CN104965214B - 一种外罚法与最速下降法结合的车联网定位方法及系统 - Google Patents

一种外罚法与最速下降法结合的车联网定位方法及系统 Download PDF

Info

Publication number
CN104965214B
CN104965214B CN201510272194.5A CN201510272194A CN104965214B CN 104965214 B CN104965214 B CN 104965214B CN 201510272194 A CN201510272194 A CN 201510272194A CN 104965214 B CN104965214 B CN 104965214B
Authority
CN
China
Prior art keywords
gps
vehicle
coordinate
objective function
constraint condition
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.)
Active
Application number
CN201510272194.5A
Other languages
English (en)
Other versions
CN104965214A (zh
Inventor
王然
何杰
徐丽媛
徐诚
王沁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Tian'an Borui Technology Co ltd
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN201510272194.5A priority Critical patent/CN104965214B/zh
Publication of CN104965214A publication Critical patent/CN104965214A/zh
Application granted granted Critical
Publication of CN104965214B publication Critical patent/CN104965214B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42Determining position
    • G01S19/48Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种外罚法与最速下降法结合的车联网定位方法及系统,有助于提高GPS定位精度。所述方法包括:S1,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;S2,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;S3,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;S4,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。本发明适用于车联网定位技术领域。

Description

一种外罚法与最速下降法结合的车联网定位方法及系统
技术领域
本发明涉及车联网定位技术领域,特别是指一种外罚法与最速下降法结合的车联网定位方法及系统。
背景技术
近年来,车联网定位系统具有巨大的应用价值和市场潜力,通常用于交通运输领域智能化管理,例如,智能公交定位、智能停车场管理、车辆类型及流量信息采集。GPS是车联网中运用最广泛的定位技术之一,安装在车辆上实时提供车辆在运动过程中的位置。但是GPS系统也会面临一些问题从而影响精度,例如在建筑物密集的区域,卫星信号遮挡严重从而使GPS定位精度大大下降。
发明内容
本发明要解决的技术问题是提供一种外罚法与最速下降法结合的车联网定位方法及系统,以解决现有技术所存在的车联网定位中GPS定位精度低的问题。
为解决上述技术问题,本发明实施例提供一种外罚法与最速下降法结合的车联网定位方法,包括:
S1,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
S2,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
S3,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
S4,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。
可选地,所述通过GPS获取车辆的定位结果包括:
通过GPS获取车辆的定位结果;
根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标。
可选地,所述S1包括:
根据已确定的车辆初始坐标OriginalAxis,并结合TOA节点间的测距值构造带约束条件的目标函数F:
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值;
通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
可选地,所述S2包括:
根据确定的带约束条件的目标函数F及目标函数F的约束条件Gij,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数F':
其中,
可选地,所述S3包括:
通过进退法来确定搜索区间的范围;
根据已确定的搜索区间的范围,通过黄金分割法确定搜索步长;
根据已确定的确定搜索步长,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
可选地,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量;
所述S4包括:
当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标,否则,则利用本次迭代确定的所述坐标值OptimizeAxis,返回S2继续迭代。
本发明实施例还提供一种外罚法与最速下降法结合的车联网定位系统,包括:
带约束条件的目标函数确定单元,用于通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
不带约束条件的目标函数构造单元,用于通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
极小值坐标值确定单元,用于通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
优化坐标确定单元,用于判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。
可选地,所述带约束条件的目标函数构造单元包括:
定位结果获取模块,用于通过GPS获取车辆的定位结果;
车辆初始坐标确定模块,用于根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标;
带约束条件的目标函数构造模块,用于根据已确定的车辆初始坐标OriginalAxis,并结合TOA节点间的测距值构造带约束条件的目标函数F:
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值;
目标函数的约束条件构造模块,用于通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
可选地,所述极小值坐标值确定单元包括:
搜索区间确定模块,用于通过进退法来确定搜索区间的范围;
搜索步长确定模块,用于根据已确定的搜索区间的范围,通过黄金分割法确定搜索步长;
极小值坐标值确定模块,用于根据已确定的确定搜索步长,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
可选地,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量;
所述优化坐标确定单元包括:
优化坐标确定模块,用于当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标;
返回迭代确定模块,用于当所述极小值不满足收敛条件1),或所述坐标值不满足收敛条件2)时,则利用本次迭代确定的所述坐标值OptimizeAxis,返回不带约束条件的目标函数构造单元继续迭代。
本发明的上述技术方案的有益效果如下:
上述方案中,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数及其约束条件,其次,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数,再通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值,最后,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。这样,通过GPS获取的定位结果确定车辆的初始坐标,并通过时间到达法(Time Of Arrival,TOA)确定TOA节点间的测距值,建立非线性规划的方法来解决GPS定位精度低的问题,TOA测距法具有很高的测距精度,且TOA测距设备小巧、花费少、精度高,效率快,在非线性规划问题中利用外罚法把带有约束条件的规划问题化解为无约束的规划问题,再利用最速下降法解决车联网定位中各个车辆位置的最优解问题。通过仿真实验发现,即使在测距误差很大的情况下,也可以保证车辆的定位精度,并且对于给定的GPS的定位结果对优化后的最优坐标值影响并不明显,车辆个数越多,连通性越强,最终的优化精度越高。
附图说明
图1为本发明实施例提供的外罚法与最速下降法结合的车联网定位方法的方法流程图;
图2为本发明实施例提供的GPS和TOA节点的部署示意图;
图3为本发明实施例提供的外罚法与最速下降法结合的车联网定位方法确定的车辆位置与GPS定位结果的比较图;
图4是本发明实施例的最速下降法的方法流程图;
图5是本发明实施例的利用进退法确定搜索区间的方法流程图;
图6是本发明实施例的利用黄金分割法确定搜索步长的方法流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的车联网定位中GPS定位精度低的问题,提供一种外罚法与最速下降法结合的车联网定位方法及系统。
实施例一
参看图1所示,本发明实施例提供的一种外罚法与最速下降法结合的车联网定位方法,包括:
S1,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
S2,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
S3,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
S4,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。
本发明实施例所述的外罚法与最速下降法结合的车联网定位方法,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数及其约束条件,其次,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数,再通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值,最后,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。这样,通过GPS获取的定位结果确定车辆的初始坐标,并通过时间到达法(Time Of Arrival,TOA)确定TOA节点间的测距值,建立非线性规划的方法来解决GPS定位精度低的问题,TOA测距法具有很高的测距精度,且TOA测距设备小巧、花费少、精度高,效率快,在非线性规划问题中利用外罚法把带有约束条件的规划问题化解为无约束的规划问题,再利用最速下降法解决车联网定位中各个车辆位置的最优解问题。通过仿真实验发现,即使在测距误差很大的情况下,也可以保证车辆的定位精度,并且对于给定的GPS的定位结果对优化后的最优坐标值影响并不明显,车辆个数越多,连通性越强,最终的优化精度越高。
本发明实施例,参看图2所示为GPS和TOA节点的部署示意图,其中,每辆车的中心点部署GPS模块,车辆的四个顶点部署TOA节点(也可以称为TOA测距节点),参看图3所示为通过外罚法与最速下降法结合的车联网定位方法确定的车辆位置与GPS定位结果的比较图,其中,菱形为GPS获取到的定位结果,误差范围为(5.5,6.5),以星形为顶点的四边形为车辆的真实位置,以圆形为顶点的四边形为通过外罚法与最速下降法结合的车联网定位方法优化后的车辆位置,由图可见通过非线性规划的方法可以很好的解决车联网中GPS定位误差大的问题,并且可发现通过外罚法与最速下降算法结合来处理此问题精度很高。
本发明实施例中,通过GPS获取车辆的定位结果;并根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标。
本发明实施例中,根据已确定的车辆初始坐标OriginalAxis,并结合通过时间到达法确定的TOA节点间的测距值构造带约束条件的目标函数F:
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值。
本发明实施例中,根据室外测距误差模型,设置测距误差ε,通常情况下测距值比真实值要大,通过测距误差来限制节点间距离的范围不能超过+ε,所以通过测距误差的范围来构造约束条件;即在视距条件下产生均值为1.25,方差为0.5的测距误差,在非视距情况下产生均值为4.5,方差为0.5的测距误差,通过产生的随机测距误差构造目标函数的约束条件;
通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
本发明实施例中,根据确定的带约束条件的目标函数F及目标函数F的约束条件Gij,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数F':
其中,
本发明实施例中,参看图4所示,利用最速下降法确定不带约束的目标函数的极小值和使得成为极小值的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
本发明实施例中,图4中λ的确定方法分为两步求得:
1)参看图5所示,利用进退法来确定搜索区间的范围[a,b],其中,a(0)=0,h=e-5
2)参看图6所示,根据已确定了的搜索区间的范围[a,b],利用黄金分割法确定搜索步长λ,其中,所得近似解r则为所求λ。
根据已确定的确定搜索步长λ,再通过最速下降法确定不带约束的目标函数的极小值和使得成为极小值的坐标值OptimizeAxis。
本发明实施例中,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量。
当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标,优化结束,否则,则利用本次迭代确定的所述坐标值OptimizeAxis,重新利用外罚法确定不带约束条件的目标函数,然后重复S3,直至满足收敛条件。
实施例二
本发明还提供一种外罚法与最速下降法结合的车联网定位系统的具体实施方式,由于本发明提供的外罚法与最速下降法结合的车联网定位系统与前述外罚法与最速下降法结合的车联网定位方法的具体实施方式相对应,该外罚法与最速下降法结合的车联网定位系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的,因此上述外罚法与最速下降法结合的车联网定位方法具体实施方式中的解释说明,也适用于本发明提供的外罚法与最速下降法结合的车联网定位系统的具体实施方式,在本发明以下的具体实施方式中将不再赘述。
本发明实施例还提供一种外罚法与最速下降法结合的车联网定位系统,包括:
带约束条件的目标函数确定单元,用于通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
不带约束条件的目标函数构造单元,用于通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
极小值坐标值确定单元,用于通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
优化坐标确定单元,用于判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。
本发明实施例所述的外罚法与最速下降法结合的车联网定位系统,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数及其约束条件,其次,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数,再通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值,最后,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代。这样,通过GPS获取的定位结果确定车辆的初始坐标,并通过时间到达法(Time Of Arrival,TOA)确定TOA节点间的测距值,建立非线性规划的方法来解决GPS定位精度低的问题,TOA测距法具有很高的测距精度,且TOA测距设备小巧、花费少、精度高,效率快,在非线性规划问题中利用外罚法把带有约束条件的规划问题化解为无约束的规划问题,再利用最速下降法解决车联网定位中各个车辆位置的最优解问题。通过仿真实验发现,即使在测距误差很大的情况下,也可以保证车辆的定位精度,并且对于给定的GPS的定位结果对优化后的最优坐标值影响并不明显,车辆个数越多,连通性越强,最终的优化精度越高。
在前述外罚法与最速下降法结合的车联网定位系统的具体实施方式中,可选地,所述带约束条件的目标函数构造单元包括:
定位结果获取模块,用于通过GPS获取车辆的定位结果;
车辆初始坐标确定模块,用于根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标;
带约束条件的目标函数构造模块,用于根据已确定的车辆初始坐标OriginalAxis,并结合TOA节点间的测距值构造带约束条件的目标函数F:
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值;
目标函数的约束条件构造模块,用于通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
在前述外罚法与最速下降法结合的车联网定位系统的具体实施方式中,可选地,所述极小值坐标值确定单元包括:
搜索区间确定模块,用于通过进退法来确定搜索区间的范围;
搜索步长确定模块,用于根据已确定的搜索区间的范围,通过黄金分割法确定搜索步长;
极小值坐标值确定模块,用于根据已确定的确定搜索步长,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
在前述外罚法与最速下降法结合的车联网定位系统的具体实施方式中,可选地,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量;
所述优化坐标确定单元包括:
优化坐标确定模块,用于当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标;
返回迭代确定模块,用于当所述极小值不满足收敛条件1),或所述坐标值不满足收敛条件2)时,则利用本次迭代确定的所述坐标值OptimizeAxis,返回不带约束条件的目标函数构造单元继续迭代。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种外罚法与最速下降法结合的车联网定位方法,其特征在于,包括:
S1,通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
S2,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
S3,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
S4,判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代;
其中,所述通过GPS获取车辆的定位结果包括:
通过GPS获取车辆的定位结果;
根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
O r i g i n a l A x i s = [ ( x 1 = x gps 1 , y 1 = y gps 1 ) , ( x 2 = x gps 1 + L o n g , y 2 = y gps 1 ) , ( x 3 = x gps 1 + L o n g , y 3 = y gps 1 - W i d e ) , ( x 4 = x gps 1 , y 4 = y gps 1 - W i d e ) , ...... , ( x m - 3 = x gps n , y m - 3 = y gps n ) , ( x m - 2 = x gps n + L o n g , y m - 2 = y gps n ) , ( x m - 1 = x gps n + L o n g , y m - 1 = y gps n - W i d e ) , ( x m = x gps n , y m = y gps n - W i d e ) ]
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标;
所述S1包括:
根据已确定的车辆初始坐标OriginalAxis,并结合TOA节点间的测距值构造带约束条件的目标函数F:
F = Σ i = 1 n Σ j = i + 1 m ( ( x i - x j ) 2 + ( y i - y j ) 2 - D i s tance i j ) 2 ;
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值;
通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
G i j = ( x i - x j ) 2 + ( y i - y j ) 2 - Distance i j - ϵ .
2.根据权利要求1所述的方法,其特征在于,所述S2包括:
根据确定的带约束条件的目标函数F及目标函数F的约束条件Gij,通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数F':
F ′ = F + Σ i = 1 n Σ j = i + 1 m P i j * G i j ;
其中,
3.根据权利要求2所述的方法,其特征在于,所述S3包括:
通过进退法来确定搜索区间的范围;
根据已确定的搜索区间的范围,通过黄金分割法确定搜索步长;
根据已确定的确定搜索步长,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
4.根据权利要求3所述的方法,其特征在于,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量;
所述S4包括:
当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标,否则,则利用本次迭代确定的所述坐标值OptimizeAxis,返回S2继续迭代。
5.一种外罚法与最速下降法结合的车联网定位系统,其特征在于,包括:
带约束条件的目标函数确定单元,用于通过GPS获取车辆的定位结果,并结合TOA节点间的测距值构造带约束条件的目标函数;
不带约束条件的目标函数构造单元,用于通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数;
极小值坐标值确定单元,用于通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值;
优化坐标确定单元,用于判断所述极小值及坐标值是否满足收敛条件,若满足,所述坐标值为最终优化坐标,否则,则利用所述坐标值,返回S2继续迭代;其中,
所述带约束条件的目标函数构造单元包括:
定位结果获取模块,用于通过GPS获取车辆的定位结果;
车辆初始坐标确定模块,用于根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis:
O r i g i n a l A x i s = [ ( x 1 = x gps 1 , y 1 = y gps 1 ) , ( x 2 = x gps 1 + L o n g , y 2 = y gps 1 ) , ( x 3 = x gps 1 + L o n g , y 3 = y gps 1 - W i d e ) , ( x 4 = x gps 1 , y 4 = y gps 1 - W i d e ) , ...... , ( x m - 3 = x gps n , y m - 3 = y gps n ) , ( x m - 2 = x gps n + L o n g , y m - 2 = y gps n ) , ( x m - 1 = x gps n + L o n g , y m - 1 = y gps n - W i d e ) , ( x m = x gps n , y m = y gps n - W i d e ) ]
其中,m为TOA节点个数,n为车辆或GPS的个数,Long为车长,Wide为车宽,为第i辆车的GPS定位结果,(x1,y1),…,(xm,ym)表示TOA节点的初始坐标;
带约束条件的目标函数构造模块,用于根据已确定的车辆初始坐标OriginalAxis,并结合TOA节点间的测距值构造带约束条件的目标函数F:
F = Σ i = 1 n Σ j = i + 1 m ( ( x i - x j ) 2 + ( y i - y j ) 2 - D i s tance i j ) 2 ;
其中,(xi,yi),(xj,yj)代表TOA节点的坐标,Distanceij代表TOA节点(xi,yi),(xj,yj)间的测距值;
目标函数的约束条件构造模块,用于通过产生的随机测距误差ε,构造目标函数F的约束条件Gij
G i j = ( x i - x j ) 2 + ( y i - y j ) 2 - Distance i j - ϵ .
6.根据权利要求5所述的系统,其特征在于,所述极小值坐标值确定单元包括:
搜索区间确定模块,用于通过进退法来确定搜索区间的范围;
搜索步长确定模块,用于根据已确定的搜索区间的范围,通过黄金分割法确定搜索步长;
极小值坐标值确定模块,用于根据已确定的确定搜索步长,通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis:
OptimizeAxis=[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)];
其中,k代表车辆上TOA的节点个数。
7.根据权利要求6所述的系统,其特征在于,所述收敛条件包括:
1)其中,F1为上次迭代目标函数的极小值,F2为本次迭代目标函数的极小值;
2)(X1-X2)2≤e-4,其中,X1为本次迭代确定的坐标向量,X2为上次迭代确定的坐标向量;
所述优化坐标确定单元包括:
优化坐标确定模块,用于当所述极小值满足收敛条件1),同时所述坐标值满足收敛条件2)时,则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标;
返回迭代确定模块,用于当所述极小值不满足收敛条件1),或所述坐标值不满足收敛条件2)时,则利用本次迭代确定的所述坐标值OptimizeAxis,返回不带约束条件的目标函数构造单元继续迭代。
CN201510272194.5A 2015-05-25 2015-05-25 一种外罚法与最速下降法结合的车联网定位方法及系统 Active CN104965214B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510272194.5A CN104965214B (zh) 2015-05-25 2015-05-25 一种外罚法与最速下降法结合的车联网定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510272194.5A CN104965214B (zh) 2015-05-25 2015-05-25 一种外罚法与最速下降法结合的车联网定位方法及系统

Publications (2)

Publication Number Publication Date
CN104965214A CN104965214A (zh) 2015-10-07
CN104965214B true CN104965214B (zh) 2017-04-26

Family

ID=54219256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510272194.5A Active CN104965214B (zh) 2015-05-25 2015-05-25 一种外罚法与最速下降法结合的车联网定位方法及系统

Country Status (1)

Country Link
CN (1) CN104965214B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101232708A (zh) * 2007-01-26 2008-07-30 华为技术有限公司 实现定位的方法、系统及实体
CN101998628A (zh) * 2009-08-19 2011-03-30 北京三星通信技术研究有限公司 移动台定位方法、系统和定位计算单元
CN103945486B (zh) * 2014-04-02 2017-11-24 北京理工大学 基于移动节点轨迹的多目标优化数据传递方法

Also Published As

Publication number Publication date
CN104965214A (zh) 2015-10-07

Similar Documents

Publication Publication Date Title
Quddus et al. Shortest path and vehicle trajectory aided map-matching for low frequency GPS data
US7447593B2 (en) System and method for adaptive path planning
Ullah et al. Extended Kalman filter-based localization algorithm by edge computing in wireless sensor networks
AU2016331625B2 (en) System and method for localization and tracking using GNSS location estimates, satellite SNR data and 3D maps
CN103644903B (zh) 基于分布式边缘无味粒子滤波的同步定位与地图构建方法
US10075818B2 (en) Systems and methods for graph-based localization and mapping
CN106885576B (zh) 一种基于多点地形匹配定位的auv航迹偏差估计方法
US20170314938A1 (en) Method and device for real-time error-bounded and delay-bounded map matching
CN108134640B (zh) 一种基于节点运动状态约束的协作定位系统和方法
CN112700479B (zh) 一种基于cnn点云目标检测的配准方法
Ullah et al. Evaluation of Localization by Extended Kalman Filter, Unscented Kalman Filter, and Particle Filter‐Based Techniques
CN105704652A (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
Szwed et al. An incremental map-matching algorithm based on hidden markov model
Blazquez et al. Simple map-matching algorithm applied to intelligent winter maintenance vehicle data
CN105245627A (zh) 一种基于网络坐标系统的ip定位方法
CN110031001A (zh) 一种重力辅助惯性导航的适配区选取方法
Oran et al. An HMM-based map matching method with cumulative proximity-weight formulation
CN110426717A (zh) 一种基于三维地图辅助gnss的协同定位方法及系统、定位设备、存储介质
Chen et al. Local path searching based map matching algorithm for floating car data
CN105180955A (zh) 机动车实时精准定位方法及装置
CN110057361B (zh) 一种基于gps的最短路径规划方法
CN104965214B (zh) 一种外罚法与最速下降法结合的车联网定位方法及系统
Sasaki et al. Road segment interpolation for incomplete road data
CN112132951A (zh) 一种基于视觉的网格语义地图的构建方法
Zhang et al. Map matching in road crossings of urban canyons based on road traverses and linear heading-change model

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231208

Address after: 300392, 3rd Floor, No. 6 Haitai West Road, Huayuan Industrial Zone (Outer Ring), Binhai High tech Zone, Binhai New Area, Tianjin

Patentee after: TIANJIN TIAN'AN BORUI TECHNOLOGY CO.,LTD.

Address before: 100083 No. 30, Haidian District, Beijing, Xueyuan Road

Patentee before: University OF SCIENCE AND TECHNOLOGY BEIJING

TR01 Transfer of patent right