投入研究、政策推进,为车路通信系统制定的专用短程通信技术(Dedicated Short Range Communications,DSRC),来实现车车、车路之间的信息交互共享。在信息共享的交通系统中:一方面,对于车车(Vehicle-to-Vehicle,V2V)系统,车辆收到邻居车辆节点的状态信息,如邻居车辆的位置与速度信息,以此做出智能决策并将决策结果转化为控制信号,操控车辆下一步姿态,实现车辆碰撞避免、队列跟驰、换道超车等智能车车协同应用;另一方面,对于车路(Vehicle-to-Infrastructure,V2I)系统,布设于十字交叉路口的信号灯可以通过专用短程通信技术向四周广播其相位状态信息,车辆将收到信号灯相位信息与自身状态信息融合,如车辆自身的位置与速度信息,计算出车辆顺利通过十字交叉路口的最优建议车速,保证驾驶员以较为均匀的速度顺利通过十字交叉路口,减少或避免驾驶员不当的“起-停”操作,从而正确引导驾驶员的驾驶行为,有效降低区域路网中车辆的排放与油耗。
在智能车路协同系统中,车辆位置信息是实现车车、车路典型场景中最为重要的信息之一。最为常见的获取车辆位置信息的方式是通过全球卫星定位系统,该系统的顺利运行需要保证同时收到四颗以上的卫星信号。然而,在城市或隧道中,由于“高楼峡谷”现象以及隧道的封闭结构,卫星信号被严重遮挡,卫星信号与接收端的链路处于严重的“非视距”情况,此时卫星定位系统将不能提供位置信息,或者可提供的位置信息与真实位置信息有较大偏差,不能满足车路协同系统的应用需求。随着车车、车路通信技术的普及发展,具备专用短程通信技术的车载通信单元、路侧通信单元将在交通路网中逐步铺开。由于车车、车路链路往往处于良好“视距”情况,这将十分有利于运用无线信号的测距与测角原理,以获得车辆较为精确的位置信息。
多重信号分类方法(Multiple Signal Classification,MUSIC),是信号谱分析和统计信号处理中经典的信号波达角估计方法,在绝大数情况下,具有极好的估计性能。压缩感知(Compressive Sensing,CS)方法是近来国际上较为热门的一个研究方向,主要应用于雷达成像、医学成像、图像处理等研究领域,其主要思想是利用原始信号的稀疏特征,通过较少的观测次数由观测信号恢复原始信号。贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)是压缩感知研究方向中的一个分支,它采用传统的贝叶斯和基于相关向量机(RelevanceVector Machine,RVM)的机器学习方法,来恢复原始信号,该方法在无信号先验知识条件下,仍然具备良好的恢复性能,并且在有噪声条件下具备良好的鲁棒性。近年来,已有相关研究将贝叶斯压缩感知方法运用于信号波达角估计,该方法在无先验知识情况下,与经典的多重信号分类方法比较,具有更好的估计性能。
由此,如何有效利用现有的技术资源,来解决城市或隧道等弱卫星信号覆盖区域的车辆位置信息获取问题,是当前智能车路协同系统发展中需要迫切解决的问题。
车辆位置信息是智能车路协同系统中重要的信息资源,其一,微观的看,车辆位置信息可用于实现车队管理、车辆定位导航、车车协同避撞等功能;其二,宏观的看,一条线或一个面的车辆位置信息,可以转化为一条路或一个网的交通态势信息,如交通流量、排队时间等,这是实现交通拥堵预测、路径动态诱导等功能的前提和基础。但是,目前城市中常见的车辆定位方法,如卫星、视频等定位技术,在具体实施应用中都存在一定的缺陷,难以全时空、全天候的保障数据的准确性。
发明内容
本发明的目的是为了解决上述问题,提出一种基于车路专用短程通信的车辆协同定位方法,充分利用城市或隧道中车辆周围与道路两侧的专用短程通信信号资源,解决城市或隧道等卫星信号弱覆盖区域内车辆位置信息获取问题。
本发明是一种基于车路专用短程通信的车辆协同定位方法,通过下述步骤实现:
步骤一、建立直连信号因子和路径衰减指数的函数关系;
步骤二,在t时刻,路侧通信单元i接收车辆k发出的专用短程通信信号;
步骤三,路侧通信单元i对接收到车辆k发出的专用短程通信信号进行处理,获得车辆k与路侧通信单元i间通信链路的直连信号因子DSFki,获得车辆k与路侧通信单元i的相对距离dki,以及车辆k发出的专用短程通信信号到达路侧通信单元i的波达方向角θki;
步骤四,计算时刻t车辆k的位置坐标;
步骤五,使用扩展卡尔曼滤波器对车辆位置信息(XVehicle_ki(t),YVehicle_ki(t))和车速信息vk(t)滤波,滤波系统将时刻t路侧通信单元i对车辆k的观测值作为系统输入状态向量X,滤波后的预测值作为系统的输出状态向量X+;
步骤六,将处于车辆k的无线覆盖范围内的m个路侧通信单元,对车辆k滤波后的车辆位置信息加权融合。
本发明的优点在于:
(1)本发明基于车路专用短程通信的车辆协同定位方法,解决了在城市或隧道等弱卫星信号覆盖区域的车辆定位问题。充分利用了智能车路协同系统中广泛存在的车载通信单元和路侧通信单元,在不影响车路正常的通信链路前提下,利用车路专用短程通信信号实现精准的车辆定位,保障智能车路协同系统具体应用的顺利实施;
(2)本发明基于车路专用短程通信的车辆协同定位方法,极大程度智能判断了车辆与路侧通信单元之间无线链路并非处于恶劣的“非视距”情况,随后进行进一步的信号处理,保证了车辆定位精度。同时,也极大程度智能判断了车辆与路侧通信单元之间无线链路处于恶劣的“非视距”情况。在这个易产生较大位置估计偏差的环境,路侧通信单元将停止进一步的信号处理工作,避免了计算资源和能耗的浪费;
(3)本发明基于车路专用短程通信的车辆协同定位方法,可通过单个或多个路侧通信单元独立或协同实现车辆的高精度定位;一方面,在路侧通信单元资源有限的路网区域,通过单个设备即可实现车辆定位;另一方面,在路侧通信单元资源充足的路网区域,可利用多个路侧通信单元实现协同定位,进一步提高车辆定位精度。
附图说明
图1是本发明车辆协同定位方法流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于车路专用短程通信的车辆协同定位方法,如图1所示,通过下述步骤实现:
步骤一、建立直连信号因子和路径衰减指数的函数关系;
A、在路侧通信单元i的无线网络覆盖范围内,随机选择若干测试点,确定测试点与路侧通信单元i的相对距离d′;在测试点与路侧通信单元i的相对距离d′测定前提下,在测试点放置车载通信单元发送专用短程通信信号,路侧通信单元i实时接收车载通信单元发出的专用短程通信信号;其中测试点个数为5~10个;
B、从路侧通信单元i提取接收信号强度指示(Received Signal Strength Indicator,RSSI),记为RSSI′i,该值为路侧通信单元i收到相对距离d′的测试点发出的专用短程通信信号的信号强度的平均值,这些信号包含路侧通信单元i和测试点间的直连信号,以及经过多次反射,折射,衍射等受到多径、阴影效应影响后的非直连信号;
C、路侧通信单元i对接收信号进行傅里叶逆变换(Inverse Fast FourierTransformation,IFFT),将该频域信号转化为时域的信号功率延迟分布,该分布为离散的柱状图,横坐标为接收到信号的延迟,纵坐标为对应延迟接收到信号的信号功率;提取信号功率延迟分布中首个延迟时刻的柱形高度值-信号功率,该值以极大概率对应步骤B中所述的直连信号的信号功率,记为直连信号功率POD′i;
D、对于路侧通信单元i,将其直连信号因子Direct Signal Factor-DSF′i,定义为:
通过步骤B、C得到RSSI′i、POD′i值,并由(1)式计算DSF′i,DSF′i∈(0,1],DSF′i越接近0表明通信链路越接近严重的“非视距”情况,相反该值越接近1表明通信链路越接近良好的“视距”情况;
E、测试点与路侧通信单元i的相对距离为d′,当d′=1m时,路侧通信单元i处接收到的直连信号功率为POD′i(1),令POD′i(1)为测试基准功率值P0;
F、当d′≠1m时,路侧通信单元i处接收到的直连信号功率为POD′i(d′),将POD′i(d′)带入(2)式左端Pr,d′值带入(2)式右端d中,P0由步骤E确定;其中,(2)式中log(·)是以10为底的取对数算子;γ为路径衰减指数,取值范围一般为2~4;
Pr=P0-10γlog(d) (2)
联合(1)、(2)式可得(3)式:
由(3)式可知γ与DSF′i成线性关系;因此,联合路侧通信单元i处的多个测试点数据,由(1)式得到DSF′i值,由(2)式得到γ值,进行线性函数拟合,得到如(4)式函数关系:
γ=a·DSF′i+b (4)
其中,a和b为利用DSF′i和γ值线性拟合确定的线性函数的斜率和截距,a和b为常数。
步骤二,在t时刻,路侧通信单元i接收车辆k发出的专用短程通信信号;
在区域路网中建立参考坐标系,本发明采用直角坐标系;令正东方向为x轴正方向,正北方向为y轴正方向;令时刻t,处于路侧通信单元i的以通信距离L为半径的无线网络覆盖范围内的,具备专用短程通信能力的全部车辆数目为n;车辆标识为k,k=1,2,…,n;则通过车辆k上的车载通信单元发送专用短程通信信号;令时刻t,处于车辆k的以通信距离L为半径的无线网络覆盖范围内的路侧通信单元数目为m;路侧通信单元标识为i,i=1,2,…,m;路侧通信单元i接收车辆k发出的专用短程通信信号,具体为:
A、在时刻t车辆k发出专用短程通信信号,该信号为包含车辆实时速度信息v的数据包,该速度信息可从车载速度传感器或者车辆仪表盘中直接读取;
B、处于车辆k以通信距离L为半径的无线网络覆盖范围内的路侧设备i,在时刻t后的极短延迟内,将接收到车辆k发出的专用短程通信信号,该延迟数量级为纳秒级,在本方法应用中不考虑这一延迟;此外,本方法中L=300m。
步骤三,路侧通信单元i对接收到车辆k发出的专用短程通信信号进行处理,获得车辆k与路侧通信单元i间通信链路的直连信号因子DSFki,获得车辆k与路侧通信单元i的相对距离dki,以及车辆k发出的专用短程通信信号到达路侧通信单元i的波达方向角θki,该角度为车辆k和路侧通信单元i两点间连线与x轴正方向夹角;
A、时刻t,路侧通信单元i收到车辆k发出的专用短程通信信号,从路侧通信单元i提取接收信号强度指示RSSIki(t);
B、时刻t,对接收信号进行傅里叶逆变换,将该频域信号转化为时域的信号功率延迟分布,提取直连信号功率PODki(t);
C、将步骤A、B实时测得的RSSIki(t)和PODki(t)值代入(1)式,计算时刻t车辆k与路侧通信单元i间通信链路的直连信号因子DSFki(t);
令直连信号因子DSFki的判别门限为DSF_Threshold,本方法中DSF_Threshold=0.5;若步骤C中得到的DSFki(t),满足DSFki(t)>DSF_Threshold,则时刻t车辆k与路侧通信单元i间通信链路,并非处于恶劣的“非视距”情况,因此,继续执行本方法后续步骤;若不满足DSFki(t)>DSF_Threshold,则时刻t车辆k与路侧通信单元i间通信链路极大可能处于恶劣的“非视距”情况,因此,将不执行后续步骤,即在时刻t,路侧通信单元i将不计算车辆k的位置;
D、获得时刻t车辆k与路侧通信单元i的相对距离dki(t);
将步骤C中获得的直连信号因子DSFki(t)代入(4)式右端DSF′i处,实时更新时刻t的γ(t),将PODki(t)代入(2)式左端Pr,将P0和更新后的γ(t)值代入(2)式右端,计算d的值-时刻t,车辆k与路侧通信单元i的相对距离dki(t);即联合(1)、(2)、(4)式,得到(5)式,即dki(t)的计算式:
E、获得时刻t车辆k发出的专用短程通信信号到达路侧通信单元i的波达方向角θki;
I、在路侧通信单元i处,如果车辆数目n已知,使用经典的多重信号分类方法,估计可能的波达方向角θki;如果车辆数目n未知,使用贝叶斯压缩感知方法,估计可能的波达方向角θki;令时刻t到时刻t+T,处于车辆k无线网络覆盖范围内的路侧通信单元i,在时间段T内获得所有的直连波达方向角θki的集合为SETD,本方法中T=0.1s;
II、令直连信号角度变化的判别门限为Δθ,本方法中Δθ=5°;在t时刻,路侧通信单元i收到车辆k的车速vk(t),则根据vk(t)进行如下判断:
1)若车辆速度vk(t)=0,则进一步考察t+Δt时刻的信号波达角θki(t+Δt),本方法中Δt=50ms,Δt<T;若|θki(t+Δt)-θki(t)|<Δθ,则认为θki(t)、θki(t+Δt)∈SETD;否则,
2)若车辆速度vk(t)≠0,则进一步考察t+Δt时刻的信号波达角θki(t+Δt),其中Δt<T;在t和t+Δt时刻,由步骤三D分别获得的车辆k与路侧通信单元i的相对距离dki(t)和dki(t+Δt),以及Δt时间段内车辆移动距离vk(t)·Δt,令Δt时间段内,路侧通信单元i处车辆k的波达角变化为θki(t)-θki(t+Δt),与此角度变化值相应的对比角度-车辆移动方位角变化(Vehicle Movement Bearings Alteration,VMBA)为:
若||θki(t+Δt)-θki(t)|-VMBA(t)|<Δθ,则认为θki(t),θki(t+Δt)∈SETD;否则,
步骤四,计算时刻t车辆k的位置坐标;其中,路侧通信单元i的坐标为本方法中为已知量;车辆k的位置坐标为(XVehicle_ki(t),YVehicle_ki(t)),如(7)式:
步骤五,使用扩展卡尔曼滤波器(Extended Kalman Filter,EKF)对车辆位置信息(XVehicle_ki(t),YVehicle_ki(t))和车速信息vk(t)滤波,滤波系统将时刻t路侧通信单元i对车辆k的观测值作为系统输入状态向量X,X={XVehicle_ki(t),YVehicle_ki(t),vk(t)·cos(θki(t)),vk(t)·sin(θki(t))}T,滤波后的预测值作为系统的输出状态向量X+:
通过扩展卡尔曼滤波器滤波,提高路侧通信单元i,对其无线覆盖范围内的车辆k的单点位置信息,以及连续运动轨迹的预测能力;
步骤六,将处于车辆k的无线覆盖范围内的m个路侧通信单元,对车辆k滤波后的车辆位置信息加权融合;加权融合后车辆k的位置信息为(Weight_Xvehicle_k(t),Weight_YVehicle_k(t)),加权融合过程如(8)式:
Claims (1)
1.一种基于车路专用短程通信的车辆协同定位方法,通过下述步骤实现:
步骤一、建立直连信号因子和路径衰减指数的函数关系;
A、在路侧通信单元i的无线网络覆盖范围内,随机选择若干测试点,确定测试点与路侧通信单元i的相对距离d′;在测试点与路侧通信单元i的相对距离d′测定前提下,在测试点放置车载通信单元发送专用短程通信信号,路侧通信单元i实时接收车载通信单元发出的专用短程通信信号;
B、从路侧通信单元i提取接收信号强度指示,记为RSSI′i,该值为路侧通信单元i收到相对距离d′的测试点发出的专用短程通信信号的信号强度的平均值,包含路侧通信单元i和测试点间的直连信号以及非直连信号;
C、路侧通信单元i对接收信号进行傅里叶逆变换,将该频域信号转化为时域的信号功率延迟分布,该分布为离散的柱状图,横坐标为接收到信号的延迟,纵坐标为对应延迟接收到信号的信号功率;提取信号功率延迟分布中首个延迟时刻的柱形高度值-信号功率,该值以极大概率对应步骤B中所述的直连信号的信号功率,记为直连信号功率POD′i;
D、对于路侧通信单元i,其直连信号因子为:
其中:DSF′i∈(0,1];
E、测试点与路侧通信单元i的相对距离为d′,当d′=1m时,路侧通信单元i处接收到的直连信号功率为POD′i(1),令POD′i(1)为测试基准功率值P0;
F、当d′≠1m时,路侧通信单元i处接收到的直连信号功率为POD′i(d′),将POD′i(d′)带入(2)式左端Pr,d′值带入(2)式右端d中,P0由步骤E确定;其中,(2)式中log(·)是以10为底的取对数算子;γ为路径衰减指数;
Pr=P0-10γlog(d) (2)
联合(1)、(2)式得(3)式:
联合路侧通信单元i处的多个测试点数据,由(1)式得到DSF′i值,由(2)式得到γ值,进行线性函数拟合,得到如(4)式函数关系:
γ=a·DSF′i+b (4)
其中,a和b为利用DSF′i和γ值线性拟合确定的线性函数的斜率和截距,a和b为常数;
步骤二,在t时刻,路侧通信单元i接收车辆k发出的专用短程通信信号;
在区域路网中建立参考坐标系,采用直角坐标系;令正东方向为x轴正方向,正北方向为y轴正方向;令时刻t,处于路侧通信单元i的以通信距离L为半径的无线网络覆盖范围内的,具备专用短程通信能力的全部车辆数目为n;车辆标识为k,k=1,2,…,n;则通过车辆k上的车载通信单元发送专用短程通信信号;令时刻t,处于车辆k的以通信距离L为半径的无线网络覆盖范围内的路侧通信单元数目为m;路侧通信单元标识为i,i=1,2,…,m;路侧通信单元i接收车辆k发出的专用短程通信信号,具体为:
A、在时刻t车辆k发出专用短程通信信号,该信号为包含车辆实时速度信息v的数据包,该速度信息从车载速度传感器或者车辆仪表盘中直接读取;
B、处于车辆k以通信距离L为半径的无线网络覆盖范围内的路侧设备i,在时刻t后的极短延迟内,将接收到车辆k发出的专用短程通信信号;
步骤三,路侧通信单元i对接收到车辆k发出的专用短程通信信号进行处理,获得车辆k与路侧通信单元i间通信链路的直连信号因子DSFki,获得车辆k与路侧通信单元i的相对距离dki,以及车辆k发出的专用短程通信信号到达路侧通信单元i的波达方向角θki,该角度为车辆k和路侧通信单元i两点间连线与x轴正方向夹角;
A、时刻t,路侧通信单元i收到车辆k发出的专用短程通信信号,从路侧通信单元i提取接收信号强度指示RSSIki(t);
B、时刻t,对接收信号进行傅里叶逆变换,将该频域信号转化为时域的信号功率延迟分布,提取直连信号功率PODki(t);
C、将步骤A、B实时测得的RSSIki(t)和PODki(t)值代入(1)式,计算时刻t车辆k与路侧通信单元i间通信链路的直连信号因子DSFki(t);
令直连信号因子DSFki的判别门限为DSF_Threshold,若步骤C中得到的DSFki(t),满足DSFki(t)>DSF_Threshold,继续执行后续步骤;若不满足DSFki(t)>DSF_Threshold,不执行后续步骤,即在时刻t,路侧通信单元i将不计算车辆k的位置;
D、获得时刻t车辆k与路侧通信单元i的相对距离dki(t);
将步骤C中获得的直连信号因子DSFki(t)代入(4)式右端DSF′i处,实时更新时刻t的γ(t),将PODki(t)代入(2)式左端Pr,将P0和更新后的γ(t)值代入(2)式右端,计算d的值-时刻t,车辆k与路侧通信单元i的相对距离dki(t);即联合(1)、(2)、(4)式,得到(5)式,即dki(t)的计算式:
E、获得时刻t车辆k发出的专用短程通信信号到达路侧通信单元i的波达方向角θki;
I、在路侧通信单元i处,如果车辆数目n已知,采用多重信号分类方法,估计波达方向角θki;如果车辆数目n未知,使用贝叶斯压缩感知方法,估计波达方向角θki;令时刻t到时刻t+T,处于车辆k无线网络覆盖范围内的路侧通信单元i,在时间段T内获得所有的直连波达方向角θki的集合为SETD;
II、令直连信号角度变化的判别门限为Δθ,在t时刻,路侧通信单元i收到车辆k的车速vk(t),则根据vk(t)进行如下判断:
1)若车辆速度vk(t)=0,则进一步考察t+Δt时刻的信号波达角θki(t+Δt),Δt<T;若|θki(t+Δt)-θki(t)|<Δθ,则认为θki(t)、θki(t+Δt)∈SETD;否则,
2)若车辆速度vk(t)≠0,则进一步考察t+Δt时刻的信号波达角θki(t+Δt),其中Δt<T;在t和t+Δt时刻,由步骤三D分别获得的车辆k与路侧通信单元i的相对距离dki(t)和dki(t+Δt),以及Δt时间段内车辆移动距离vk(t)·Δt,令Δt时间段内,路侧通信单元i处车辆k的波达角变化为θki(t)-θki(t+Δt),与此角度变化值相应的对比角度-车辆移动方位角变化为:
若||θki(t+Δt)-θki(t)|-VMBA(t)|<Δθ,则认为θki(t),θki(t+Δt)∈SETD;否则,
步骤四,计算时刻t车辆k的位置坐标;其中,路侧通信单元i的坐标为为已知量;车辆k的位置坐标为(XVehicle_ki(t),YVehicle_ki(t)),如(7)式:
步骤五,使用扩展卡尔曼滤波器对车辆位置信息(XVehicle_ki(t),YVehicle_ki(t))和车速信息vk(t)滤波,滤波系统将时刻t路侧通信单元i对车辆k的观测值作为系统输入状态向量X,X={XVehicle_ki(t),YVehicle_ki(t),vk(t)·cos(θki(t)),vk(t)·sin(θki(t))}T,滤波后的预测值作为系统的输出状态向量X+:
步骤六,将处于车辆k的无线覆盖范围内的m个路侧通信单元,对车辆k滤波后的车辆位置信息加权融合;加权融合后车辆k的位置信息为(Weight_XVehicle_k(t),Weight_YVehicle_k(t)),加权融合过程如(8)式:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404374.XA CN104200695B (zh) | 2014-08-15 | 2014-08-15 | 一种基于车路专用短程通信的车辆协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404374.XA CN104200695B (zh) | 2014-08-15 | 2014-08-15 | 一种基于车路专用短程通信的车辆协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200695A true CN104200695A (zh) | 2014-12-10 |
CN104200695B CN104200695B (zh) | 2016-05-18 |
Family
ID=52085979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410404374.XA Active CN104200695B (zh) | 2014-08-15 | 2014-08-15 | 一种基于车路专用短程通信的车辆协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200695B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651061A (zh) * | 2017-03-10 | 2017-05-10 | 交通运输部公路科学研究所 | 一种基于dsrc数据与点检测器数据的实时融合方法 |
WO2017075919A1 (zh) * | 2015-11-05 | 2017-05-11 | 宇龙计算机通信科技(深圳)有限公司 | 用于车辆通信的数据传输方法及装置、终端和路侧单元 |
CN107484139A (zh) * | 2017-08-14 | 2017-12-15 | 北京邮电大学 | 一种基于地理位置信息的车联网协作定位方法和装置 |
CN107708072A (zh) * | 2017-09-28 | 2018-02-16 | 北京邮电大学 | 基于移动通信网络的轨迹分析方法及装置 |
CN108615364A (zh) * | 2018-08-03 | 2018-10-02 | 交通运输部公路科学研究所 | 一种基于车路协同技术对车辆行驶状态进行监控的方法 |
CN109189077A (zh) * | 2018-10-30 | 2019-01-11 | 江苏微科云信息技术有限公司 | 一种智能辅助驾驶系统 |
CN109946648A (zh) * | 2019-03-06 | 2019-06-28 | 东南大学 | 一种车路协同下基于超宽带的车辆高精度定位方法 |
CN110095751A (zh) * | 2019-03-22 | 2019-08-06 | 中山大学 | 基于相关向量机实现数据驱动建模的目标定位跟踪系统 |
CN110208739A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 |
CN110260872A (zh) * | 2019-05-06 | 2019-09-20 | 合肥工业大学 | 一种车路协同环境下基于gps的动态超车轨迹规划系统 |
CN110906944A (zh) * | 2018-09-17 | 2020-03-24 | 千寻位置网络有限公司 | 多路径环境下的定位方法及装置、云端服务器 |
CN111076716A (zh) * | 2018-10-18 | 2020-04-28 | 百度在线网络技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111586632A (zh) * | 2020-05-06 | 2020-08-25 | 浙江大学 | 基于通信传感异步数据融合的协作邻居车辆定位方法 |
CN112782737A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市金溢科技股份有限公司 | 基于车路协同的差分定位、路侧单元及车载单元 |
CN113963551A (zh) * | 2021-10-18 | 2022-01-21 | 中国电力科学研究院有限公司 | 基于协作定位的车辆定位方法、系统、设备及介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303968B (zh) * | 2016-09-27 | 2019-06-11 | 北京航空航天大学 | 一种基于专用短程通信网络的路网黑客车辆定位方法 |
CN109862505A (zh) * | 2019-01-08 | 2019-06-07 | 北京交通大学 | 基于车路协同的隧道内车辆追踪定位系统及追踪定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5554984A (en) * | 1993-02-19 | 1996-09-10 | Mitsubishi Jukogyo Kabushiki Kaisha | Electronic traffic tariff reception system and vehicle identification apparatus |
JP2005012300A (ja) * | 2003-06-17 | 2005-01-13 | Toyota Motor Corp | モバイル端末 |
JP2011175474A (ja) * | 2010-02-24 | 2011-09-08 | Toshiba Corp | 駐車車両管理システム |
CN103236891A (zh) * | 2013-04-17 | 2013-08-07 | 北京速通科技有限公司 | 专用短程通信dsrc设备测试系统及方法 |
CN103578294A (zh) * | 2013-10-28 | 2014-02-12 | 北京航空航天大学 | 一种基于专用短程通信的弯道协同避撞预警方法 |
CN103778783A (zh) * | 2013-12-04 | 2014-05-07 | 北京航空航天大学 | 基于专用短程通信的十字路口非机动车和行人位置检测方法 |
-
2014
- 2014-08-15 CN CN201410404374.XA patent/CN104200695B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5554984A (en) * | 1993-02-19 | 1996-09-10 | Mitsubishi Jukogyo Kabushiki Kaisha | Electronic traffic tariff reception system and vehicle identification apparatus |
JP2005012300A (ja) * | 2003-06-17 | 2005-01-13 | Toyota Motor Corp | モバイル端末 |
JP2011175474A (ja) * | 2010-02-24 | 2011-09-08 | Toshiba Corp | 駐車車両管理システム |
CN103236891A (zh) * | 2013-04-17 | 2013-08-07 | 北京速通科技有限公司 | 专用短程通信dsrc设备测试系统及方法 |
CN103578294A (zh) * | 2013-10-28 | 2014-02-12 | 北京航空航天大学 | 一种基于专用短程通信的弯道协同避撞预警方法 |
CN103778783A (zh) * | 2013-12-04 | 2014-05-07 | 北京航空航天大学 | 基于专用短程通信的十字路口非机动车和行人位置检测方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017075919A1 (zh) * | 2015-11-05 | 2017-05-11 | 宇龙计算机通信科技(深圳)有限公司 | 用于车辆通信的数据传输方法及装置、终端和路侧单元 |
CN106651061A (zh) * | 2017-03-10 | 2017-05-10 | 交通运输部公路科学研究所 | 一种基于dsrc数据与点检测器数据的实时融合方法 |
CN106651061B (zh) * | 2017-03-10 | 2019-10-01 | 交通运输部公路科学研究所 | 一种基于dsrc数据与点检测器数据的实时融合方法 |
CN107484139A (zh) * | 2017-08-14 | 2017-12-15 | 北京邮电大学 | 一种基于地理位置信息的车联网协作定位方法和装置 |
CN107484139B (zh) * | 2017-08-14 | 2019-10-18 | 北京邮电大学 | 一种基于地理位置信息的车联网协作定位方法和装置 |
CN107708072A (zh) * | 2017-09-28 | 2018-02-16 | 北京邮电大学 | 基于移动通信网络的轨迹分析方法及装置 |
CN107708072B (zh) * | 2017-09-28 | 2020-04-14 | 北京邮电大学 | 基于移动通信网络的轨迹分析方法及装置 |
CN108615364A (zh) * | 2018-08-03 | 2018-10-02 | 交通运输部公路科学研究所 | 一种基于车路协同技术对车辆行驶状态进行监控的方法 |
CN108615364B (zh) * | 2018-08-03 | 2020-05-01 | 交通运输部公路科学研究所 | 一种基于车路协同技术对车辆行驶状态进行监控的方法 |
CN110906944A (zh) * | 2018-09-17 | 2020-03-24 | 千寻位置网络有限公司 | 多路径环境下的定位方法及装置、云端服务器 |
CN111076716B (zh) * | 2018-10-18 | 2022-06-03 | 百度在线网络技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111076716A (zh) * | 2018-10-18 | 2020-04-28 | 百度在线网络技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
CN109189077B (zh) * | 2018-10-30 | 2021-09-07 | 深圳市微科信息技术有限公司 | 一种智能辅助驾驶系统与一种带卫星定位的动态位置导航器 |
CN109189077A (zh) * | 2018-10-30 | 2019-01-11 | 江苏微科云信息技术有限公司 | 一种智能辅助驾驶系统 |
CN109946648A (zh) * | 2019-03-06 | 2019-06-28 | 东南大学 | 一种车路协同下基于超宽带的车辆高精度定位方法 |
CN109946648B (zh) * | 2019-03-06 | 2022-04-29 | 东南大学 | 一种车路协同下基于超宽带的车辆高精度定位方法 |
CN110095751A (zh) * | 2019-03-22 | 2019-08-06 | 中山大学 | 基于相关向量机实现数据驱动建模的目标定位跟踪系统 |
CN110260872A (zh) * | 2019-05-06 | 2019-09-20 | 合肥工业大学 | 一种车路协同环境下基于gps的动态超车轨迹规划系统 |
CN110260872B (zh) * | 2019-05-06 | 2023-08-01 | 合肥工业大学 | 一种车路协同环境下基于gps的动态超车轨迹规划系统 |
CN110208739A (zh) * | 2019-05-29 | 2019-09-06 | 北京百度网讯科技有限公司 | 辅助车辆定位的方法、装置、设备和计算机可读存储介质 |
CN111586632A (zh) * | 2020-05-06 | 2020-08-25 | 浙江大学 | 基于通信传感异步数据融合的协作邻居车辆定位方法 |
CN111586632B (zh) * | 2020-05-06 | 2021-09-07 | 浙江大学 | 基于通信传感异步数据融合的协作邻居车辆定位方法 |
CN112782737A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市金溢科技股份有限公司 | 基于车路协同的差分定位、路侧单元及车载单元 |
CN113963551A (zh) * | 2021-10-18 | 2022-01-21 | 中国电力科学研究院有限公司 | 基于协作定位的车辆定位方法、系统、设备及介质 |
CN113963551B (zh) * | 2021-10-18 | 2022-09-27 | 中国电力科学研究院有限公司 | 基于协作定位的车辆定位方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104200695B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200695B (zh) | 一种基于车路专用短程通信的车辆协同定位方法 | |
Lin et al. | Autonomous vehicle-intersection coordination method in a connected vehicle environment | |
CN112233424B (zh) | 一种车路协同的货车队列纵向控制方法、装置及系统 | |
US9079587B1 (en) | Autonomous control in a dense vehicle environment | |
CN103236164B (zh) | 一种保障公交车辆优先通行的车辆调控方法 | |
Mo et al. | Simulation and analysis on overtaking safety assistance system based on vehicle-to-vehicle communication | |
DE102016205143B4 (de) | Verfahren, Vorrichtungen und Computerprogramme zum Anpassen einer direkten Fahrzeug-zu-Fahrzeug-Kommunikation | |
CN109307877A (zh) | 高精度车辆定位系统和高精度车辆定位方法 | |
Liu et al. | A novel energy-saving one-sided synchronous two-way ranging algorithm for vehicular positioning | |
Islam et al. | Vision-based personal safety messages (PSMs) generation for connected vehicles | |
Dao et al. | A strategy for optimisation of cooperative platoon formation | |
DE102023112016A1 (de) | Verteiltes verarbeitungssystem für fahrzeuge | |
Yang et al. | Generating routes for autonomous driving in vehicle-to-infrastructure communications | |
CN103903432A (zh) | 用于确定路链拥堵状况的设备和方法 | |
Li et al. | DSRC based vehicular platoon control considering the realistic V2V/V2I communications | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
Shulman et al. | Vehicle safety communications in the United States | |
US20220026566A1 (en) | Location data correction service for connected vehicles | |
Rakha et al. | Traffic signal control enhancements under vehicle infrastructure integration systems. | |
CN103514741A (zh) | 交通拥堵信息处理系统及移动通信终端 | |
US20230247399A1 (en) | Adaptive sensor data sharing for a connected vehicle | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
US11564116B2 (en) | Asynchronous observation matching for object localization in connected vehicles | |
CN201910138U (zh) | 高速公路车车协调控制装置 | |
US20230007453A1 (en) | Generating subgroups from a vehicular micro cloud |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |