CN109974690A - 车辆定位方法、设备及系统 - Google Patents

Abstract

本发明提供一种车辆定位方法、设备及系统。该方法包括：获取目标车辆在当前采集时间点的实时轨迹信息；获取与实时轨迹信息对应的实时粒子集合；根据实时粒子集合，获取目标车辆的车辆实时位置。

Description

车辆定位方法、设备及系统

技术领域

本发明涉及车辆技术领域，更具体地，涉及一种车辆定位方法、设备 及系统。

背景技术

随着制造技术的飞速发展以及互联网的普及，通过例如共享自行车、 共享汽车这类共享车辆出行，已经成为城市中新兴的出行方式，可以有效 解决城市人群的出行需求，并且绿色环保。

而随着共享车辆的用户规模日趋庞大，用车需求量爆发式增长，市场 上投入提供运营的共享车辆数量大幅增长，由于共享车辆的移动流通性， 对共享车辆的运营维护、以及城市交通管理都带来巨大的挑战，而共享车 辆的精准定位是实施有效的共享车辆的运营维护以及对应的城市交通管理 的关键。

目前通常依赖共享车辆上设置的定位模块(例如GPS，Global Position System，全球定位系统)对共享车辆进行定位。但是，共享车辆的定位模 块通常存在较大的定位误差，这是由于共享车辆在城市中流通使用，通常 会被用户停放在固定的建筑物(例如高楼)或者住宅区周围，引起定位信 号的遮挡、折射，导致定位模块的精度受到影响。尤其在高楼遮挡严重的 区域，定位模块的定位误差可达几百米。如此大的定位误差，对共享车辆 的运营维护以及对应的城市交通管理都带来了极大的困难。

发明内容

本发明的一个目的是提供一种用于车辆定位的新技术方案。

根据本发明的第一方面，提供了一种车辆定位方法，其中，包括：

获取目标车辆在当前采集时间点的实时运动信息；

其中，所述实时运动信息至少包括所述当前采集时间点的车辆采集位 置、车辆行驶速度、车辆行驶方向以及实际采集时间间隔；

获取与所述实时运动信息对应的实时粒子集合；

其中，所述实时粒子集合包括多个实时粒子，每个所述实时粒子处于 所述当前采集时间点并具有对应的粒子位置；

根据所述实时粒子集合，获取所述目标车辆的车辆实时位置。

可选地，所述获取与所述实时运动信息对应的实时粒子集合的步骤包 括：

当不存在历史粒子集合时，根据所述实时运动信息，获取所述实时粒 子集合；

其中，所述历史粒子集合中包括多个历史粒子，每个所述历史粒子处 于所述当前采集时间点的上一个采集时间点并具有对应的粒子位置；

当存在所述历史粒子集合时，根据所述历史粒子集合以及所述实时运 动信息，获取所述实时粒子集合。

进一步可选地，所述根据所述实时运动信息，获取所述实时粒子集合 的步骤包括：

获取包括预设数目的偏移量的偏移量集合；

根据所述车辆采集位置以及所述偏移量集合，获取所述预设数目的粒 子位置，对应生成所述预设数目的实时粒子，得到所述实时粒子集合。

进一步可选地，所述实时运动信息中还包括所述当前时间采集点的采 集精度信息；

所述获取包括预设数目的偏移量的偏移量集合的步骤包括：

根据所述采集精度信息，获取偏移量区间以及偏移量概率分布；

根据所述偏移量概率分布，从所述偏移量区间中获取所述预设数目的 偏移量，得到所述偏移量集合。

可选地，所述根据所述历史粒子集合以及所述实时运动信息，获取所 述实时粒子集合的步骤包括：

分别根据每个所述历史粒子的粒子位置以及所述实时运动信息，获取 与所述历史粒子对应的所述实时粒子的粒子位置，对应得到多个所述实时 粒子，获取所述实时粒子集合。

可选地，所述实时粒子还具有对应的粒子权重；所述历史粒子还具有 对应的粒子权重；

所述当不存在历史粒子集合时，根据所述实时运动信息，获取所述实 时粒子集合的步骤还包括：

设置所述实时粒子集合中包括的每个实时粒子具有相同的粒子权重；

所述当存在历史粒子集合时，根据所述历史粒子集合以及所述实时运 动信息，获取所述实时粒子集合的步骤还包括：

分别根据每个所述历史粒子的粒子权重以及所述实时运动信息，获取 与所述历史粒子对应的实时粒子的粒子权重。

可选地，所述分别根据每个所述历史粒子的粒子权重以及所述实时运 动信息，获取与所述历史粒子对应的实时粒子的粒子权重的步骤包括：

获取所述车辆采集位置与所述实时粒子的粒子位置之间的位置距离；

根据所述位置距离、所述历史粒子的粒子权重以及与所述实时粒子对 应的粒子先验参数，获取所述实时粒子的粒子权重。

可选地，所述实时粒子还具有对应的粒子权重；

所述方法还包括：

根据所述实时粒子集合中包括每个实时粒子的粒子权重，从所述实时 粒子集合中选取预设粒子数目的实时粒子，对应得到新的所述实时粒子集 合以获取所述目标车辆的车辆实时位置。

可选地，所述根据所述实时粒子集合中包括每个实时粒子的粒子权重， 从所述实时粒子集合中选取预设粒子数目的实时粒子的步骤包括：

根据所述实时粒子集合中包括每个实时粒子的粒子权重，对所述实时 粒子集合中包括的实时粒子进行升序排序，得到实时粒子序列；

根据所述预设粒子数目以及所述实时粒子集合中包括的粒子数目，获 取起始排序次序以及选取粒子间隔；

根据所述起始排序次序以及选取粒子间隔，从所述实时粒子序列中选 取所述预设粒子数目的实时粒子。

可选地，所述根据所述实时粒子集合，获取所述目标车辆的车辆实时 位置的步骤包括：

获取所述实时粒子集合中包括的所有所述实时粒子的粒子位置的平 均值，作为所述目标车辆的车辆实时位置。

根据本发明的第二方面，提供一种车辆定位设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据可执行的指令的控制，运行车辆定位设备执行第一 方面提供的任意一项的车辆定位方法。

根据本发明的第三方面，提供一种车辆定位系统，包括：

车辆；

以及如第二方面提供的车辆定位设备。

根据本公开的一个实施例，通过获取与目标车辆在当前采集时间点的 实时运动信息对应的实时粒子集合，根据实时粒子集合获取目标车辆的车 辆实时位置，通过粒子化处理实时运动信息来预估车辆实时位置，修正实 时运动信息中车辆采集位置存在的误差，提高车辆定位精度。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其 它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实 施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明的实施例的车辆系统的硬件配置的例子 的框图。

图2示出了本发明的第一实施例的车辆定位方法的流程图。

图3示出了本发明的第一实施例的车辆定位方法的例子的流程图。

图4示出了本发明的第一实施例的车辆定位方法的例子的示意图。

图5示出了本发明的第一实施例的车辆定位设备200的框图。

图6示出了本发明的第一实施例的车辆定位系统400的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到： 除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、 数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作 为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨 论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例 性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的 值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一 旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步 讨论。

<硬件配置>

如图1所示，车辆系统100包括服务器1000、客户端2000、车辆3000、 网络4000。

服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可 以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服 务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件 服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务 器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包 括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组 件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服 务器等，或者可以是由多台服务器组成的服务器群组，可以包括上述类型 的服务器中的一种或多种等等。

在一个例子中，服务器1000可以如图1所示，包括处理器1100、存 储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。 尽管服务器也可以包括扬声器、麦克风等等，但是，这些部件与本发明无 关，故在此省略。

其中，处理器1100例如可以是中央处理器CPU、微处理器MCU等。 存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、 诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行 接口、红外接口等。通信装置1400例如能够进行有线或无线通信。显示装 置1500例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1600例 如可以包括触摸屏、键盘等。

在本实施例中，客户端2000是具有通信功能、业务处理功能的电子 设备。客户端2000可以是移动终端，例如手机、便携式电脑、平板电脑、 掌上电脑等等。在一个例子中，客户端2000是对车辆3000实施管理操作 的设备，例如，安装有支持运营、管理车辆的应用程序(APP)的手机。

如图1所示，客户端2000可以包括处理器2100、存储器2200、接口 装置2300、通信装置2400、显示装置2500、输入装置2600、输出装置2700、 摄像装置2800，等等。其中，处理器2100可以是中央处理器CPU、微处 理器MCU等。存储器2200例如包括ROM(只读存储器)、RAM(随机 存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括 USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信。显 示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以 包括触摸屏、键盘或者麦克风等。输出装置2700用于输出信息，例如可以 是扬声器，用于为用户输出语音信息。摄像装置2800用于拍摄获取信息， 例如是摄像头等。

车辆3000是任何可以分时或分地出让使用权供不同用户共享使用的 车辆，例如，用于共享的共享自行车、共享助力车、共享电动车、共享车 等等。车辆3000可以是自行车、三轮车、电动助力车、摩托车以及四轮乘 用车等各种形态。

如图1所示，车辆3000可以包括处理器3100、存储器3200、接口装 置3300、通信装置3400、输出装置3500、输入装置3600、定位装置3700、 传感器3800，等等。其中，处理器3100可以是中央处理器CPU、微处理 器MCU等。存储器3200例如包括ROM(只读存储器)、RAM(随机存 取存储器)、诸如硬盘的非易失性存储器等。接口装置3300例如包括USB 接口、耳机接口等。通信装置3400例如能够进行有线或无线通信。输出装 置3500例如可以是输出信号的装置，可以是显示装置，例如液晶显示屏、 触摸显示屏等，也可以是扬声器等输出语音信息等。输入装置3600例如可 以包括触摸屏、键盘等，也可以是麦克风输入语音信息。定位装置3700用 于提供定位功能，例如可以是GPS定位模块、北斗定位模块等。传感器3800 用于获取车辆姿态信息，例如可以是加速度计、陀螺仪、或者三轴、六轴、 九轴微机电系统(MEMS)等。

网络4000可以是无线通信网络也可以是有线通信网络，可以是局域 网也可以是广域网。在图1所示的车辆系统中，车辆3000与服务器1000、 客户端2000与服务器1000，可以通过网络4000进行通信。此外，车辆3000 与服务器1000、客户端2000与服务器1000通信所基于的网络4000可以 是同一个，也可以是不同的。

应当理解的是，尽管图1仅示出一个服务器1000、客户端2000、车 辆3000，但不意味着限制对应的数目，车辆系统100中可以包含多个服务 器1000、客户端2000、车辆3000。

以车辆3000为共享自行车为例，车辆系统100为共享自行车系统。 服务器1000用于提供支持共享自行车使用所必需的全部功能。客户端2000 可以是手机，其上安装有共享自行车应用程序，共享自行车应用程序可以 帮助用户使用车辆3000获取相应的功能等等。

图1所示的车辆系统100仅是解释性的，并且决不是为了要限制本发 明、其应用或用途。

应用于本发明的实施例中，服务器1000的存储器1200用于存储指令， 指令用于控制处理器1100进行操作以执行本发明实施例提供的车辆定位 方法。

尽管在图1中对服务器1000示出了多个装置，但是，本发明可以仅 涉及其中的部分装置，例如，服务器1000只涉及存储器1200和处理器1100。

应用于本发明的实施例中，客户端2000的存储器2200用于存储指令， 指令用于控制处理器2100运行客户端2000执行本发明实施例提供的车辆 定位方法。

尽管在图1中对客户端2000示出了多个装置，但是，本发明可以仅 涉及其中的部分装置，例如，客户端2000只涉及存储器2200和处理器2100。

应用于本发明的实施例中，车辆3000的存储器3200用于存储指令， 指令用于控制处理器3100进行操作以执行本发明实施例提供的车辆定位 方法。

尽管在图1中对车辆3000示出了多个装置，但是，本发明可以仅涉 及其中的部分装置，例如，车辆3000只涉及存储器3200和处理器3100。

在上述描述中，技术人员可以根据本发明所公开方案设计指令。指令 如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<实施例>

本实施例的总体构思，是提供一种新的车辆定位方案，通过获取与目 标车辆在当前采集时间点的实时运动信息对应的实时粒子集合，根据实时 粒子集合获取目标车辆的车辆实时位置，通过粒子化处理实时运动信息来 预估车辆实时位置，修正实时运动信息中车辆采集位置存在的误差，提高 车辆定位精度。

<方法>

在本实施例中，提供一种车辆定位方法。应当理解的是，该车辆是被 投放供用户以分时租赁、分地租赁等模式获取使用权的交通设备，该车辆 可以是两轮或三轮自行车、助力车、电动车，也可以是四轮以上的机动车 辆。

该车辆定位方法，可以通过服务器实施，该服务器可以是各种实体形 式。例如，服务器可以是云端服务器，或者还可以是如图1所示的服务器 1000。

如图2所示，该车辆定位方法包括：步骤S2100-S2300。

步骤S2100，获取目标车辆在当前采集时间点的实时运动信息。

目标车辆的实时运动信息，是在当前采集时间点采集获取的、目标车 辆的运动轨迹信息。实时运动信息至少包括当前采集时间点的车辆采集位 置、车辆行驶速度、车辆行驶方向以及实际采集时间间隔。

车辆采集位置是通过定位装置采集获取的车辆在当前采集时间点的 地理位置，该定位装置可以是设置在车辆上的GPS(Global Position System， 全球定位系统)模块。

车辆行驶速度是车辆在在当前采集时间点的行驶速度，可以通过设置 在车辆上的速度传感器或加速度传感器获取。

车辆行驶方向可以通过例如车辆正北方位角角度表示，该车辆行驶方 向可以通过设置车辆上的角速度传感器或陀螺仪获取。

实际采集时间间隔是当前采集时间点与最近的采集时间点之间的时 间间隔。在本实施例中，可以根据预设的采集时间间隔定时采集获取最新 的实时运动信息，但在实际应用中，由于采集处理延迟、传输延迟等因素， 相邻的采集时间点之间的采集时间间隔并不一定与预设的采集时间间隔完 全一致，有可能多于或者少于预设的采集时间间隔。获取实际采集时间间 隔，可以结合后续步骤，更精准地根据包括实际采集时间间隔的实时运动信息，获取目标车辆的车辆实时位置，提高车辆定位精度。

在本实施例中，实时运动信息中还包括所述当前时间采集点的采集精 度信息。该采集精度信息可以包括用于获取车辆采集位置的定位装置的采 集精度信息。例如，假设通过设置在车辆的GPS模块获取车辆采集位置， 该采集精度信息对应可以包括GPS模块的HDOP(horizontal dilution of precision，水平分量精度因子)值。

在获取实时运动信息之后，进入：

步骤S2200，获取与实时运动信息对应的实时粒子集合。

实时粒子集合中包括多个实时粒子，每个实时粒子处于当前采集时间 点并具有对应的粒子位置。

在本实施例中，每个实时粒子，是对应目标车辆的车辆实时位置的一 个预测粒子样本。通过获取与实时运动信息对应的实时粒子集合，可以结 合后续步骤，根据实时粒子集合获取目标车辆的车辆实时位置，通过粒子 化处理实时运动信息来预估车辆实时位置，修正实时运动信息中车辆采集 位置存在的误差，提高车辆定位精度。

在一个例子中，步骤S2200可以包括：步骤S2210-S2220。

步骤S2210，当不存在历史粒子集合时，根据实时运动信息，获取实 时粒子集合。

历史粒子集合中包括多个历史粒子，每个历史粒子处于当前采集时间 点的上一个采集时间点并具有对应的粒子位置。每个历史粒子，可以是当 前采集时间点的上一个采集时间点的车辆实时位置的预测样本，对应的， 每个历史粒子实际是当前采集时间点的上一个采集时间点的实时粒子，而 历史粒子集合，实际是当前采集时间点的上一个采集时间点的实时粒子集 合。

当不存在历史粒子集合时，意味在当前采集时间点之前的上一个采集 时间点，并没有获取对应的实时粒子集合，或者在当前采集时间点之前的 上一个采集时间点，并未实施本实施例中提供的车辆定位方法，当前时间 采集点是初始时间点。因此，可以根据实时运动信息，初始化生成粒子， 以获取实时粒子集合。具体的，步骤S2210可以包括：步骤S2211-S2212。

步骤S2211，获取包括预设数目的偏移量的偏移量集合。

预设数目是预先设置的、期望初始化生成的实时粒子的数目，可以根 据具体的应用场景或者应用需求设置。

获取包括预设数目的偏移量的偏移量集合，可以结合后续步骤S2212， 通过车辆采集位置以及偏移量集合获取预设数目的粒子位置，对应生成预 设数目的实时粒子，得到实时粒子集合。

在本例中，实时运动信息中还可以包括当前时间采集点的采集精度信 息。例如，假设当前时间采集点是t，实时运动信息中的车辆采集位置是通 过车辆上设置的GPS模块后去的，该采集精度信息对应可以包括GPS模块 在当前时间采集点t的HDOP值H_t。上述步骤S2211可以包括：步骤 S22111-S22112。

步骤S22111，根据采集精度信息，获取偏移量区间以及偏移量概率 分布。

以采集精度信息包括当前时间采集点t的HDOP值H_t为例：

根据H_t可以对应获取当前时间采集点t的水平误差距离 E_t＝2.679243×H_t+0.59144；

对应可以获取偏移量区间为：[-E_t,E_t]；

假设当前时间采集点t的车辆采集位置为(Lx_t,Ly_t)，其中，Lx_t是车辆 经度，Ly_t是车辆纬度，结合后续步骤生成的预设数目N的实时粒子分布在 区域G中，G是经度x、纬度y符合G∈{Lx_t-E≤x≤Lx_t+E,Ly_t-E≤y≤Ly_t+E} 的矩形区域，假设期望分布在区域G中的实时粒子的分布概率符合均匀分 布，对应获取的偏移量概率分布为：

其中，A为矩形区域G的面积，R 表示从米到经纬度的度的单位转化。

步骤S22112，根据偏移量概率分布，从偏移量区间中获取预设数目 的偏移量，得到偏移量集合。

继续基于上述以采集精度信息包括当前时间采集点t的HDOP值H_t举 例的例子，假设获取的偏移量区间为[-E_t,E_t]，偏移量概率分布为 可以根据偏移量概率分布f(Lx_t,Ly_t)，从偏移 量区间[-E_t,E_t]中随机抽取预设数目N的偏移量S(i)(i∈{1,...,N})，对应得到 偏移量集合{S(i)}，其中，每个S(i)(i∈{1,...,N})中分别包括经度偏差Sx⁽ⁱ⁾和 纬度偏差Sy⁽ⁱ⁾，即S(i)＝(Sx⁽ⁱ⁾,Sy⁽ⁱ⁾)，应当理解的是，经度偏差Sx⁽ⁱ⁾和纬度偏 差Sy⁽ⁱ⁾均是从偏移量区间[-E_t,E_t]中随机抽取的、符合f(Lx_t,Ly_t)的数值。

步骤S2212，根据车辆采集位置以及偏移量集合，获取预设数目的粒 子位置，对应生成预设数目的实时粒子，得到实时粒子集合。

假设当前时间采集点t的车辆采集位置为(Lx_t,Ly_t)，获取的偏移量集 合为{S(i)}中包括预设数目N的偏移量S(i)＝(Sx⁽ⁱ⁾,Sy⁽ⁱ⁾)(i∈{1,...,N})，对应 获取预设数目N的粒子位置P_t ⁽ⁱ⁾为：

其中，P_t ⁽ⁱ⁾为实时粒子i的粒子位置，Px_t ⁽ⁱ⁾为实时粒子i的粒子经度， Py_t ⁽ⁱ⁾为实时粒子i的粒子纬度。

对应可以生成实时粒子，得到实时粒子集合{P_t ⁽ⁱ⁾}(i∈{1,...,N})。

当不存在历史粒子集合时，通过实时运动信息获取实时粒子集合，可 以根据实时运动信息中包括的车辆采集位置进行粒子化处理生成多个用于 预估车辆实时位置的实时粒子，以便结合后续步骤，通过实时粒子预估车 辆实时位置，修正实时运动信息中车辆采集位置存在的误差，提高车辆定 位精度。

在本例中，每个实时粒子还可以具有对应的粒子权重，对应的，步骤 S2210还可以包括：

设置实时粒子集合中包括的每个实时粒子具有相同的粒子权重。

例如，假设实时粒子集合中包括N个粒子，可以将实时粒子集合中每 个实时粒子i(i∈{1,...,N})的粒子权重W_t ⁽ⁱ⁾设置为相同的粒子权重：

W_t ⁽ⁱ⁾＝1/N。

通过设置实时粒子的粒子权重，可以结合后续步骤，根据实时粒子的 粒子权重对实时粒子集合包括的实时粒子进行处理，以提高通过实时粒子 预估车辆实时位置的精度。

上述已经结合例子说明不存在历史粒子集合时获取实时粒子集合的 步骤S2210，在步骤S2210之外：

步骤S2220，当存在历史粒子集合时，根据历史粒子集合以及实时运 动信息，获取实时粒子集合。

当存在历史粒子集合时，意味在当前采集时间点之前的上一个采集时 间点，已获取该采集时间点的实时粒子集合，该采集时间点的实时粒子集 合即为历史粒子集合。

通过历史粒子集合以及实时运动信息，获取实时粒子集合，可以基于 包括车辆行驶速度、车辆行驶方法等信息的实时运动信息，结合用于预测 历史时间点的车辆位置的历史粒子集合，获取用于预估车辆实时位置的实 时粒子集合，以便结合后续步骤，通过实时粒子预估车辆实时位置，修正 实时运动信息中车辆采集位置存在的误差，提高车辆定位精度。

更具体的例子中，步骤S2220可以包括：

分别根据每个历史粒子的粒子位置以及实时运动信息，获取与历史粒 子对应的实时粒子的粒子位置，对应得到多个实时粒子，获取实时粒子集 合。

假设当前采集时间点为t，当前采集时间点之前的上一个采集时间点 为t-1，历史粒子集合中包括N个历史粒子i的粒子位置历史粒子i的粒子位置其中Px_t-1 ⁽ⁱ⁾为历史粒子i的粒子经 度，Py_t-1 ⁽ⁱ⁾为历史粒子i的粒子维度；实时运动信息包括当前时间采集点t 获取的车辆行驶速度V_t、通过车辆正北方位角角度表示的车辆行驶方向θ_t以及实际采集时间间隔D_t；对应的，根据每个历史粒子的粒子位置以 及实时运动信息得到对应的实时粒子i的粒子位置P_t ⁽ⁱ⁾为：

其中，Px_t ⁽ⁱ⁾为实时粒子i的粒子经度，Py_t ⁽ⁱ⁾为实时粒子i的粒子纬 度。

在本例中，每个实时粒子还可以具有对应的粒子权重，每个历史粒子 还可以具有对应的粒子权重，对应的，步骤S2220还可以包括：

分别根据每个历史粒子的粒子权重以及实时运动信息，获取与历史粒 子对应的实时粒子的粒子权重。

在当前采集时间点之前的上一个采集时间点的历史粒子的粒子权重， 反映粒子历史信息，结合实时运动信息，获取与历史粒子对应的实时粒子 的粒子权重，基于实时粒子的粒子权重对实时粒子处理以预估车辆实时位 置，实现基于粒子历史信息，对车辆采集位置进行修正获取车辆实时位置， 提高车辆定位精度。

更具体的例子中，上述分别根据每个历史粒子的粒子权重以及实时运 动信息，获取与历史粒子对应的实时粒子的粒子权重的步骤还可以包括： 步骤S2221-S2222。

步骤S2221，获取车辆采集位置与实时粒子的粒子位置之间的位置距 离。

假设当前时间采集点t的车辆采集位置为(Lx_t,Ly_t)，Lx_t是车辆经度， Ly_t是车辆纬度；实时粒子i的粒子位置Px_t ⁽ⁱ⁾为实时粒子i的 粒子经度，Py_t ⁽ⁱ⁾为实时粒子i的粒子纬度；

对应可以得到位置距离为：

步骤S2222，根据位置距离、历史粒子的粒子权重以及与实时粒子对 应的粒子先验参数，获取实时粒子的粒子权重。

与实时粒子对应的粒子先验参数，是表征在实时粒子的粒子位置上采 集实时运动信息的相关采集特性的先验参数，该相关采集特性包括信息采 集信号的漂移概率、历史误差率等。例如，实时运动信息中的车辆采集位 置是通过车辆自身设置的GPS采集获取的，粒子先验参数可以包括历史采 集时长内采集到的与实时粒子的粒子位置上对应的GPS信号特性相关的第 一先验参数(λ_x,λ_y)和第二先验参数(k_x,k_y)，其中λ_x、k_x是与经度相关的粒子先验参数，λ_y、k_y是与纬度相关的粒子先验参数。第一先验参数(λ_x,λ_y)和 第二先验参数(k_x,k_y)可以根据历史采集时长内采集到的与实时粒子的粒子 位置上对应的GPS信号，基于预先获取的历史定位空间信号强度模型进行 分析后获取，在本实施例中不做进一步限定。

通过与实时粒子对应的粒子先验参数所表征的、与实时粒子对应的粒 子位置上的实时运动信息采集的采集特性，结合实时粒子的粒子位置与车 辆采集位置的位置距离以及反映粒子历史信息的历史粒子的粒子权重，获 取实时粒子的粒子权重，基于实时粒子的粒子权重对实时粒子处理以预估 车辆实时位置，实现基于粒子历史信息以及相关的实时运动信息的信息采 集特征，对车辆采集位置进行修正获取车辆实时位置，提高车辆定位精度。

假设与当时采集时间点t的实时粒子i对应的粒子先验参数包括第一 先验参数(λ_x ⁽ⁱ⁾,λ_y ⁽ⁱ⁾)和第二先验参数(k_x ⁽ⁱ⁾,k_y ⁽ⁱ⁾)，如步骤S2221中得到的位 置距离为与实时粒子i 对应的历史粒子i的粒子权重为W_t-1 ⁽ⁱ⁾，对应获取的实时粒子i的粒子权重 W_t ⁽ⁱ⁾为:

其中，

以上已经结合附图和例子说明本本实施例中的步骤S2200，在一个例 子中，在步骤S2200中获取的实时粒子集合中每个实时粒子具有对应的粒 子位置和粒子权重，本实施例中提供的车辆定位方法，还包括：

根据实时粒子集合中包括每个实时粒子的粒子权重，从实时粒子集合 中选取预设粒子数目的实时粒子，对应得到新的实时粒子集合以获取目标 车辆的车辆实时位置。

从实时粒子集合中，基于粒子权重选取预设粒子数目的实时粒子，实 现基于各个实时粒子的粒子权重进行粒子重采样，将粒子权重不符合预期 的实时粒子过滤，得到新的、用于获取目标车辆的实时位置的实时粒子集 合，使得实时粒子集合中包括的实时粒子分布进行区域收敛，更快速修正 车辆采集位置的误差，对应根据实时粒子集合获取的目标车辆的实时位置 具有更高的定位精度。

在更具体的例子中，上述根据实时粒子集合中包括每个实时粒子的粒 子权重，从实时粒子集合中选取预设粒子数目的实时粒子的步骤还包括： 步骤S2201-S2203。

步骤S2201，根据实时粒子集合中包括每个实时粒子的粒子权重，对 实时粒子集合中包括的实时粒子进行升序排序，得到实时粒子序列。

假设当前采集时间点t，实时粒子集合中包括M个实时粒子i (i∈{1,...,M})，每个实时粒子i的粒子权重W_t ⁽ⁱ⁾，根据粒子权重W_t ⁽ⁱ⁾从小到 大进行升序排序，得到对应的排序次序1-M的实时粒子序列。

步骤S2202，根据预设粒子数目以及实时粒子集合中包括的粒子数目， 获取起始排序次序以及选取粒子间隔。

假设预期从实时粒子集合中抽取实时粒子的预设粒子数目为U，对应 的选取粒子间隔为(不是整数时，可以对应上取整或者下取整 获取整数)，在1-K中抽取一个随机正数k1作为起始排序次序。

步骤S2203，根据起始排序次序以及选取粒子间隔，从实时粒子序列 中选取预设粒子数目的实时粒子。

以步骤S2202中获取的起始排序次序k1，选取粒子间隔K，可以从实 时粒子序列中选取排序次序为k1、k1+K、k1+2K，……的实时粒子，直至 选取到U个实时粒子j(j∈{1,...,U})，对应得到新的实时粒子集合。

应当理解的是，在其他的具体的例子中，也可以对实时粒子集合中实 时粒子根据粒子权重进行降序排序，选取降序排序在1-U的实时粒子得到 对应的实时粒子集合，以此类推等等。

在获取实时粒子集合之后，进入：

步骤S2300，根据实时粒子集合，获取目标车辆的车辆实时位置。

在本实施例中，实时粒子集合中包括多个实时粒子，每个实时粒子处 于当前采集时间点并具有对应的粒子位置。实时粒子集合中包括的实时粒 子，是与当前采集时间点对应的实时运动信息对应的、对于车辆实时位置 的预测样本。根据实时粒子集合，可以获取修正车辆采集位置存在的误差 的车辆实时位置，提高车辆定位精度。

在一个例子中，步骤S2300可以包括：

获取实时粒子集合中包括的所有实时粒子的粒子位置的平均值，作为 目标车辆的车辆实时位置。

假设当前采集时间点t，实时粒子集合中包括U个实时粒子j (j∈{1,...,U})，每个实时粒子j的粒子位置P_t ^(j)，对应得到车辆实时位置

<例子>

以下将结合图3进一步说明本实施例中的提供的车辆定位方法。

在本例中，假设从t＝0时刻开始采集目标车辆的实时运动信息，车辆 定位方法包括：

步骤S201，粒子初始化。

在初始的采集时间点t＝0时刻不存在历史粒子集合，可以根据如本实 施例中步骤S2210，根据t＝0时刻采集的、目标车辆初始的车辆采集位置， 初始化获取实时粒子集合。

步骤S202，根据运动模型，获取实时粒子的粒子位置。

在非初始的每个采集时间点t(t不等于0)，存在历史粒子集合，可 以根据步骤S2220，通过下述运动模型，根据历史粒子i的粒子位置 (其中Px_t-1 ⁽ⁱ⁾为历史粒子i的粒子经度，Py_t-1 ⁽ⁱ⁾为历史粒子 i的粒子维度)，结合包括当前时间采集点t获取的车辆行驶速度V_t、通过 车辆正北方位角角度表示的车辆行驶方向θ_t以及实际采集时间间隔D_t的 实时运动信息，获取实时粒子i的粒子位置P_t ⁽ⁱ⁾：

其中，Px_t ⁽ⁱ⁾为实时粒子i的粒子经度，Py_t ⁽ⁱ⁾为实时粒子i的粒子纬度。

步骤S203，根据观测模型，获取实时粒子的粒子权重。

在非初始的每个采集时间点t(t不等于0)，存在历史粒子集合，在 本例中，可以通过上述步骤S2220，通过下述观测模型，通过包括第一先 验参数(λ_x ⁽ⁱ⁾,λ_y ⁽ⁱ⁾)和第二先验参数(k_x ⁽ⁱ⁾,k_y ⁽ⁱ⁾)的粒子先验参数，位置距离为以及与实时粒子i对应的 历史粒子i的粒子权重为W_t-1 ⁽ⁱ⁾，对应获取的实时粒子i的粒子权重W_t ⁽ⁱ⁾为:

其中，

在本例中，包括第一先验参数(λ_x ⁽ⁱ⁾,λ_y ⁽ⁱ⁾)和第二先验参数(k_x ⁽ⁱ⁾,k_y ⁽ⁱ⁾)的 粒子先验参数可以通过预先获取的历史定位空间信号强度模型，分析在历 史统计时段内获取的实时粒子i的粒子位置对应的定位空间信号(例如GPS 信号)获取，在此不做进一步赘述。

步骤S204，对实时粒子集合进行重采样，得到新的实时粒子集合。

在本例中，重采样过程可以如上述步骤S2201-S2203的举例，在此不 再赘述。在本例中，新的实时粒子集合可以作为下一个时间采集点的历史 粒子集合，用于在下一个时间采集点获取该时间采集点的实时粒子集合。

步骤S205，根据重采样的实时粒子集合，进行位置预估，得到车辆 实时位置。

在本例中，可以如步骤S2300所述，获取实时粒子集合中包括的所有 实时粒子的粒子位置的平均值，作为目标车辆的车辆实时位置。

<实际应用>

在相同的区域环境中，采用本实施例的车辆定位方法得到的目标车辆 位置与实际车辆位置误差，及目标车辆通过自身的GPS模块获取的最后一 次发送给服务器的车辆位置(在下表中用现有技术表示)与实际车辆位置 的最大误差，对比结果如下表所示：

从上述对比结果可以看出，采用本实施例的车辆定位方法，极大降低 最大误差的方位，提高车辆的定位精度。

在图4中示出了对于实时运动的目标车辆的测试对比，其中，车辆实 际的实时运动轨迹如图4中黑色实线所示，本实施例的车辆定位方法获取 的车辆实时位置构成的实时运动轨迹如图4中三角形轨迹点构成的连线所 示，现有技术中通过车辆设置的GPS模块采集的车辆采集位置构成的实时 运动轨迹如图4中圆点轨迹点构成的连线所示，可见，本实施例的车辆定 位方法获取的车辆运动轨迹更接近车辆实际运动轨迹，具有良好的抗扰动能力。

<车辆定位设备>

在本实施例中，还提供一种车辆定位设备200，如图5所示，包括：

存储器210，用于存储可执行的指令；

处理器220，用于根据可执行的指令的控制，运行车辆定位设备200 执行本实施例提供的任意一项车辆定位方法。

在本实施例中，车辆定位设备200可以具体各种实体形式。例如，车 辆定位设备200可以设置在车辆上的定位模块，或者是车辆本身；具体的， 车辆定位设备200的硬件配置可以如图1所示的车辆3000。或者，车辆定 位设备200可以是用于提供定位功能的定位服务器或者是提供车辆使用服 务的服务器，例如是云端服务器；具体的，车辆定位设备200的硬件配置 可以如图1所示的服务器1000。

以上已经结合附图说明了本实施例中提供的车辆定位方法、设备，根 据本实施例，通过获取与目标车辆在当前采集时间点的实时运动信息对应 的实时粒子集合，根据实时粒子集合获取目标车辆的车辆实时位置，通过 粒子化处理实时运动信息来预估车辆实时位置，修正实时运动信息中车辆 采集位置存在的误差，提高车辆定位精度。

<第二实施例>

在本实施例中，提供一种车辆定位系统400，如图6所示，包括：

第一实施例提供的车辆定位设备200；

以及车辆300。

在本实施例中，车辆定位系统400可以是共享自行车定位系统、共享 机动车辆定位系统等系统。车辆定位设备200可以设置在车辆300上，或 者，车辆定位设备200可以是独立于车辆300之外的、提供车辆使用服务 (包括车辆定位服务)的服务器或者是专门的车辆定位服务器。

在一个例子中，车辆定位系统400的硬件配置可以如图1所示的车辆 系统100。车辆定位系统400还可以包括其他设备，例如，如图1所示的 客户端2000。

以下将以车辆系统100是共享自行车系统为例，说明本实施例中的车 辆定位系统400实施的车辆定位方法。

在该共享自行车系统中，每辆共享自行车上设置有智能车锁，该智能 车锁中设置有GPS模块可以获取共享自行车的位置数据；

对于作为目标车辆300的共享自行车，该共享自行车可以根据预设的 采集时间间隔，定期通过自身GPS模块获取自身的车辆采集位置、以及自 身设置的其他传感器模块获取车辆行驶速度、车辆行驶方向等，得到实时 运动信息，通过单条或多条上报信息发送给车辆定位设备200；

在本例中，车辆定位设备200可以通过获取与目标车辆在当前采集时 间点的实时运动信息对应的实时粒子集合，根据实时粒子集合获取目标车 辆的车辆实时位置，通过粒子化处理实时运动信息来预估车辆实时位置， 修正实时运动信息中车辆采集位置存在的误差，提高车辆定位精度。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以 包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面 的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的 指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存 储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者 上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的 列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存 储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机 存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多 功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的 打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计 算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤 电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载 到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/ 或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、 光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服 务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机 可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构 (ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数 据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编 程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过 程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以 完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立 的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全 在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机 可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用 户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来 通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状 态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程 序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品 的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图 的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程 序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它 可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通 过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图 和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计 算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、 可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的 计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个 或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装 置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备 上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、 其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图 中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法 和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程 图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、 程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行 指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附 图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执 行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注 意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的 组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或 者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说 公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结 合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽 性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范 围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更 都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原 理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术 人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (12)

1.一种车辆定位方法，其中，包括：

获取目标车辆在当前采集时间点的实时运动信息；

其中，所述实时运动信息至少包括所述当前采集时间点的车辆采集位置、车辆行驶速度、车辆行驶方向以及实际采集时间间隔；

获取与所述实时运动信息对应的实时粒子集合；

其中，所述实时粒子集合包括多个实时粒子，每个所述实时粒子处于所述当前采集时间点并具有对应的粒子位置；

根据所述实时粒子集合，获取所述目标车辆的车辆实时位置。

2.根据权利要求1所述的方法，其中，所述获取与所述实时运动信息对应的实时粒子集合的步骤包括：

当不存在历史粒子集合时，根据所述实时运动信息，获取所述实时粒子集合；

其中，所述历史粒子集合中包括多个历史粒子，每个所述历史粒子处于所述当前采集时间点的上一个采集时间点并具有对应的粒子位置；

当存在所述历史粒子集合时，根据所述历史粒子集合以及所述实时运动信息，获取所述实时粒子集合。

3.根据权利要求2所述的方法，其中，所述根据所述实时运动信息，获取所述实时粒子集合的步骤包括：

获取包括预设数目的偏移量的偏移量集合；

根据所述车辆采集位置以及所述偏移量集合，获取所述预设数目的粒子位置，对应生成所述预设数目的实时粒子，得到所述实时粒子集合。

4.根据权利要求3所述的方法，其中，

所述实时运动信息中还包括所述当前时间采集点的采集精度信息；

所述获取包括预设数目的偏移量的偏移量集合的步骤包括：

根据所述采集精度信息，获取偏移量区间以及偏移量概率分布；

根据所述偏移量概率分布，从所述偏移量区间中获取所述预设数目的偏移量，得到所述偏移量集合。

5.根据权利要求2所述的方法，其中，所述根据所述历史粒子集合以及所述实时运动信息，获取所述实时粒子集合的步骤包括：

分别根据每个所述历史粒子的粒子位置以及所述实时运动信息，获取与所述历史粒子对应的所述实时粒子的粒子位置，对应得到多个所述实时粒子，获取所述实时粒子集合。

6.根据权利要求2所述的方法，其中，

所述实时粒子还具有对应的粒子权重；所述历史粒子还具有对应的粒子权重；

所述当不存在历史粒子集合时，根据所述实时运动信息，获取所述实时粒子集合的步骤还包括：

设置所述实时粒子集合中包括的每个实时粒子具有相同的粒子权重；

所述当存在历史粒子集合时，根据所述历史粒子集合以及所述实时运动信息，获取所述实时粒子集合的步骤还包括：

分别根据每个所述历史粒子的粒子权重以及所述实时运动信息，获取与所述历史粒子对应的实时粒子的粒子权重。

7.根据权利要求6所述的方法，其中，所述分别根据每个所述历史粒子的粒子权重以及所述实时运动信息，获取与所述历史粒子对应的实时粒子的粒子权重的步骤包括：

获取所述车辆采集位置与所述实时粒子的粒子位置之间的位置距离；

根据所述位置距离、所述历史粒子的粒子权重以及与所述实时粒子对应的粒子先验参数，获取所述实时粒子的粒子权重。

8.根据权利要求1所述的方法，其中，

所述实时粒子还具有对应的粒子权重；

所述方法还包括：

根据所述实时粒子集合中包括每个实时粒子的粒子权重，从所述实时粒子集合中选取预设粒子数目的实时粒子，对应得到新的所述实时粒子集合以获取所述目标车辆的车辆实时位置。

9.根据权利要求8所述的方法，其中，所述根据所述实时粒子集合中包括每个实时粒子的粒子权重，从所述实时粒子集合中选取预设粒子数目的实时粒子的步骤包括：

根据所述实时粒子集合中包括每个实时粒子的粒子权重，对所述实时粒子集合中包括的实时粒子进行升序排序，得到实时粒子序列；

根据所述预设粒子数目以及所述实时粒子集合中包括的粒子数目，获取起始排序次序以及选取粒子间隔；

根据所述起始排序次序以及选取粒子间隔，从所述实时粒子序列中选取所述预设粒子数目的实时粒子。

10.根据权利要求1所述的方法，其中，所述根据所述实时粒子集合，获取所述目标车辆的车辆实时位置的步骤包括：

获取所述实时粒子集合中包括的所有所述实时粒子的粒子位置的平均值，作为所述目标车辆的车辆实时位置。

11.一种车辆定位设备，其中，

包括：

存储器，用于存储可执行的指令；

处理器，用于根据可执行的指令的控制，运行所述车辆定位设备执行如权利要求1-10任意一项所述的车辆定位方法。

12.一种车辆定位系统，包括：

车辆；

以及如权利要求11所述的车辆定位设备。