CN109862505A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109862505A CN109862505A CN201910016179.2A CN201910016179A CN109862505A CN 109862505 A CN109862505 A CN 109862505A CN 201910016179 A CN201910016179 A CN 201910016179A CN 109862505 A CN109862505 A CN 109862505A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning
- tunnel
- distance
- road side
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008447 perception Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车路协同的隧道内车辆追踪定位系统和方法,涉及隧道内车辆追踪定位技术领域。路侧节点获取车载单元发送的场强强度RSSI,并将场强强度RSSI发送至距离计算单元;距离计算单元根据场强强度RSSI,建立RSSI‑D模型计算出路侧节点与车辆的距离,并将路侧节点与车辆间的距离发送至定位单元;定位单元根据路侧节点与车辆间的距离结合加权质心算法计算出车辆的位置。本发明采用扩频通信技术作为定位的手段,相比于传统的无线定位方案,可对隧道内车辆位置实时监控,能够实现长距离定位和多目标同时定位;实现了对隧道等弱信号区域内车辆位置的精确感知,应用于智能交通和自动驾驶等领域,解决隧道内无法准确定位的难题,定位精度高,应用范围广。
Description
技术领域
本发明涉及隧道内车辆追踪定位技术领域,具体涉及一种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。
背景技术
近年来,我国高速和大通道的建设发展迅速,许多较为复杂的大型隧道,如福州象山隧道、秦岭终南山隧道、重庆成渝高速中梁山、缙云山隧道、山西雁门关隧道等纷纷出现。这些隧道具有地理环境复杂、空间封闭狭窄、纵贯距离长的特点,长大隧道的外壳一般是由山体岩壁或者钢筋混凝土组成,对信号的屏蔽效应非常严重,传统的GPS、北斗定位系统无法穿透隧道外壳到达隧道内部,因此,GPS、北斗等定位系统无法在隧道内实现对车辆的定位功能,通过多次在隧道中进行测试的结果表明,GPS、北斗信号在隧道定位过程中定位结果出现非常大的漂移,并且随着深入隧道内部出现定位信号消失的情况,无法在有效的精度范围内实现对目标的追踪。对于长达十公里以上的大型隧道,信号衰落情况更加严重,甚至完全无GPS信号,通信工况更加复杂,如何在这些隧道内实现对移动车辆的精确定位,是目前国内外学者研究的重点。
为了实现在隧道内对车辆进行定位,传统解决方案需要在路侧布设一定数量的支持基站,基站之间的布置距离没有确定的理论指导,一般是按照基站的功率辐射范围进行设置,在进行基站布置时只考虑基站的覆盖范围进行简单定点放置,没有从基站之间组网的角度进行组网优化,建设成本较高。与此同时,隧道内无线定位设备的工作效果也是不尽人意,无线电波在隧道内传播时会受到多径效应、自由空间损耗的强烈干扰,有效定位距离大打折扣,定位的结果也会误差非常大。此外,单个基站的价格非常高,设置较多数量的基站会增加成本,基本没有大规模推广的可能。
由于目前主流的车辆辅助驾驶定位技术主要采用GPS/北斗、图像传感器、雷达等方式感知车辆位置和环境信息,难以在全天候全地形条件下实现对车辆在隧道区域弱信号环境下的全过程精准定位,存在技术短板和严重的定位盲区。同时,车路协同技术可对路网内车辆进行全局性统筹,是未来智能交通和自动驾驶的主要发展方向。因此,在隧道中引入一种基于车路协同的车辆追踪定位网络,通过合理的布置路侧节点和优化定位算法,在隧道中实现对移动车辆的高精度定位。
发明内容
本发明的目的在于提供一种能够实现隧道中移动车辆的高精度定位追踪的,基于车路协同技术的车辆追踪定位系统和追踪定位方法,以解决上述背景技术中存在的由于隧道屏蔽引起的汽车追踪定位不精确、基于支持基站的建设成本高的技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供的一种基于车路协同的隧道内车辆追踪定位系统,该系统包括:
路侧节点,所述路侧节点有多个,用于接收车载单元发射信号的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
路侧节点中控单元,用于统一管理路侧节点,包括距离计算单元和定位单元;
所述距离计算单元,用于根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
所述定位单元,用于根据所述路侧节点与车辆间的距离,结合加权质心算法计算出车辆的位置。
进一步的,所述路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形。
进一步的,所述路侧节点和所述车载单元内设有通信模块,用于实现所述路侧节点和所述车载单元间的通信。
进一步的,该系统还包括有显示单元,用于接收定位单元计算出的车辆位置信息,并对车辆位置进行显示。
另一方面,本发明还提供一种利用上述系统进行基于车路协同的隧道内车辆追踪定位方法,该方法包括如下流程步骤:
步骤S110:路侧节点获取车载单元发送的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
步骤S120:距离计算单元根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
步骤S130:定位单元根据路侧节点与车辆间的距离结合加权质心算法计算出车辆的位置。
进一步的,所述步骤S110具体包括:
多个路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形,车载单元发射无线扩频信号与路侧节点进行通信,路侧节点获得无线扩频信号的场强强度RSSI。
进一步的,所述步骤S120具体包括:
根据自由空间下T-R距离函数可知,路侧节点对无线扩频信号的接收功率为:
其中,d表示车载单元与路侧节点之间的距离,Pr(d0)为距离车载单元d0处的场强测量参考点的接收功率;
在公式(1)中引入无线扩频信号在隧道中传输的路径衰减指数n和标准偏差为δ的随机变量将接收功率Pr(d)与Pr(d0)分别用RSSI(d)和RSSI(d0)表示,得RSSI-D模型:
进一步的,所述步骤S130具体包括:
选取与车载单元距离最近的四个路侧节点作为车辆定位节点,引入定位加权因子,利用加权质心算法计算车载单元的坐标,所述定位加权因子为每次参与计算的三个参考路侧节点与车载单元间的距离和的倒数。
本发明有益效果:采用扩频通信技术作为定位的手段,相比于传统的无线定位方案,能够实现隧道内车辆位置的实时监控,能够实现长距离定位和多目标同时定位;实现了对隧道等弱信号区域内车辆位置的精确感知,可应用于智能交通和自动驾驶等领域,解决隧道内无法定位的难题,定位精度高,应用范围广。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一所述的基于车路协同的隧道内车辆追踪定位系统原理框图。
图2为本发明实施例二所述的基于车路协同的隧道内车辆追踪定位方法的流程图。
图3为本发明实施例三所述的基于车路协同的隧道内车辆追踪定位方法流程图。
图4为本发明实施例三所述的场强强度与距离关系测试场景示意图。
图5为本发明实施例三所述的加权质心算法定位原理示意图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例一
如图1所示,本发明实施例一提供一种基于车路协同的隧道内车辆追踪定位系统,该系统包括:
路侧节点,所述路侧节点有多个,用于接收车载单元发射信号的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
路侧节点中控单元,用于统一管理路侧节点,包括距离计算单元和定位单元;
所述距离计算单元,用于根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
所述定位单元,用于根据所述路侧节点与车辆间的距离,结合加权质心算法计算出车辆的位置。
进一步的,所述路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形。
进一步的,所述路侧节点和所述车载单元内设有通信模块,用于实现所述路侧节点和所述车载单元间的通信。
进一步的,该系统还包括有显示单元,用于接收定位单元计算出的车辆位置信息,并对车辆位置进行显示。
实施例二
如图2所示,本发明实施例二提供一种利用实施例一所述的系统进行隧道内车辆追踪定位的方法,该方法包括如下流程步骤:
步骤S110:路侧节点获取车载单元发送的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
步骤S120:距离计算单元根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
步骤S130:定位单元根据路侧节点与车辆间的距离结合加权质心算法计算出车辆的位置。
进一步的,所述步骤S110具体包括:
多个路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形,车载单元发射无线扩频信号与路侧节点进行通信,路侧节点获得无线扩频信号的场强强度RSSI。
进一步的,所述步骤S120具体包括:
根据自由空间下T-R距离函数可知,路侧节点对无线扩频信号的接收功率为:
其中,d表示车载单元与路侧节点之间的距离,Pr(d0)为距离车载单元d0处的场强测量参考点的接收功率;
在公式(1)中引入无线扩频信号在隧道中传输的路径衰减指数n和标准偏差为δ的随机变量将接收功率Pr(d)与Pr(d0)分别用RSSI(d)和RSSI(d0)表示,得RSSI-D模型:
进一步的,所述步骤S130具体包括:
选取与车载单元距离最近的四个路侧节点作为车辆定位节点,引入定位加权因子,利用加权质心算法计算车载单元的坐标,所述定位加权因子为每次参与计算的三个参考路侧节点与车载单元间的距离和的倒数。
实施例三
如图3所示,本发明实施例三提供一种隧道内基于车路协同的车辆追踪定位方法,该方法包括:S101:在道路两侧布置路侧节点,并由路侧中控单元进行统一管理;S102:路侧节点接收车载单元发射信号的场强强度(RSSI),并送往路侧中控单元;S103:路侧中控单元根据接收信号的场强强度,由RSSI-D模型计算出路侧节点与车辆的距离;S104:对上述得到的多个距离值选取最小的四个点进行加权质心算法定位,计算出车辆的位置;S105:路侧中控单元将得到的车辆位置上传到远程服务中心,显示在可视界面上。
本发明实施例三所述的方法在具体应用时,首先,在路侧布置一定数量的路侧节点作为定位的支持单元,为了最大化路侧节点的覆盖范围,同时优化定位网络的定位效果,路侧节点采取锯齿状布置在隧道两侧,两边路侧节点任意相邻三个之间可以组成等腰三角形,单边两个路侧节点之间等间距布置,间隔距离为400米。
在实际应用中,相邻两个路侧节点之间的距离并不受上述距离的限制,本领域技术人员可根据隧道具体情况,具体设置相邻两个路侧节点之间的距离。
车载单元和路侧节点内包含有通信模块,定位网络进行定位时,车在节点发射无线扩频信号与路侧节点进行通信,同时路侧节点能够获得扩频通信信号的场强强度,有RSSI-D模型可以得到车辆与路侧节点之间的距离D,通过路侧相邻四个节点实现加权质心算法定位。由于测量误差的存在,单纯的三点定位可能不会精确交于一点,这种情况下需采用加权质心算法,选择四个定位点中每三个节点为一组进行三点定位,然后对不同组合的定位结果进行加权处理得到精确地车辆位置,并发往远程服务中心进行显示,这样外界便可以知道当前车辆在隧道中的位置。
通过对无线信号的传输机制、特性的分析,可知无线电波的传输与载波频率、发射功率、空间环境、障碍物尺寸等密切相关。隧道属于狭长封闭性空间,其内部环境更加复杂,无线信号在隧道内传播时的衰减速度比自由空间大很多。
在本发明的具体实施例三中,为了尽可能准确的获得隧道中电波信号强度与距离的关系,需要对自由空间损耗模型进行改进,建立起一个符合隧道环境的无线电波的强度—距离(RSSI-d)模型。无线电波在视距传播情况下,可采用自由空间模型对接收机(Receiver)与发射机(Transmitter)之间的信号场强进行预测。根据自由空间下T-R距离函数可知距离发射机d处的天线接收功率为:
其中,Pr(d0)为距离发射机d0处的参考节点的接收功率。此处参考节点实际上是为了确定某一点的场强值大小而选择的一定比较节点,场强值是与距离成负相关的函数关系,当我们测得一点的场强大小以后,就可以根据这种比例关系确定该点距离信号发射结点有多远。
然而实际隧道场景中情况比较复杂,隧道内部空气、悬浮颗粒的浓度、车辆以及隧道壁的电磁波吸收率等因素都会影响无线信号的传播距离。因此,在公式(1)中引入与周围环境密切相关的路径衰减指数n和标准偏差为δ的随机变量将接收功率Pr(d)与Pr(d0)分别用RSSI(d)和RSSI(d0)表示,得到公式(2):
其中,和n均是与实际隧道场景相关的常数,作为对自由空间损耗模型的补充。
如图4所示,本实施例以隧道环境作为测试的实验场景,在试验场景中将经过一致性测试的4个路侧节点分别置于10m×30m隧道矩形区域的四个角上,作为移动节点的定位节点。移动节点位于道路中央并且向隧道另一个方向移动,设置移动节点和路侧节点的信道频率为2.4GHz,移动节点采取广播形式发送信号,发射功率为-5dBm,在实验过程中,路侧节点会接收到移动节点发射的信号,每个路侧节点通信时的RSSI值均可被记录下来,移动节点每移动一次,对应到每个路侧节点的距离和RSSI值都会被记录下来。由于移动节点与每个路侧节点之间的距离已知,则对于每个路侧节点都可以画出以距离为横坐标、RSSI的平均值为纵坐标的曲线,然后以公式(2)模型为拟合函数对曲线进行拟合,得出参数n。因为3个参考节点均位于同一环境下,并且经过模块一致性测试,所以拟合出的n和a值也基本相同,当参数值差别较大时,可对其求平均值。
在本实施例三中,采取随机一种形式的节点拓扑结构作为加权质心算法定位过程的说明。对每次移动节点与三个参考节点所估计的移动节点坐标引入了加权因子,该因子为每次参与计算的三个圆的半径(待测节点与参考节点之间的距离)之和的倒数。此因子能够体现出参考节点对移动节点决定权的大小,其约束力符合加权质心算法的要求,也符合节点距离越近RSSI值越准确的RSSI-D模型。
如图5所示,假设四个定位节点作为参考节点的坐标分别为:
A(xa,ya),B(xb,yb),C(xc,yc),D(xd,yd),
待测节点的坐标为M(x,y),待测节点到参考节点的距离为dA,dB,dC,dD;由A、B、C三点确定的待测节点坐标为M(x1,y1),由A、B、D三点确定的待测节点坐标为M(x2,y2),由A、C、D三点确定的待测节点坐标为M(x3,y3),由B、C、D三点确定的待测节点坐标为M(x4,y4),则通过质心加权法可得到M点坐标为:
综上所述,本发明实施例所述的基于车路协同的隧道内车辆追踪定位系统能够实现隧道内车辆位置的实时监控,不同于传统的无线定位方案,本方案采用扩频通信技术作为定位的手段,能够实现长距离定位和多目标同时定位。本发明能够实现对隧道等弱信号区域内车辆的位置感知,将来可应用于智能交通和自动驾驶等领域,解决隧道内无法定位的难题,定位精度高,应用范围广。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于车路协同的隧道内车辆追踪定位系统,其特征在于,包括:
路侧节点,所述路侧节点有多个,用于接收车载单元发射信号的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
路侧节点中控单元,用于统一管理路侧节点,包括距离计算单元和定位单元;
所述距离计算单元,用于根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
所述定位单元,用于根据所述路侧节点与车辆间的距离,结合加权质心算法计算出车辆的位置。
2.根据权利要求1所述的基于车路协同的隧道内车辆追踪定位系统,其特征在于:所述路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形。
3.根据权利要求1所述的基于车路协同的隧道内车辆追踪定位系统,其特征在于:所述路侧节点和所述车载单元内设有通信模块,用于实现所述路侧节点和所述车载单元间的通信。
4.根据权利要求1-3任一项所述的基于车路协同的隧道内车辆追踪定位系统,其特征在于:还包括有显示单元,用于接收定位单元计算出的车辆位置信息,并对车辆位置进行显示。
5.一种基于车路协同的隧道内车辆追踪定位方法,其特征在于,包括如下流程步骤:
步骤S110:路侧节点获取车载单元发送的场强强度RSSI,并将所述场强强度RSSI发送至距离计算单元;
步骤S120:距离计算单元根据所述场强强度RSSI,建立RSSI-D模型计算出路侧节点与车辆的距离,并将所述路侧节点与车辆间的距离发送至定位单元;
步骤S130:定位单元根据路侧节点与车辆间的距离结合加权质心算法计算出车辆的位置。
6.根据权利要求5所述的方法,其特征在于,所述步骤S110具体包括:
多个路侧节点采取锯齿状布置在隧道两侧,隧道同侧的任意相邻的三个路侧节点之间呈等腰三角形,车载单元发射无线扩频信号与路侧节点进行通信,路侧节点获得无线扩频信号的场强强度RSSI。
7.根据权利要求6所述的方法,其特征在于,所述步骤S120具体包括:
根据自由空间下T-R距离函数可知,路侧节点对无线扩频信号的接收功率为:
其中,d表示车载单元与路侧节点之间的距离,Pr(d0)为距离车载单元d0处的场强测量参考点的接收功率;
在公式(1)中引入无线扩频信号在隧道中传输的路径衰减指数n和标准偏差为δ的随机变量将接收功率Pr(d)与Pr(d0)分别用RSSI(d)和RSSI(d0)表示,得RSSI-D模型:
8.根据权利要求7所述的方法,其特征在于,所述步骤S130具体包括:
选取与车载单元距离最近的四个路侧节点作为车辆定位节点,引入定位加权因子,利用加权质心算法计算车载单元的坐标,所述定位加权因子为每次参与计算的三个参考路侧节点与车载单元间的距离和的倒数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016179.2A CN109862505A (zh) | 2019-01-08 | 2019-01-08 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016179.2A CN109862505A (zh) | 2019-01-08 | 2019-01-08 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109862505A true CN109862505A (zh) | 2019-06-07 |
Family
ID=66894143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910016179.2A Pending CN109862505A (zh) | 2019-01-08 | 2019-01-08 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109862505A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381468A (zh) * | 2019-08-08 | 2019-10-25 | 广州小鹏汽车科技有限公司 | 一种车辆网络的配置方法及系统、车辆 |
CN110809233A (zh) * | 2019-11-01 | 2020-02-18 | 杭州鸿泉物联网技术股份有限公司 | 基于dsrc的车辆定位方法及系统 |
CN111222494A (zh) * | 2020-01-21 | 2020-06-02 | 腾讯科技(深圳)有限公司 | 目标车辆追踪方法、装置 |
CN111708065A (zh) * | 2020-05-22 | 2020-09-25 | 广州杰赛科技股份有限公司 | 一种基于智能网联汽车的定位方法、装置及存储介质 |
CN112040438A (zh) * | 2020-07-22 | 2020-12-04 | 广州杰赛科技股份有限公司 | 一种智能网联车辆定位方法及装置 |
CN112927506A (zh) * | 2021-01-29 | 2021-06-08 | 西安航空学院 | 一种基于大数据的隧道安全监测系统 |
CN113219505A (zh) * | 2021-04-30 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 |
CN113727434A (zh) * | 2021-11-03 | 2021-11-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于边缘计算网关的车路协同辅助定位系统及方法 |
CN114615473A (zh) * | 2022-03-23 | 2022-06-10 | 云火科技(盐城)有限公司 | 基于目标追踪的智能监控方法 |
CN114666892A (zh) * | 2022-03-07 | 2022-06-24 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 基于ZigBee的隧道内车辆定位方法、装置及系统 |
CN115802488A (zh) * | 2023-01-29 | 2023-03-14 | 交通运输部公路科学研究所 | 一种基于电气化公路的车辆车路协同精准定位方法 |
CN116996996A (zh) * | 2023-09-27 | 2023-11-03 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种智慧建造工地运维管控定位方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497666A (zh) * | 2011-12-13 | 2012-06-13 | 中国测绘科学研究院 | 一种定位方法 |
CN103813448A (zh) * | 2014-02-26 | 2014-05-21 | 江苏亿通高科技股份有限公司 | 一种基于rssi的室内定位方法 |
CN104619020A (zh) * | 2015-02-06 | 2015-05-13 | 合肥工业大学 | 基于rssi和toa测距的wifi室内定位方法 |
CN104200695B (zh) * | 2014-08-15 | 2016-05-18 | 北京航空航天大学 | 一种基于车路专用短程通信的车辆协同定位方法 |
CN105828433A (zh) * | 2016-05-10 | 2016-08-03 | 长安大学 | 一种基于ZigBee的隧道定位系统及方法 |
CN108737952A (zh) * | 2018-04-11 | 2018-11-02 | 天津大学 | 基于rssi测距改进的多边形加权质心定位方法 |
WO2019233054A1 (zh) * | 2018-06-04 | 2019-12-12 | 华中师范大学 | 一种智慧教室内的指纹定位方法及系统 |
-
2019
- 2019-01-08 CN CN201910016179.2A patent/CN109862505A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102497666A (zh) * | 2011-12-13 | 2012-06-13 | 中国测绘科学研究院 | 一种定位方法 |
CN103813448A (zh) * | 2014-02-26 | 2014-05-21 | 江苏亿通高科技股份有限公司 | 一种基于rssi的室内定位方法 |
CN104200695B (zh) * | 2014-08-15 | 2016-05-18 | 北京航空航天大学 | 一种基于车路专用短程通信的车辆协同定位方法 |
CN104619020A (zh) * | 2015-02-06 | 2015-05-13 | 合肥工业大学 | 基于rssi和toa测距的wifi室内定位方法 |
CN105828433A (zh) * | 2016-05-10 | 2016-08-03 | 长安大学 | 一种基于ZigBee的隧道定位系统及方法 |
CN108737952A (zh) * | 2018-04-11 | 2018-11-02 | 天津大学 | 基于rssi测距改进的多边形加权质心定位方法 |
WO2019233054A1 (zh) * | 2018-06-04 | 2019-12-12 | 华中师范大学 | 一种智慧教室内的指纹定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
朱光: "《改进RSSI加权质心算法在井下人员定位中的应用研究》", 《中国矿业》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381468A (zh) * | 2019-08-08 | 2019-10-25 | 广州小鹏汽车科技有限公司 | 一种车辆网络的配置方法及系统、车辆 |
CN110809233A (zh) * | 2019-11-01 | 2020-02-18 | 杭州鸿泉物联网技术股份有限公司 | 基于dsrc的车辆定位方法及系统 |
CN111222494A (zh) * | 2020-01-21 | 2020-06-02 | 腾讯科技(深圳)有限公司 | 目标车辆追踪方法、装置 |
CN111708065A (zh) * | 2020-05-22 | 2020-09-25 | 广州杰赛科技股份有限公司 | 一种基于智能网联汽车的定位方法、装置及存储介质 |
CN112040438A (zh) * | 2020-07-22 | 2020-12-04 | 广州杰赛科技股份有限公司 | 一种智能网联车辆定位方法及装置 |
CN112927506A (zh) * | 2021-01-29 | 2021-06-08 | 西安航空学院 | 一种基于大数据的隧道安全监测系统 |
CN113219505A (zh) * | 2021-04-30 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 |
CN113727434A (zh) * | 2021-11-03 | 2021-11-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于边缘计算网关的车路协同辅助定位系统及方法 |
CN114666892A (zh) * | 2022-03-07 | 2022-06-24 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 基于ZigBee的隧道内车辆定位方法、装置及系统 |
CN114615473A (zh) * | 2022-03-23 | 2022-06-10 | 云火科技(盐城)有限公司 | 基于目标追踪的智能监控方法 |
CN115802488A (zh) * | 2023-01-29 | 2023-03-14 | 交通运输部公路科学研究所 | 一种基于电气化公路的车辆车路协同精准定位方法 |
CN115802488B (zh) * | 2023-01-29 | 2023-05-05 | 交通运输部公路科学研究所 | 一种基于电气化公路的车辆车路协同精准定位方法 |
CN116996996A (zh) * | 2023-09-27 | 2023-11-03 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种智慧建造工地运维管控定位方法及系统 |
CN116996996B (zh) * | 2023-09-27 | 2023-12-12 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种智慧建造工地运维管控定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109862505A (zh) | 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 | |
CN103067931B (zh) | 一种定位无线网络中干扰源的方法及装置 | |
CA2047253C (en) | Method of locating a mobile station | |
CN102149192B (zh) | 一种基于移动台合作的蜂窝网络无线定位方法 | |
Chia et al. | Propagation and bit error ratio measurements for a microcellular system | |
CN102014489B (zh) | 环境自适应的rssi局部定位系统及方法 | |
CN103076505B (zh) | Td-scdma移动通信基站环境电磁辐射三维空间预测方法 | |
CN102291818B (zh) | 基于地形信息的无线传感器网络伪三维定位方法 | |
CN101090301B (zh) | 一种无线电波路径损耗仿真测量方法 | |
CN109168174B (zh) | 一种利用波束特征进行移动终端定位的方法 | |
CN104066172B (zh) | 一种对无线局域网中的ap进行定位的方法 | |
CN102685677B (zh) | 一种室内定位方法及装置 | |
CN102970749B (zh) | 多基站逐次逼近定位方法 | |
CN107396280A (zh) | 一种基于rssi的室内定位系统和方法 | |
CN114363808B (zh) | 一种基于rssi测距的室内定位方法 | |
CN102064895A (zh) | Rssi与模式匹配相结合的无源定位方法 | |
CN112788533B (zh) | 一种融合5g通信和uwb的室内定位方法、装置和系统 | |
CN112235754B (zh) | 一种基于定向天线的v2x定位系统及定位、搭建方法 | |
CN106332106B (zh) | 一种无线模拟信号测试系统 | |
Hassan et al. | Vehicle localization system based on ir-uwb for v2i applications | |
CN106888504B (zh) | 基于fm与dtmb信号的室内位置指纹定位方法 | |
CN106658712A (zh) | 一种通信终端定位方法及系统 | |
CN114537477B (zh) | 一种基于tdoa的列车定位追踪方法 | |
Joo et al. | Measurement based V2V path loss analysis in urban NLOS scenarios | |
Xiong et al. | Vehicle node localization without GPS in VANET |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |