CN112040438A - 一种智能网联车辆定位方法及装置 - Google Patents
一种智能网联车辆定位方法及装置 Download PDFInfo
- Publication number
- CN112040438A CN112040438A CN202010714208.5A CN202010714208A CN112040438A CN 112040438 A CN112040438 A CN 112040438A CN 202010714208 A CN202010714208 A CN 202010714208A CN 112040438 A CN112040438 A CN 112040438A
- Authority
- CN
- China
- Prior art keywords
- road side
- received signal
- vehicle
- signal strength
- sampling
- 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 33
- 230000006855 networking Effects 0.000 title abstract description 5
- 238000005070 sampling Methods 0.000 claims abstract description 180
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种智能网联车辆定位方法及装置。所述方法,包括:在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库;响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元;将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应采样距离;基于改进的权重因子中心算法,根据采样距离计算待定位车辆的目标位置。本发明能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。
Description
技术领域
本发明涉及无线定位技术领域,尤其涉及一种智能网联车辆定位方法及装置。
背景技术
近年来,随着城市交通的迅速发展,城市道路变得错综复杂,对车辆定位精度的要求也越来越高。现有的车辆定位方法主要借助车道线、护栏等参考位置来实现车辆定位,即先通过车辆上安装的摄像头采集包含有车道线和护栏的环境图像,根据环境图像建立道路模型,再通过车辆上安装的雷达获取车辆距离环境中护栏的距离,根据距离和车辆的尺寸信息,确定车辆在道路模型中的模拟位置,最终根据车辆在道路模型中的模拟位置确定出车辆距离车道线的目标距离。而实际上受车外环境干扰,无线信号存在衰减现象,车辆接收的信号强度可能与理论值相差很大,从而导致车辆定位精度不高。
发明内容
为了克服现有技术的缺陷,本发明提供一种智能网联车辆定位方法及装置,能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。
为了解决上述技术问题,第一方面,本发明一实施例提供一种智能网联车辆定位方法,包括:
在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库;
响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元;
将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离;
基于改进的权重因子中心算法,根据所述采样距离计算所述待定位车辆的目标位置。
进一步地,在所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,还包括:
在路侧的不同位置布设多个所述路侧单元,以每一所述路侧单元为圆心构造多个半径依次递增的同心圆,并在每一所述同心圆的圆周位置布设所述采样点。
进一步地,相邻两个所述同心圆的间距等于所述路侧单元和与所述路侧单元相邻的同心圆的间距,且所述路侧单元和与所述路侧单元相邻的同心圆的间距小于预设阈值。
进一步地,所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:
在每一所述同心圆上的各个采样点采集初始接收信号强度,并计算所有所述初始接收信号强度的平均值;
将所述平均值作为所述接收信号强度,将对应所述同心圆的半径作为所述采样距离,构建所述离散信号数据库。
进一步地,所述响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元,具体为:
响应所述待定位车辆发起的定位请求,判断所述待定位车辆是否接收到一跳范围内至少三个所述路侧单元输出的信号;
若是,则从中选择最大接收信号强度对应的至少三个所述路侧单元作为所述目标路侧单元。
进一步地,所述将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离,具体为:
将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,得到目标接收信号强度,以及与所述目标接收信号强度对应的采样距离;其中,所述目标接收信号强度是与所述待定位车辆当前的接收信号强度差值最小的接收信号强度。
第二方面,本发明一实施例提供一种智能网联车辆定位装置,包括:
离散信号数据库构建模块,用于在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库;
目标路侧单元选择模块,用于响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元;
采样距离获取模块,用于将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离;
目标位置计算模块,用于基于改进的权重因子中心算法,根据所述采样距离计算所述待定位车辆的目标位置。
进一步地,所述离散信号数据库构建模块,还用于在所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,在路侧的不同位置布设多个所述路侧单元,以每一所述路侧单元为圆心构造多个半径依次递增的同心圆,并在每一所述同心圆的圆周位置布设所述采样点。
进一步地,相邻两个所述同心圆的间距等于所述路侧单元和与所述路侧单元相邻的同心圆的间距,且所述路侧单元和与所述路侧单元相邻的同心圆的间距小于预设阈值。
进一步地,所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:
在每一所述同心圆上的各个采样点采集初始接收信号强度,并计算所有所述初始接收信号强度的平均值;
将所述平均值作为所述接收信号强度,将对应所述同心圆的半径作为所述采样距离,构建所述离散信号数据库。
本发明的实施例,具有如下有益效果:
通过在每一路侧单元周围的采样点采集接收信号强度,将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库,并响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元,再将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应的采样距离,从而基于改进的权重因子中心算法,根据采样距离计算待定位车辆的目标位置,实现车辆定位。相比于现有技术,本发明的实施例直接选用实际测量数据构建离散信号数据库,能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。
附图说明
图1为本发明第一实施例中的一种智能网联车辆定位方法的流程示意图;
图2为本发明第一实施例中的一种智能网联车辆定位方法的另一流程示意图;
图3为本发明第一实施例中的来自同一路侧单元的所有离散信号数据的示意图;
图4为本发明第一实施例中的一种改进的权重因子中心定位算法的示意图;
图5为本发明第一实施例中的多个同心圆示意图;
图6为本发明第二实施例中的一种智能网联车辆定位装置的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明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。
需要说明的是,文中的步骤编号,仅为了方便具体实施例的解释,不作为限定步骤执行先后顺序的作用。
第一实施例:
如图1-2所示,一种智能网联车辆定位方法,包括步骤S1~S4:
S1、在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库。
S2、响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元。
S3、将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应采样距离。
S4、基于改进的权重因子中心算法,根据采样距离计算待定位车辆的目标位置。
在步骤S1中,对于每一个路侧单元,在该路侧单元周围的采样点接收该路侧单元输出的信号,同时采集接收信号强度,并将接收信号强度和所在采样点到该路侧单元的采样距离作为离散信号数据,构建离散信号数据库。
例如,对于路侧单元AP1,在路侧单元AP1周围的第一个采样点BP1接收路侧单元AP1输出的信号,同时采集接收信号强度RF1,并将接收信号强度RF1和所在采样点BP1到路侧单元AP1的采样距离dF1作为离散信号数据(RF1,dF1),在路侧单元AP1周围的第二个采样点BP2接收路侧单元AP1输出的信号,同时采集接收信号强度RF2,并将接收信号强度RF2和所在采样点BP2到路侧单元AP1的采样距离dF2作为离散信号数据(RF2,dF2),直至在路侧单元AP1周围的最后一个采样点BPi接收路侧单元AP1输出的信号,同时采集接收信号强度RFi,并将接收信号强度RFi和所在采样点BPi到路侧单元AP1的采样距离dFi作为离散信号数据(RFi,dFi),得到来自路侧单元AP1的所有离散信号数据{(RF1,dF1),(RF2,dF2),…,(RFi,dFi)}。同样地,在其他路侧单元周围的采样点采集接收信号强度,得到来自其他路侧单元的所有离散信号数据,以将来自同一路侧单元的所有离散信号数据{(RF1,dF1),(RF2,dF2),…,(RFi,dFi)}构成一个离散域,在离散域中根据离散信号数据的数量划分等量的离散区间,取各个离散信号数据(RFi,dFi)作为各个离散区间的端点,即离散信号数据中的接收信号强度RFi为离散接收信号强度,采样距离dFi为离散距离,从而构建离散信号数据库。来自同一路侧单元的所有离散信号数据的示意图如图3所示,图3中的“●”表示离散信号数据,“○”表示实际接收信号强度。
在每一路侧单元周围的采样点采集接收信号强度的过程中,若多个采样点到路侧单元的采样距离均相等,即在这些采样点采集的接收信号强度RSi对应同一采样距离,则取这些接收信号强度RSi的平均值作为唯一的接收信号强度RFi,将唯一的接收信号强度RFi和采样距离dFi作为离散信号数据。
可以理解的是,直接选用实际测量数据构建离散信号数据库,能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。同时考虑到待定位车辆与路侧单元之间的距离是任意值且有无穷个取值,在构建离散信号数据库的过程中设定离散域和划分离散区间,使得后续能够快速确定采样距离,提高车辆定位效率。
在步骤S2中,响应待定位车辆发起的定位请求,当判定待定位车辆接收到至少三个路侧单元输出的信号时,从可接收到信号的所有路侧单元中优先选择接收信号强度最大的至少三个路侧单元作为目标路侧单元。
例如,在待定位车辆发起定位请求时,判断待定位车辆是否接收到至少三个路侧单元输出的信号,若是,则从这些路侧单元中优先选择接收信号强度最大的三个路侧单元作为目标路侧单元AP1、目标路侧单元AP2、目标路侧单元AP3。
可以理解的是,优先选择接收信号强度最大的至少三个路侧单元作为目标路侧单元,有利于提高车辆定位精度。
在步骤S3中,将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,得到离散信号数据库中与待定位车辆当前的接收信号强度差值最小的接收信号强度,进而得到该接收信号强度对应的采样距离。
例如,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP1的接收信号强度进行比对,当RFi<RA<RFi+1时,RA落在(RFi,dFi)和(RFi+1,dFi+1)确定的离散区间内,分别比较RA与RFi、RFi+1的差值,RA与RFi的差值RAFi=|RA-RFi|,RA与RFi+1的差值RAFi+1=|RA-RFi+1|,若RAFi>RAFi+1,说明RA更接近RFi+1,则选择离散信号样本(RFi+1,dFi+1),确定对应采样距离d1=dFi+1,若RAFi<RAFi+1,说明RA更接近RFi,则选择离散信号样本(RFi,dFi),确定对应采样距离d1=dFi。同样地,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP2的接收信号强度进行比对,根据比对结果确定对应采样距离d2,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP3的接收信号强度进行比对,根据比对结果确定对应采样距离d3。
可以理解的是,将待定位车辆当前的接收信号强度与来自多个目标路侧单元的接收信号强度进行比对,确定多个采样距离,使得后续能够根据多个采样距离计算待定位车辆的目标位置,有利于提高车辆定位精度。
在步骤S4中,基于改进的权重因子中心算法,重新确定权重因子,并根据采样距离计算待定位车辆的目标位置。
权重因子中心算法是将待定位车辆当前的接收信号强度作为权值(即权重因子),反映出路侧单元对待定位车辆的影响程度,从而达到提高车辆定位精度的目的。
权重因子中心算法的计算公式如式(1)所示:
式(1)中,wi为权重因子,(x,y)为待定位车辆的目标位置坐标,(xi,yi)为路侧单元坐标。
在实际环境中,单纯使用接收信号强度作为权值可能会使定位误差较大,接收信号强度值随着距离的增大会不断减小。且由于本实施例对待定位车辆到目标路侧单元的实际距离进行了离散,每一目标路侧单元与待定位智能网联车辆间的离散距离以及离散误差的大小同时影响着待定位车辆的定位,因此,本实施例对于权值的选择有以下考虑:
(1)路侧单元距离待定位车辆越近,对待定位车辆的定位影响越大,故选取1/d1、1/d2、1/d3作为权重因子的参数;
(2)离散误差越小,对应的路侧单元对待定位车辆的定位影响越大,将离散接收信号强度和待定位车辆当前的接收信号强度值间的差值记为ε,εj=min(|RA-RFi|,|RA-RFi+1|)j=1,2,3,选取作为权重因子的参数。
综上考虑,重新确定权重因子为:
由此得到改进的权重因子中心算法。
如图4所示,设目标路侧单元AP1(xAP1,yAP1)、AP2(xAP2,yAP2)、AP3(xAP3,yAP3),分别以AP1、AP2、AP3为圆心,采样距离d1、d2、d3为半径作圆,由式(2)计算3个圆相交的3个点B1、B2、B3的坐标(xB1,yB1)、(xB2,yB2)、(xB3,yB3)。
同理可得B2、B3点的坐标。
结合顶点B1、B2、B3坐标,计算待定位车辆的目标位置P(x,y),如式(3)所示。
在优选的实施例当中,在所述在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,还包括:在路侧的不同位置布设多个路侧单元,以每一路侧单元为圆心构造多个半径依次递增的同心圆,并在每一同心圆的圆周位置布设采样点。
在本实施例当中,通过在路侧不同位置布设多个路侧单元,在以每一路侧单元为圆心的多个同心圆的圆周位置布设采样点,能够确保采样点均匀布设在路侧单元周围,有利于提高车辆定位精度。
在优选的实施例当中,相邻两个同心圆的间距等于路侧单元和与路侧单元相邻的同心圆的间距,且路侧单元和与路侧单元相邻的同心圆的间距小于预设阈值。
在本实施例当中,预设阈值为(0,0.5)m中的任一取值。
可以理解的是,当相邻两个同心圆的间距,路侧单元和与路侧单元相邻的同心圆的间距均等于预设阈值D时,构造的多个同心圆如图5所示。
在优选的实施例当中,所述在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:在每一同心圆上的各个采样点采集初始接收信号强度,并计算所有初始接收信号强度的平均值;将平均值作为接收信号强度,将对应同心圆的半径作为采样距离,构建离散信号数据库。
可以理解的是,当在每一同心圆上的各个采样点采集初始接收信号强度时,这些初始接收信号强度对应同一采样距离,此时需要取这些初始接收信号强度的平均值作为唯一的接收信号强度,将唯一的接收信号强度和采样距离作为离散信号数据,从而构建离散信号数据库。
在优选的实施例当中,所述响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元,具体为:响应待定位车辆发起的定位请求,判断待定位车辆是否接收到一跳范围内至少三个路侧单元输出的信号;若是,则从中选择最大接收信号强度对应的至少三个路侧单元作为目标路侧单元。
在本实施例当中,仅在待定位车辆可接收到一跳范围内至少三个路侧单元输出的信号时才从中选择最大接收信号强度对应的至少三个路侧单元作为目标路侧单元,有利于提高车辆定位精度。
在优选的实施例当中,所述将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应采样距离,具体为:将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,得到目标接收信号强度,以及与目标接收信号强度对应的采样距离;其中,目标接收信号强度是与待定位车辆当前的接收信号强度差值最小的接收信号强度。
第二实施例:
如图6所示,第二实施例提供一种智能网联车辆定位装置,包括:离散信号数据库构建模块21,用于在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库;目标路侧单元选择模块22,用于响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元;采样距离获取模块23,用于将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应采样距离;目标位置计算模块24,用于基于改进的权重因子中心算法,根据采样距离计算待定位车辆的目标位置。
通过离散信号数据库构建模块21,对于每一个路侧单元,在该路侧单元周围的采样点接收该路侧单元输出的信号,同时采集接收信号强度,并将接收信号强度和所在采样点到该路侧单元的采样距离作为离散信号数据,构建离散信号数据库。
例如,对于路侧单元AP1,在路侧单元AP1周围的第一个采样点BP1接收路侧单元AP1输出的信号,同时采集接收信号强度RF1,并将接收信号强度RF1和所在采样点BP1到路侧单元AP1的采样距离dF1作为离散信号数据(RF1,dF1),在路侧单元AP1周围的第二个采样点BP2接收路侧单元AP1输出的信号,同时采集接收信号强度RF2,并将接收信号强度RF2和所在采样点BP2到路侧单元AP1的采样距离dF2作为离散信号数据(RF2,dF2),直至在路侧单元AP1周围的最后一个采样点BPi接收路侧单元AP1输出的信号,同时采集接收信号强度RFi,并将接收信号强度RFi和所在采样点BPi到路侧单元AP1的采样距离dFi作为离散信号数据(RFi,dFi),得到来自路侧单元AP1的所有离散信号数据{(RF1,dF1),(RF2,dF2),…,(RFi,dFi)}。同样地,在其他路侧单元周围的采样点采集接收信号强度,得到来自其他路侧单元的所有离散信号数据,以将来自同一路侧单元的所有离散信号数据{(RF1,dF1),(RF2,dF2),…,(RFi,dFi)}构成一个离散域,在离散域中根据离散信号数据的数量划分等量的离散区间,取各个离散信号数据(RFi,dFi)作为各个离散区间的端点,即离散信号数据中的接收信号强度RFi为离散接收信号强度,采样距离dFi为离散距离,从而构建离散信号数据库。
在每一路侧单元周围的采样点采集接收信号强度的过程中,若多个采样点到路侧单元的采样距离均相等,即在这些采样点采集的接收信号强度RSi对应同一采样距离,则取这些接收信号强度RSi的平均值作为唯一的接收信号强度RFi,将唯一的接收信号强度RFi和采样距离dFi作为离散信号数据。
可以理解的是,通过离散信号数据库构建模块21,直接选用实际测量数据构建离散信号数据库,能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。同时考虑到待定位车辆与路侧单元之间的距离是任意值且有无穷个取值,在构建离散信号数据库的过程中设定离散域和划分离散区间,使得后续能够快速确定采样距离,提高车辆定位效率。
通过目标路侧单元选择模块22,响应待定位车辆发起的定位请求,当判定待定位车辆接收到至少三个路侧单元输出的信号时,从可接收到信号的所有路侧单元中优先选择接收信号强度最大的至少三个路侧单元作为目标路侧单元。
例如,在待定位车辆发起定位请求时,判断待定位车辆是否接收到至少三个路侧单元输出的信号,若是,则从这些路侧单元中优先选择接收信号强度最大的三个路侧单元作为目标路侧单元AP1、目标路侧单元AP2、目标路侧单元AP3。
可以理解的是,通过目标路侧单元选择模块22,优先选择接收信号强度最大的至少三个路侧单元作为目标路侧单元,有利于提高车辆定位精度。
通过采样距离获取模块23,将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,得到离散信号数据库中与待定位车辆当前的接收信号强度差值最小的接收信号强度,进而得到该接收信号强度对应的采样距离。
例如,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP1的接收信号强度进行比对,当RFi<RA<RFi+1时,RA落在(RFi,dFi)和(RFi+1,dFi+1)确定的离散区间内,分别比较RA与RFi、RFi+1的差值,RA与RFi的差值RAFi=|RA-RFi|,RA与RFi+1的差值RAFi+1=|RA-RFi+1|,若RAFi>RAFi+1,说明RA更接近RFi+1,则选择离散信号样本(RFi+1,dFi+1),确定对应采样距离d1=dFi+1,若RAFi<RAFi+1,说明RA更接近RFi,则选择离散信号样本(RFi,dFi),,确定对应采样距离d1=dFi。同样地,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP2的接收信号强度进行比对,根据比对结果确定对应采样距离d2,将待定位车辆当前的接收信号强度RA与离散信号数据库中来自目标路侧单元AP3的接收信号强度进行比对,根据比对结果确定对应采样距离d3。
可以理解的是,通过采样距离获取模块23,将待定位车辆当前的接收信号强度与来自多个目标路侧单元的接收信号强度进行比对,确定多个采样距离,使得后续能够根据多个采样距离计算待定位车辆的目标位置,有利于提高车辆定位精度。
通过目标位置计算模块24,基于改进的权重因子中心算法,重新确定权重因子,并根据采样距离计算待定位车辆的目标位置。
权重因子中心算法是将待定位车辆当前的接收信号强度作为权值(即权重因子),反映出路侧单元对待定位车辆的影响程度,从而达到提高车辆定位精度的目的。
权重因子中心算法的计算公式如式(4)所示:
式(4)中,wi为权重因子,(x,y)为待定位车辆的目标位置坐标,(xi,yi)为路侧单元坐标。
在实际环境中,单纯使用接收信号强度作为权值可能会使定位误差较大,接收信号强度值随着距离的增大会不断减小。且由于本实施例对待定位车辆到目标路侧单元的实际距离进行了离散,每一目标路侧单元与待定位智能网联车辆间的离散距离以及离散误差的大小同时影响着待定位车辆的定位,因此,本实施例对于权值的选择有以下考虑:
(1)路侧单元距离待定位车辆越近,对待定位车辆的定位影响越大,故选取1/d1、1/d2、1/d3作为权重因子的参数;
(2)离散误差越小,对应的路侧单元对待定位车辆的定位影响越大,将离散接收信号强度和待定位车辆当前的接收信号强度值间的差值记为ε,εj=min(|RA-RFi|,|RA-RFi+1|)j=1,2,3,选取作为权重因子的参数。
综上考虑,重新确定权重因子为:
由此得到改进的权重因子中心算法。
设目标路侧单元AP1(xAP1,yAP1)、AP2(xAP2,yAP2)、AP3(xAP3,yAP3),分别以AP1、AP2、AP3为圆心,采样距离d1、d2、d3为半径作圆,由式(5)计算3个圆相交的3个点B1、B2、B3的坐标(xB1,yB1)、(xB2,yB2)、(xB3,yB3)。
同理可得B2、B3点的坐标。
结合顶点B1、B2、B3坐标,计算待定位车辆的目标位置P(x,y),如式(6)所示。
在优选的实施例当中,离散信号数据库构建模块21,还用于在所述在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,在路侧的不同位置布设多个路侧单元,以每一路侧单元为圆心构造多个半径依次递增的同心圆,并在每一同心圆的圆周位置布设采样点。
在本实施例当中,通过离散信号数据库构建模块21,在路侧不同位置布设多个路侧单元,在以每一路侧单元为圆心的多个同心圆的圆周位置布设采样点,能够确保采样点均匀布设在路侧单元周围,有利于提高车辆定位精度。
在优选的实施例当中,相邻两个同心圆的间距等于路侧单元和与路侧单元相邻的同心圆的间距,且路侧单元和与路侧单元相邻的同心圆的间距小于预设阈值。
在本实施例当中,预设阈值为(0,0.5)m中的任一取值。
在优选的实施例当中,所述在每一路侧单元周围的采样点采集接收信号强度,并将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:在每一同心圆上的各个采样点采集初始接收信号强度,并计算所有初始接收信号强度的平均值;将平均值作为接收信号强度,将对应同心圆的半径作为采样距离,构建离散信号数据库。
可以理解的是,通过离散信号数据库构建模块21,当在每一同心圆上的各个采样点采集初始接收信号强度时,这些初始接收信号强度对应同一采样距离,此时需要取这些初始接收信号强度的平均值作为唯一的接收信号强度,将唯一的接收信号强度和采样距离作为离散信号数据,从而构建离散信号数据库。
在优选的实施例当中,所述响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元,具体为:响应待定位车辆发起的定位请求,判断待定位车辆是否接收到一跳范围内至少三个路侧单元输出的信号;若是,则从中选择最大接收信号强度对应的至少三个路侧单元作为目标路侧单元。
在本实施例当中,通过目标路侧单元选择模块22,仅在待定位车辆可接收到一跳范围内至少三个路侧单元输出的信号时才从中选择最大接收信号强度对应的至少三个路侧单元作为目标路侧单元,有利于提高车辆定位精度。
在优选的实施例当中,所述将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应采样距离,具体为:将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,得到目标接收信号强度,以及与目标接收信号强度对应的采样距离;其中,目标接收信号强度是与待定位车辆当前的接收信号强度差值最小的接收信号强度。
综上所述,实施本发明的实施例,具有如下有益效果:
通过在每一路侧单元周围的采样点采集接收信号强度,将接收信号强度和采样点到路侧单元的采样距离作为离散信号数据,构建离散信号数据库,并响应待定位车辆发起的定位请求,当待定位车辆接收到至少三个路侧单元输出的信号时,从中选择至少三个路侧单元作为目标路侧单元,再将待定位车辆当前的接收信号强度与离散信号数据库中来自每一目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应的采样距离,从而基于改进的权重因子中心算法,根据采样距离计算待定位车辆的目标位置,实现车辆定位。本发明的实施例直接选用实际测量数据构建离散信号数据库,能够有效避免因信号受车外环境干扰而衰减严重所带来的理论误差问题,提高车辆定位精度。
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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
Claims (10)
1.一种智能网联车辆定位方法,其特征在于,包括:
在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库;
响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元;
将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离;
基于改进的权重因子中心算法,根据所述采样距离计算所述待定位车辆的目标位置。
2.如权利要求1所述的智能网联车辆定位方法,其特征在于,在所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,还包括:
在路侧的不同位置布设多个所述路侧单元,以每一所述路侧单元为圆心构造多个半径依次递增的同心圆,并在每一所述同心圆的圆周位置布设所述采样点。
3.如权利要求2所述的智能网联车辆定位方法,其特征在于,相邻两个所述同心圆的间距等于所述路侧单元和与所述路侧单元相邻的同心圆的间距,且所述路侧单元和与所述路侧单元相邻的同心圆的间距小于预设阈值。
4.如权利要求2或3所述的智能网联车辆定位方法,其特征在于,所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:
在每一所述同心圆上的各个采样点采集初始接收信号强度,并计算所有所述初始接收信号强度的平均值;
将所述平均值作为所述接收信号强度,将对应所述同心圆的半径作为所述采样距离,构建所述离散信号数据库。
5.如权利要求1所述的智能网联车辆定位方法,其特征在于,所述响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元,具体为:
响应所述待定位车辆发起的定位请求,判断所述待定位车辆是否接收到一跳范围内至少三个所述路侧单元输出的信号;
若是,则从中选择最大接收信号强度对应的至少三个所述路侧单元作为所述目标路侧单元。
6.如权利要求1所述的智能网联车辆定位方法,其特征在于,所述将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离,具体为:
将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,得到目标接收信号强度,以及与所述目标接收信号强度对应的采样距离;其中,所述目标接收信号强度是与所述待定位车辆当前的接收信号强度差值最小的接收信号强度。
7.一种智能网联车辆定位装置,其特征在于,包括:
离散信号数据库构建模块,用于在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库;
目标路侧单元选择模块,用于响应待定位车辆发起的定位请求,当所述待定位车辆接收到至少三个所述路侧单元输出的信号时,从中选择至少三个所述路侧单元作为目标路侧单元;
采样距离获取模块,用于将所述待定位车辆当前的接收信号强度与所述离散信号数据库中来自每一所述目标路侧单元的接收信号强度进行比对,以根据每一比对结果得到对应所述采样距离;
目标位置计算模块,用于基于改进的权重因子中心算法,根据所述采样距离计算所述待定位车辆的目标位置。
8.如权利要求7所述的智能网联车辆定位装置,其特征在于,所述离散信号数据库构建模块,还用于在所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库之前,在路侧的不同位置布设多个所述路侧单元,以每一所述路侧单元为圆心构造多个半径依次递增的同心圆,并在每一所述同心圆的圆周位置布设所述采样点。
9.如权利要求8所述的智能网联车辆定位装置,其特征在于,相邻两个所述同心圆的间距等于所述路侧单元和与所述路侧单元相邻的同心圆的间距,且所述路侧单元和与所述路侧单元相邻的同心圆的间距小于预设阈值。
10.如权利要求8或9所述的智能网联车辆定位装置,其特征在于,所述在每一路侧单元周围的采样点采集接收信号强度,并将所述接收信号强度和所述采样点到所述路侧单元的采样距离作为离散信号数据,构建离散信号数据库,具体为:
在每一所述同心圆上的各个采样点采集初始接收信号强度,并计算所有所述初始接收信号强度的平均值;
将所述平均值作为所述接收信号强度,将对应所述同心圆的半径作为所述采样距离,构建所述离散信号数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010714208.5A CN112040438A (zh) | 2020-07-22 | 2020-07-22 | 一种智能网联车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010714208.5A CN112040438A (zh) | 2020-07-22 | 2020-07-22 | 一种智能网联车辆定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112040438A true CN112040438A (zh) | 2020-12-04 |
Family
ID=73582958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010714208.5A Pending CN112040438A (zh) | 2020-07-22 | 2020-07-22 | 一种智能网联车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112040438A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270818A (zh) * | 2014-10-16 | 2015-01-07 | 北京北斗天成科技有限公司 | 一种停车场中车辆的无线定位方法 |
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 |
CN110234072A (zh) * | 2019-06-28 | 2019-09-13 | 徐州工业职业技术学院 | 基于指纹量化的改进加权质心定位方法 |
US20200142045A1 (en) * | 2018-06-04 | 2020-05-07 | Central China Normal University | Fingerprint positioning method and system in smart classroom |
-
2020
- 2020-07-22 CN CN202010714208.5A patent/CN112040438A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270818A (zh) * | 2014-10-16 | 2015-01-07 | 北京北斗天成科技有限公司 | 一种停车场中车辆的无线定位方法 |
US20200142045A1 (en) * | 2018-06-04 | 2020-05-07 | Central China Normal University | Fingerprint positioning method and system in smart classroom |
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 |
CN110234072A (zh) * | 2019-06-28 | 2019-09-13 | 徐州工业职业技术学院 | 基于指纹量化的改进加权质心定位方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113727434B (zh) * | 2021-11-03 | 2022-04-22 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108989976B (zh) | 一种智慧教室内的指纹定位方法及系统 | |
CN103747524B (zh) | 一种基于云平台的Android终端室内定位方法 | |
CN104732192B (zh) | 一种建筑图纸墙体识别方法和装置 | |
JP6596516B2 (ja) | 人工ニューラルネットワークの測位性能を改善するための方法および装置 | |
CN105635964A (zh) | 基于k中心点聚类的无线传感器网络节点定位方法 | |
CN108534779A (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
CN104270818A (zh) | 一种停车场中车辆的无线定位方法 | |
CN103889051B (zh) | 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法 | |
CN104121916B (zh) | 用于地图匹配的方法和系统 | |
CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
CN106162869B (zh) | 移动自组织网络中高效协作定位方法 | |
CN108966120B (zh) | 一种用于动态集群网络改进的组合三边定位方法及系统 | |
CN110688958A (zh) | 基于GoogLeNet神经网络的交叉路口识别方法 | |
CN111814079A (zh) | 结合聚类与cmab的群智感知车联网用户筛选方法 | |
CN114819411A (zh) | 一种基于走航监测车的大气污染物排放溯源方法和装置 | |
CN112040438A (zh) | 一种智能网联车辆定位方法及装置 | |
WO2023201938A1 (zh) | 缺失轨迹填补方法及系统 | |
CN112444778A (zh) | 一种基于dbscan的参考点加权三边质心定位方法 | |
CN111738878B (zh) | 一种桥梁应力检测系统 | |
CN110234072B (zh) | 基于指纹量化的改进加权质心定位方法 | |
CN110070120B (zh) | 基于判别采样策略的深度度量学习方法及系统 | |
CN112329886A (zh) | 双车牌识别方法、模型训练方法、装置、设备及存储介质 | |
CN111881964A (zh) | 一种基于Delaunay三角网的线性建筑物模式识别方法与系统 | |
CN116628531A (zh) | 众包地图道路对象要素聚类方法、系统及存储介质 | |
CN113689526B (zh) | 地图中无效区域的划分方法及装置、电子设备 |
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: 20201204 |