CN108827292A - 基于gnss和地面基站的组合式导航精确测速定位方法及系统 - Google Patents

Abstract

本发明公开了基于GNSS和地面基站的组合式导航精确测速定位方法及系统，步骤100、获取车辆进入盲区前的初始位置，步骤200、获得车辆坐标和航向角，在车辆驶入GNSS盲区后的第一个采样时刻，利用多重权值地图匹配算法计算得到车辆在盲区中的坐标和航向角，步骤300、获得当前车辆的速度和横摆角速度，步骤400、根据获得的车辆参数判断车辆是否在GNSS盲区中，步骤500、获取下一时刻车辆位置坐标以及航向角，本发明改进了现有的GNSS点方位角匹配算法，使用前后定位点连线与路段夹角、定位点与路段投影距离和航向角与路段夹角作为主要因素，利用GNSS浮动车数据进行轨迹修正，该算法能够在复杂路段处修正偏移的GNSS定位点并提供较高的匹配精确度。

Description

基于GNSS和地面基站的组合式导航精确测速定位方法及系统

技术领域

本发明涉及导航精确测速定位领域，具体为基于GNSS和地面基站的组合式导航精确测速定位方法及系统。

背景技术

在车辆导航定位的研究领域，国内的起步相对较晚，目前，关于车联网中车辆盲区定位的研究在国内还没有形成规模，在这个领域内的开发与研究依然还处于摸索与研究中，对其进行研究的部门基本都集中在一些科研单位以及学校，大部分的研究都还处在对于基础算法的探索上面，对于车辆盲区定位的应用一般都停留在仿真模拟阶段，还没有形成一套完整的研发与商用体系。

经过近几年来科研学者们的不断努力，我国对于车辆盲区定位技术的研究已经取得了很大的进步，但同样也还存在着以下问题亟需解决：

例如，申请号为201710909242.6，专利名称为一种GNSS/SINS组合导航精确测速定位方法及系统的发明专利：

其将SINS与GNSS输出的导航数据进行融合，信号跟踪过程和数据融合是实时同步的，得到的数据每个时刻都是最准确的，充分利用SINS短期精度高，不受外界干扰和GNSS长期精度高，克服SINS长期精度低和GNSS易受干扰的缺陷，提高了测速定位的精度，解决了无实体轮轨传统列车采用传统测速方法无法精确测出列车速度的问题，对磁浮列车产业快速发展形成有力支撑，同时带动北斗卫星应用产业的发展，可推广于自动驾驶或无人驾驶等轨道交通运输。

但是，现有的基于GNSS和地面基站的组合式导航精确测速定位方法及其系统存在以下缺陷：

(1)现有的导航系统中，利用车辆传感器测量车辆的行驶速度和横摆角速度，然后根据积分推算得到每一时刻的车辆位置并由此得到车辆完整行驶轨迹，然后分别在简易和复杂两种场景下建立数学模型进行研究与讨论，理论分析和仿真结果显示，由于车辆传感器的参数不够精确，VSYR和INS一样存在着误差积累的问题；

(2)由于现有的车辆导航定位系统之间存在着些许差别，容易导致GNSS定位点在复杂路段处容易匹配出错，造成定位精度较差，实用性不强。

发明内容

为了克服现有技术方案的不足，本发明提供基于GNSS和地面基站的组合式导航精确测速定位方法及系统，能有效的解决背景技术提出的问题。

本发明解决其技术问题所采用的技术方案是：

基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：包括如下步骤：

步骤100、获取车辆进入盲区前的初始位置，利用匹配技术修正定位点参数信息，并利用地图匹配修正后的定位点信息反向修正定位点传感器的参数，得到整个定位领域的定位参数；

步骤200、获得车辆坐标和航向角，在车辆驶入GNSS盲区后的第一个采样时刻，利用多重权值地图匹配算法计算得到车辆在盲区中的坐标和航向角，建立三维坐标系；

步骤300、获得当前车辆的速度和横摆角速度，通过车载速度传感器测得当前的车辆速度，通过当前车辆横摆角速度传感器测得车辆横摆角速度；

步骤400、根据获得的车辆参数判断车辆是否在GNSS盲区中，利用基于地图匹配算法的VSYR参数修正算法，对车辆传感器的参数误差进行修正，得到精确的定位参数；

步骤500、获取下一时刻车辆位置坐标以及航向角，通过复杂场景下的VSYR盲区定位算法，求得下一采样时刻的车辆位置坐标以及车辆的航向角。

进一步地，所述步骤100中，还包括：

首先，在车辆进入盲区前，使用GNSS测量得到最后时刻的车辆位置A点(x_A，y_A)，设A点位初始位置，使用GNSS测量得到在A点的车辆航向角ψ_A；

然后，通过车辆速度传感器测得车辆在A点的行驶速度v_A，通过横摆角速度传感器测得车辆在A点的横摆角速度Φ_A；

最后，设定车辆定位采样时间T，车辆驶入GNSS盲区M，通过以下公式：

x_B＝x_A+v_A*T*sinΦ_A

y_B＝y_A+v_A*T*cosΦ_A

ψ_B＝ψ_A+Φ_A*T

获得车辆驶入盲区M后的第一个采样时刻B点的位置坐标(x_B，y_B)，并通过车辆速度传感器测得车辆在B点的速度v_B，通过横摆角速度传感器测得车辆的横摆角速度Φ_B。

进一步地，所述步骤200中：

根据步骤100中前一采样时刻的的车辆位置坐标P_i(x_i，y_i)，行驶速度v_i车辆的横摆角速度Φ_i以及航向角ψ_i，可以求得下一时刻的车辆位置坐标P_i+1(x_i+1，y_i+1)，以及航向角ψ_i+1：

x_i+1＝x_i+v_i*T*sinψ_i

y_i+1＝y_i+v_i*T*cosψ_i

ψ_i+1＝ψ_i+Φ_i*T

以此类推，可以依次求得每个采样时刻的车辆位置坐标，从而获得GNSS盲区中车辆的完整行驶轨迹。

进一步地，所述步骤300中设置有匹配拟合算法，通过对该算法的修正对速度传感器误差以及横摆角速度传感器误差进行修正：

首先，从车辆定位模块得到5个定位点，坐标分别为(x_i，y_i)，i＝1，2，3，4，5，根据这些定位点作拟合曲线，拟合曲线如下：

其中，k表示拟合直线的斜率，可以大概反映出当前车辆行驶的航向角；

其次，以道路层的空间拓扑关系确定待匹配路段的区域，使用车辆的历史轨迹实时地对电子地图中的路段信息进行模式识别。

进一步地，所述步骤400还包括：

首先，车辆驶入GNSS盲区前，使用GNSS获得最后时刻的车辆位置P₀(x₀，y₀)，将P₀作为初始位置，通过车辆速度传感器测得当前的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得当前的横摆角速度Kgw₀+δg；

其次，在车辆驶入GNSS盲区中，设定车辆定位采样时间T，在第一个采样时刻，通过VSYR方法得到车辆的位置P₁(x₁，y₁)，通过VSYR方法得到车辆转过的角度θ₀；

再者，用地图匹配算法将P₁点修正至车辆实际路段上，得到地图匹配修正后的车辆定位点坐标P₁(x₁，y₁)，通过电子地图得到车辆转过的角度θ₀；

再使用VSYR方法计算得到车辆从P₀点到P₁点之间行驶过的距离S₀，通过车辆速度传感器测得P₁点处的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得P₁点处的横摆角速度Kgw₀+δg；

最后，通过计算得到修正后的车辆速度传感器参数K₀，通过修正公式计算得到修正后的车辆横摆角速度传感器参数Kg。

进一步地，所述步骤500中还包括：

利用地图匹配修正了车辆速度传感器和横摆角速度传感器的参数，并分别使用地图匹配修正后的VSYR方法和SINS得到的复杂场景下的车辆行驶轨迹。

进一步地，所述步骤500中利用基于多权重值的地图匹配算法对每条待匹配路段进行评判，通过每条路段的多权重值的大小选择出匹配度最高的路段。

另外本发明还提供了一种用于权利要求1所述方法的组合式导航精确测速定位系统，其特征在于：包括射频前端、基带处理器、导航解算单元和INS处理模块；

所述射频前端的信号端接收无线天线的射频信号，所述射频前端的输出端输出基带信号到基带处理器上；

所述基带处理器的信号端交互连接数据库，所述基带处理器的输出端与导航解算单元交互连接；

所述导航解算单元的输出端连接有组合导航滤波器，所述组合导航滤波器的输出端与INS处理模块相连接，所述INS处理模块的信号端接收IMU模块的频率信号。

与现有技术相比，本发明的有益效果是：

(1)本发明的基于GNSS和地面基站的组合式导航精确测速定位系统，通过VSYR进行定位，然后通过地图匹配修正VSYR的定位点，通过两种定位方式之间的里程差值修正车辆速度传感器的参数，通过两种定位方式之间的航向角差值修正车辆横摆角速度的参数，可以有效缓解VSYR方法的误差积累问题；

(2)本发明的基于GNSS和地面基站的组合式导航精确测速定位系统，改进了现有的GNSS点方位角匹配算法，使用前后定位点连线与路段夹角、定位点与路段投影距离和航向角与路段夹角作为主要因素，利用GNSS浮动车数据进行轨迹修正，该地图匹配算法能够在复杂路段处修正偏移的GNSS定位点并提供较高的匹配精确度。

附图说明

图1为本发明的方法流程图；

图2为本发明的结构框图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1和图2所示，本发明提供了基于GNSS和地面基站的组合式导航精确测速定位系统，包括射频前端、基带处理器、导航解算单元和INS处理模块，所述射频前端的信号端接收无线天线的射频信号，所述射频前端的输出端输出基带信号到基带处理器上，所述基带处理器的信号端交互连接数据库，所述基带处理器的输出端与导航解算单元交互连接，所述导航解算单元的输出端连接有组合导航滤波器，所述组合导航滤波器的输出端与INS处理模块相连接，所述INS处理模块的信号端接收IMU模块的频率信号。

本实施例中，首先，以GNSS输出的位置/速度和INS位置/速度偏差作为观测量，以INS的系统误差作为状态量，构建松组合数学模型；然后通过融合滤波实现系统误差估计，并将滤波估计的系统误差反馈给INS系统，校正SINS导航解，以提升松耦合定位性能。

本实施例中，整个控制系统采用GNSS接收机与地面基站相结合，并且利用GNSS接收机与INS处理模块组成组合系统，其中GNSS接收机和INS独立运行，GNSS正常工作时，将两者的量测数据同时传输给组合滤波器，二者组合在于将GNSS导航信息通过卡尔曼滤波器估计并校正惯导的误差，提升惯导系统的导航性能，该组合模式结构简单、计算量小，不需要对GNSS接收机做改动，便于工程实现，并且有一定的余度，在GNSS工作良好的情况下，该组合系统的导航精度较高。

在本实施方式中，如图1所示，基于GNSS和地面基站的组合式导航精确测速定位的方法包括如下步骤：

步骤100、获取车辆进入盲区前的初始位置，利用匹配技术修正定位点参数信息，并利用地图匹配修正后的定位点信息反向修正定位点传感器的参数，得到整个定位领域的定位参数；

步骤200、获得车辆坐标和航向角，在车辆驶入GNSS盲区后的第一个采样时刻，利用多重权值地图匹配算法计算得到车辆在盲区中的坐标和航向角，建立三维坐标系；

步骤300、获得当前车辆的速度和横摆角速度，通过车载速度传感器测得当前的车辆速度，通过当前车辆横摆角速度传感器测得车辆横摆角速度；

步骤400、根据获得的车辆参数判断车辆是否在GNSS盲区中，利用基于地图匹配算法的VSYR参数修正算法，对车辆传感器的参数误差进行修正，得到精确的定位参数；

步骤500、获取下一时刻车辆位置坐标以及航向角，通过复杂场景下的VSYR盲区定位算法，求得下一采样时刻的车辆位置坐标以及车辆的航向角。

所述步骤100中，还包括：

首先，在车辆进入盲区前，使用GNSS测量得到最后时刻的车辆位置A点(x_A，y_A)，设A点位初始位置，使用GNSS测量得到在A点的车辆航向角ψ_A；

然后，通过车辆速度传感器测得车辆在A点的行驶速度v_A，通过横摆角速度传感器测得车辆在A点的横摆角速度Φ_A；

最后，设定车辆定位采样时间T，车辆驶入GNSS盲区M，通过以下公式：

x_B＝x_A+v_A*T*sinΦ_A

y_B＝y_A+v_A*T*cosΦ_A

ψ_B＝ψ_A+Φ_A*T

获得车辆驶入盲区M后的第一个采样时刻B点的位置坐标(x_B，y_B)，并通过车辆速度传感器测得车辆在B点的速度v_B，通过横摆角速度传感器测得车辆的横摆角速度Φ_B。

所述步骤200中：

根据步骤100中前一采样时刻的的车辆位置坐标P_i(x_i，y_i)，行驶速度v_i车辆的横摆角速度Φ_i以及航向角ψ_i，可以求得下一时刻的车辆位置坐标P_i+1(x_i+1，y_i+1)，以及航向角ψ_i+1：

x_i+1＝x_i+v_i*T*sinψ_i

y_i+1＝y_i+v_i*T*cosψ_i

ψ_i+1＝ψ_i+Φ_i*T

以此类推，可以依次求得每个采样时刻的车辆位置坐标，从而获得GNSS盲区中车辆的完整行驶轨迹。

所述步骤300中设置有匹配拟合算法，通过对该算法的修正对速度传感器误差以及横摆角速度传感器误差进行修正：

首先，从车辆定位模块得到5个定位点，坐标分别为(x_i，y_i)，i＝1，2，3，4，5，根据这些定位点作拟合曲线，拟合曲线如下：

其中，k表示拟合直线的斜率，可以大概反映出当前车辆行驶的航向角；

其次，以道路层的空间拓扑关系确定待匹配路段的区域，使用车辆的历史轨迹实时地对电子地图中的路段信息进行模式识别。

所述步骤400还包括：

首先，车辆驶入GNSS盲区前，使用GNSS获得最后时刻的车辆位置P₀(x₀，y₀)，将P₀作为初始位置，通过车辆速度传感器测得当前的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得当前的横摆角速度Kgw₀+δg；

其次，在车辆驶入GNSS盲区中，设定车辆定位采样时间T，在第一个采样时刻，通过VSYR方法得到车辆的位置P₁(x_i，y_i)，通过VSYR方法得到车辆转过的角度θ₀；

再者，用地图匹配算法将P₁点修正至车辆实际路段上，得到地图匹配修正后的车辆定位点坐标P₁(x_i，y_i)，通过电子地图得到车辆转过的角度θ₀；

再使用VSYR方法计算得到车辆从P₀点到P₁点之间行驶过的距离S₀，通过车辆速度传感器测得P₁点处的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得P₁点处的横摆角速度Kgw₀+δg；

最后，通过计算得到修正后的车辆速度传感器参数K₀，通过修正公式计算得到修正后的车辆横摆角速度传感器参数Kg。

本实施例中，地图匹配算法能够有效的缓解VSRS误差累积的问题。

所述步骤500中还包括：

利用地图匹配修正了车辆速度传感器和横摆角速度传感器的参数，并分别使用地图匹配修正后的VSYR方法和SINS得到的复杂场景下的车辆行驶轨迹。

所述步骤500中利用基于多权重值的地图匹配算法对每条待匹配路段进行评判，通过每条路段的多权重值的大小选择出匹配度最高的路段。

本实施例中，基于多权重值的地图匹配算法主要与三种因素相关，分别是当前采样时刻车辆的航向角与待匹配路段的夹角、当前采样时刻车辆定位点与待匹配路段的垂直投影距离以及当前时刻与前一时刻车辆定位点的连线与待匹配路段的夹角，由于此算法需要解决复杂路况下GNSS定位点匹配准确度不高的问题，所以这里以使用GNSS进行定位作为前提。

(1)车辆航向角与路段夹角

车辆航向角(VCA)可以通过GNSS定位数据得到，这里将VCA定义为车辆行驶方向与地图正北向沿顺时针所形成的夹角，范围是0°-360°，同理路段方位角(SOA)是指路段上相邻两个节点间沿着车辆行驶方向的路段与地图正北向沿顺时针所形成的的夹角，范围同样是0°-360°，SOA可以通过电子地图数据库中的道路信息得到，也可以通过直行道路的起始点坐标求斜率得知。

(2)定位点垂直投影距离

定位点垂直投影距离是指待匹配路段与车辆定位点的最近距离，因此首先必须将车辆定位点对于待匹配路段进行垂直投影。

(3)前后定位点连线与路段夹角

前后两个采样时刻的车辆定位点的连线与待匹配路段之间的θ夹角也是决定车辆行驶轨迹与路段相似度的重要因素，θ值越小，轨迹与路段相似度越高，反之则越低。

本实施例中，多权重值总共由3个部分组成，由一下公式表示：

W＝W_Δψ+W_d+W_θ

且中，W_Δψ表示VCA和SOA之间的相似度，计算公式如下：

W_Δψ＝λ_ψCos(Δψ)

Δψ就是VCA和SOA的夹角，λ_ψ表示权重因子，会随着系数k而变化，λ_ψ＝kλ_d，其中(0＜k＜1)，Δψ越小，VCA和SOA之间的相似度就越高，W_Δψ也就越大，当Δψ大于90°时，W_Δψ可以为负值。

W_d表示GNSS定位点与待匹配路段之间的接近程度，由下式表示：

其中，d表示车辆定位点到待匹配路段的投影距离，λ_d是可选权重因子，d越小，表示车辆定位点与待匹配路段越相近，因此W_d也就越大，反之亦然。

其中，W_θ可以通过对多组相邻定位点连线与路段夹角求均值实现，这里选取路段周围满足W_d＞1的n个定位点，分别设为(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)，由上式可以得到相邻两点的θ值，分别为θ₁，θ₂，…，θ_n。

上述公式中，λ_θ为权重因子，λ_θ＝(1-k)λ_d，θ_i是集合{θ₁，θ₂，...，θ_n-1}中的元素，当λ_θ不变，θ_i越小，W_θ就越大。

本实施例中，基于多权重值的地图匹配算法设定了三个权重参量W_Δψ、W_d和W_θ作为地图匹配的主要影响因素，分别通过权重因子λ_ψ、λ_d和λ_θ对其进行约束，可以根据不同的路况选择不同的k值来调整三者的大小关系：当定位点与路段较近，即d较小时，可以将k值调小，此时W主要由W_d和W_θ决定；当定位点与路段较远，即d较大时，可以将k值调大，此时W主要由W_Δψ决定。

本实施例中，通过权重值总和的计算，可以得知某点和某路段的匹配度最高，实现精确定位的功能。

本实施例中，基于多权重值的地图匹配算法，能够改进现有的GNSS点方位角匹配算法，将前后定位点连线与路段夹角、定位点与路段投影距离和航向角与路段夹角作为主要因素，最后利用GNSS浮动车数据进行轨迹修正，能够在复杂路段处提供更高的匹配精确度。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：包括如下步骤：

步骤100、获取车辆进入盲区前的初始位置，利用匹配技术修正定位点参数信息，并利用地图匹配修正后的定位点信息反向修正定位点传感器的参数，得到整个定位领域的定位参数；

步骤200、获得车辆坐标和航向角，在车辆驶入GNSS盲区后的第一个采样时刻，利用多重权值地图匹配算法计算得到车辆在盲区中的坐标和航向角，建立三维坐标系；

步骤300、获得当前车辆的速度和横摆角速度，通过车载速度传感器测得当前的车辆速度，通过当前车辆横摆角速度传感器测得车辆横摆角速度；

步骤400、根据获得的车辆参数判断车辆是否在GNSS盲区中，利用基于地图匹配算法的VSYR参数修正算法，对车辆传感器的参数误差进行修正，得到精确的定位参数；

步骤500、获取下一时刻车辆位置坐标以及航向角，通过复杂场景下的VSYR盲区定位算法，求得下一采样时刻的车辆位置坐标以及车辆的航向角。

2.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤100中，还包括：

首先，在车辆进入盲区前，使用GNSS测量得到最后时刻的车辆位置A点(x_A，y_A)，设A点位初始位置，使用GNSS测量得到在A点的车辆航向角ψ_A；

然后，通过车辆速度传感器测得车辆在A点的行驶速度v_A，通过横摆角速度传感器测得车辆在A点的横摆角速度Φ_A；

最后，设定车辆定位采样时间T，车辆驶入GNSS盲区M，通过以下公式：

x_B＝x_A+v_A*T*sinΦ_A

y_B＝y_A+v_A*T*cosΦ_A

ψ_B＝Ψ_A+Φ_A*T

获得车辆驶入盲区M后的第一个采样时刻B点的位置坐标(x_B，y_B)，并通过车辆速度传感器测得车辆在B点的速度v_B，通过横摆角速度传感器测得车辆的横摆角速度Φ_B。

3.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤200中：

根据步骤100中前一采样时刻的的车辆位置坐标P_i(x_i，y_i)，行驶速度v_i车辆的横摆角速度Φ_i以及航向角ψ_i，可以求得下一时刻的车辆位置坐标P_i+1(x_i+1，y_i+1)，以及航向角ψ_i+1：

x_i+1＝x_i+v_i*T*sinψ_i

y_i+1＝y_i+v_i*T*cosψ_i

ψ_i+1＝Ψ_i+Φ_i*T

以此类推，可以依次求得每个采样时刻的车辆位置坐标，从而获得GNSS盲区中车辆的完整行驶轨迹。

4.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤300中设置有匹配拟合算法，通过对该算法的修正对速度传感器误差以及横摆角速度传感器误差进行修正：

首先，从车辆定位模块得到5个定位点，坐标分别为(x_i，y_i)，i＝1，2，3，4，5，根据这些定位点作拟合曲线，拟合曲线如下：

其中，k表示拟合直线的斜率，可以大概反映出当前车辆行驶的航向角；

其次，以道路层的空间拓扑关系确定待匹配路段的区域，使用车辆的历史轨迹实时地对电子地图中的路段信息进行模式识别。

5.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤400还包括：

首先，车辆驶入GNSS盲区前，使用GNSS获得最后时刻的车辆位置P₀(x₀，y₀)，将P₀作为初始位置，通过车辆速度传感器测得当前的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得当前的横摆角速度Kgw₀+δg；

其次，在车辆驶入GNSS盲区中，设定车辆定位采样时间T，在第一个采样时刻，通过VSYR方法得到车辆的位置P₁(x₁，y₁)，通过VSYR方法得到车辆转过的角度θ₀；

再者，用地图匹配算法将P₁点修正至车辆实际路段上，得到地图匹配修正后的车辆定位点坐标P₁(x₁，y₁)，通过电子地图得到车辆转过的角度θ₀；

再使用VSYR方法计算得到车辆从P₀点到P₁点之间行驶过的距离S₀，通过车辆速度传感器测得P₁点处的瞬时速度K₀v₀+δk，通过车辆横摆角速度传感器测得P₁点处的横摆角速度Kgw₀+δg；

最后，通过计算得到修正后的车辆速度传感器参数K₀，通过修正公式计算得到修正后的车辆横摆角速度传感器参数Kg。

6.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤500中还包括：

利用地图匹配修正了车辆速度传感器和横摆角速度传感器的参数，并分别使用地图匹配修正后的VSYR方法和SINS得到的复杂场景下的车辆行驶轨迹。

7.根据权利要求1所述的基于GNSS和地面基站的组合式导航精确测速定位方法，其特征在于：所述步骤500中利用基于多权重值的地图匹配算法对每条待匹配路段进行评判，通过每条路段的多权重值的大小选择出匹配度最高的路段。

8.一种用于权利要求1所述方法的基于GNSS和地面基站的组合式导航精确测速定位系统，其特征在于：包括射频前端、基带处理器、导航解算单元和INS处理模块；

所述射频前端的信号端接收无线天线的射频信号，所述射频前端的输出端输出基带信号到基带处理器上；

所述基带处理器的信号端交互连接数据库，所述基带处理器的输出端与导航解算单元交互连接；

所述导航解算单元的输出端连接有组合导航滤波器，所述组合导航滤波器的输出端与INS处理模块相连接，所述INS处理模块的信号端接收IMU模块的频率信号。