CN112896240B - 基于边缘计算的多传感器列车定位方法 - Google Patents

Abstract

本发明提供了一种基于边缘计算的多传感器列车定位方法，包括：车载处理器按固定周期接收速度传感器、惯性导航系统和全球定位系统输出的列车动态信息，将速度传感器输出的速度值经累加得到当前运行里程，并存储惯性导航系统及全球定位系统输出的列车动态信息，在单个周期结束时向位于轨旁的边缘服务器发送传感器数据处理请求；边缘服务器在接收请求后确定是否允许数据上传并将请求结果反馈至列车；如不允许，列车将本周期内收集到的数据继续存储并等待下一周期再次请求；如允许，则列车将当前周期所存储的数据发送至边缘服务器；边缘服务器对数据处理完毕后向列车回传定位结果，列车根据得到的结果对当前列车里程进行校正。

Description

基于边缘计算的多传感器列车定位方法

技术领域

本发明涉及轨道交通无线通信技术领域，尤其涉及一种基于边缘计算的多传感器列车定位方法。

背景技术

列车运行控制系统通过获取车载传感器数据以及线路数据，对列车的运行状态进行监督以及调整，实现列车的安全高效运行。目前中国列车运行控制系统(Chinese TrainControl System,CTCS)主要包括CTCS-0到CTCS-4共5个等级，其中CTCS-3级列控系统被广泛应用于中国高速铁路。CTCS-3级列控系统基于车地无线通信系统实现列车与地面设备的双向信息传输，利用无线闭塞中心实现列车行车许可的生成与下发。列车在运行过程中需要实现自身准确可靠的定位，并周期性地向无线闭塞中心报告自己的位置速度等信息以保障线路运营安全。CTCS-3系统中列车定位功能主要依靠应答器以及车载速度传感器等设备实现，列车自身的测速测距单元通过对速度传感器输出的信号进行转换得到速度以及位移信息。实际应用过程中由于受到环境以及传感器自身测量精度的影响，速度传感器输出的列车速度测量值往往存在误差。由速度测量值累加得到的列车位移会因为速度测量值中存在的误差而随时间推移产生较大偏差。为解决上述问题，实际列控系统中应答器被间隔地布置于列车运行轨道上。应答器中存储有当前应答器所在位置的具体里程信息，列车在经过应答器时通过电磁感应技术获取存储于应答器中的信息从而对列车当前的定位数据进行校正，以此避免由速度传感器误差所导致的列车定位误差不断累积，保证行车安全。

现有的列车定位前沿技术研究中，基于车载多传感器的列车定位方法可以通过综合各传感器输出的列车动态数据来得到包括列车位移、速度以及加速度等状态的精确估计。通过在列车上装载多个传感器，包括：全球定位系统、惯性导航单元以及速度传感器，可以利用滤波算法将上述各传感器输出的列车动态数据相结合计算得到列车实时位置速度信息，这种方式下可以大幅减少对轨道电路以及应答器等地面设备的依赖，降低轨道交通系统的建设以及维护成本；并且由于算法可以综合不同传感器的不同特性，在局部传感器失效的情况下，依然可以依靠剩余正常工作传感器的输出结果得到可靠的列车状态估计。因此该技术从理论上可以通过综合各传感器的特点实现优势互补，输出相对更加可靠精确的列车定位结果。但是车载传感器数量的增加会导致待处理数据量的不断增加，列车定位精度主要受以下三个因素的影响：(1)车载传感器数据输出精度；(2)列车动力学建模精度；(3)传感器数据处理时延。前两项影响因素主要取决于车载传感器本身以及定位算法的复杂度，第三项因素则主要取决于传感器数据处理的效率。因此需要更高性能的处理器来对海量数据进行实时响应以及处理。目前的车载计算机通常为工业安全计算机，最高主频不超过400MHz，最大内存为16MB，相比于目前主要芯片厂商所生产的处理器性能(2.4GHz，内存16GB)，其数据处理能力有限，往往无法对获取到的多传感器信息进行及时响应以满足列车实时定位的要求。由此产生的传感器数据处理时延会导致列车定位精度的下降，影响行车安全。除此之外，现有车载安全计算机程序流程固定，缺少对多源异构传感器信息进行有效处理的功能。综上所述，需要寻找一种新的数据处理方案来对不同车载传感器产生的大量列车实时动态数据进行及时可靠的响应以提高行车安全与效率。

随着无线通信技术的不断发展与演进，边缘计算的概念被业内学者所广泛关注。边缘计算下将具有一定运算能力的处理器，即边缘服务器，布置于无线通信基站处。当具有通信能力的终端设备向基站传输数据时，所传输的数据将会直接在边缘服务器进行处理并反馈至终端。依靠先进的通信技术，这种方式可以对终端实时产生的数据实现更快速的响应。并且数据的处理方式由终端设备上传的执行程序决定，面对异构的多源信息具有更强的扩展性。对于多传感器下的列车定位系统来说，利用现有的车地通信架构，海量的列车动态数据可以通过车地通信链路上传至边缘服务器进行处理，处理结果再通过无线链路反馈至车载端以更新列车实时定位信息，综合各传感器优势的同时实现信息的快速响应，实现可靠且精确的列车定位功能。

依靠不断发展的人工智能以及信息技术，道路车辆的自动驾驶能力已经得到了长足的发展与进步。自动驾驶中道路车辆依靠全球定位系统、惯性导航系统以及摄像头等传感器获取列车自身动态数据，实现车辆的实时定位。出于空间利用率以及设备成本的考量，自动驾驶车辆所搭载的处理器自身同样难以满足海量数据的实时处理要求。由于第五代通信技术的出现，相关学者对边缘计算下的车辆定位开展了大量的研究。主要方案为：车辆自动驾驶场景下通过车载摄像头实时观测路面交通状况并将图像数据以及其他车辆传感器动态数据通过无线通信链路上传至安装于路旁的通信基站，并由基站中装载的边缘服务器进行处理。得到的数据处理结果同样再通过基站下发至车辆为自动驾驶提供外界环境以及车辆自身动态信息以保证车辆自动驾驶的安全性。上述技术方案的实现利用了第五代移动通信技术高可靠以及高带宽的优势以及边缘服务器分布范围广、数据处理能力强的优势，提高了车辆自动驾驶的安全性以及效率。上述现有列车定位系统主要依靠轨道电路、应答器以及速度传感器等地面以及车载设备来指示以及计算列车当前所在位置，从而与前方线路静态/动态信息结合生成列车自动防护曲线以保障行车安全。但是在此过程中，线路所经过的自然环境条件复杂，轨道电路以及应答器等地面设备容易受到环境因素的影响发生故障，从而导致列车定位功能失效，影响行车安全，并且列车运行过程中可能存在空转、打滑等现象，利用单一车载速度传感器推算得到的列车位置信息会随着时间的推移而产生较大的偏差，从而影响列车的定位精度。为减少上述问题给列车运行带来的影响，需要一种新的列车定位方法来提高定位可靠性以及精度，为后续列车的安全运行提供保障。

发明内容

本发明提供了一种基于边缘计算的多传感器列车定位方法，以解决现有的列控系统中列车状态信息难以及时高效处理、定位精度以及稳定性较低的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种基于边缘计算的多传感器列车定位方法，包括：

S11在车载端安装速度传感器、惯性导航系统以及全球定位系统，车载处理器周期性地接收速度传感器、惯性导航系统和全球定位系统输出的列车动态信息作为多传感器数据；

S12在周期结束时向位于轨旁的边缘服务器发送列车的数据处理请求；

S13边缘服务器在接收到列车的数据处理请求后，根据边缘服务器的计算资源和列车的数据处理请求内容来确定是否允许列车向边缘服务器上传多传感器数据以及列车上传数据后应该分配的计算资源作为响应结果向列车发送；

S14列车根据接收到所述边缘服务器的结果，如果允许上传，则将所述多传感器数据发送至边缘服务器并转至步骤S15；如果不允许上传，则将本周期内收集到的多传感器数据继续存储，转至步骤S11等待至下一周期结束时重新向边缘服务器发送多传感器数据处理请求；

S15边缘服务器接收列车上传的多传感器数据，利用已分配完毕的计算资源对上传的多传感器数据进行处理，得到的列车定位结果回传至车载处理器；

S16车载处理器根据接收到边缘服务器回传的定位结果对当前列车里程进行校正，并转至S11。

优选地，S11还包括车载处理器将周期性地接收到的速度传感器、惯性导航系统和全球定位系统输出的列车动态信息收集存储。

优选地，列车动态信息包括惯性导航系统输出的列车加速度和角速度信息、全球定位系统输出的列车经纬度信息和速度传感器输出的列车速度信息。

优选地，列车的数据处理请求内容包括列车位置和速度信息、数据量、数据计算量、数据处理时延限制以及列车当前位置估计误差。

优选地，边缘服务器接收列车上传的多传感器数据，利用已分配完毕的计算资源对上传的多传感器数据进行处理，得到的列车定位结果回传至车载处理器，包括：边缘服务器根据滤波算法计算得到列车的定位结果。

优选地，边缘服务器在接收到列车的数据处理请求后，根据边缘服务器的计算资源和列车的数据处理请求内容来确定是否允许列车向边缘服务器上传传感器数据以及列车上传数据后应该分配的计算资源，包括：以所有请求边缘计算资源任务的处理效用为目标函数，以是否允许将列车传感器器上传至边缘端、仅当计算任务被允许上传时方能为计算任务分配计算频率、每个周期内为所有准入的计算任务所分配的计算资源之和不能超过边缘服务器的总计算资源、在边缘端的计算处理时间不能超过列车离开边缘服务器管辖范围时间以及每个计算任务最后时限两者中的最小值和每个周期内所有计算任务的优先级之和不能超过1为约束条件建立混合整数非线性规划模型，通过对模型进行求解确定是否允许列车向边缘服务器上传传感器数据以及列车上传数据后应该分配的计算资源。

优选地，混合整数非线性规划模型如下式(1)所示：

其中，

为最大化所有请求边缘计算资源任务的处理效用，即在给定各任务优先级的前提条件下最小化任务处理时延，m＝1...M代表边缘服务器在一个周期内接收到的所有校正任务请求数量；

a_m,f_m为规划算法的决策变量：a_m代表是否允许将计算任务上传至边缘端即准入决策，其取值范围为0或1，1代表允许上传，0代表不允许上传；f_m代表在允许计算任务上传后分配给每个上传校正任务的计算资源，即相应的任务计算频率，其取值范围为正实数，O_m代表每个计算任务的优先级；

代表预估的每个校正任务不上传至边缘服务器而是在车载处理器处理所需要耗费的处理时间；

代表每个计算任务上传至边缘服务器预估的计算处理时间，a_m∈{0,1}代表准入决策变量a_m的取值为0或1；f_m＞0,

a_m＝1代表仅当计算任务被允许上传，即a_m＝1时，方能为计算任务分配计算频率f_m；

代表为每个周期内为所有准入的校正任务所分配的计算资源之和不能超过边缘服务器的总计算资源C^e；

代表在边缘服务器的计算处理时间不能超过列车离开边缘服务器管辖范围时间

列车本地车载处理器处理时间

以及每个计算任务最后时限D_m中的最小值；

代表每个周期内所有校正任务的优先级之和小于或等于1。

优选地，每个计算任务的优先级如下式(2)所示：

其中，O_m代表列车上传数据处理的优先级，该值与列车当前时刻定位估计误差P_m呈正相关，估计误差越大则表明列车当前时刻越需要对位置速度信息进行校正，优先级越高。

优选地，每个计算任务上传至边缘服务器预估的计算处理时间，即边缘端列车数据处理的总时延

根据下式(3)计算：

其中，

为数据传输时延，

r_m为列车与边缘服务器之间的数据传输速率，由列车与边缘服务器的相对位置决定；N_m为数据量；

为在边缘服务器中对列车传感器数据进行处理所耗费的时间，

f_m为边缘服务器分配给每一辆列车的计算资源，由计算任务处理频率表示；G_m为数据计算量。

由上述本发明的基于边缘计算的多传感器列车定位方法提供的技术方案可以看出，本发明通过车地无线通信链路将车载传感器测量得到的列车实时动态数据上传至边缘服务器进行处理，得到的列车状态估计结果同样通过无线链路回传至车载端以实时更新列车定位结果。利用边缘节点的信息处理能力弥补车载处理器计算能力不足的缺点，提升了列车定位精度、可靠性以及实时性，保障列车安全高效行驶；对于不同列车所上传的处理请求，需要对边缘服务器的计算资源进行合理规划以确保管辖范围内所有列车定位功能的正常实现；通过对车地通信过程以及边缘服务器数据处理过程进行建模得到混合整数非线性模型，通过求解该模型对边缘服务器的计算资源进行规划，进一步减小边缘服务器管辖范围内列车数据的处理时延，提升管辖范围内所有列车的定位精度。

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为实施例一提供的基于边缘计算的多传感器列车定位方法流程示意图；

图2为列车请求边缘服务器处理多传感器数据示意图；

图3为允许上传情况下列车多传感器数据处理示意图；

图4为不允许上传情况下列车多传感器数据处理示意图；

图5为边缘端多传感器数据处理流程示意图；

图6为采用现有的列车定位方法和采用本实施例方法的基于边缘计算的多传感器列车定位方法下列车的平均定位误差对比图。

具体实施方式

下面详细描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。下面通过参考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，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤和/或它们的组。应该理解，这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

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。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。

实施例

图1为本实施例的一种基于边缘计算的多传感器列车定位方法流程示意图，参照图1，该方法包括如下步骤：

1)车载处理器周期性地接收速度传感器、惯性导航系统和全球定位系统输出的列车动态信息作为多传感器数据。

车载处理器还将接收速度传感器输出的列车速度测量值经过累加运算得到列车当前运行里程，作为列车的当前运行里程。

在车载端安装速度传感器、惯性导航系统以及全球定位系统，列车运行过程分为多个间隔相等的周期，单个周期内列车基于现有定位技术，利用速度传感器输出的列车速度测量值经过累加运算得到列车当前运行里程

车载处理器将周期性地接收到的速度传感器、惯性导航系统和全球定位系统输出的列车动态信息收集存储。

其中，惯性导航系统输出的列车加速度和角速度信息、全球定位系统输出的列车经纬度信息和速度传感器输出的列车速度信息。

2)在周期结束时向位于轨旁的边缘服务器发送列车的数据处理请求。

在这一步骤中，列车以固定周期向位于轨旁的边缘服务器发送数据处理请求并等待边缘服务器回传的指示信号。在这一过程中列车继续依靠速度传感器输出的列车速度信息对列车当前里程进行计算，保证不间断的列车定位信息输出，如图2所示，为列车请求边缘服务器处理传感器数据示意图。

3)边缘服务器在接收到列车的数据处理请求后，根据边缘服务器的计算资源和列车的数据处理请求内容来确定是否允许列车向边缘服务器上传多传感器数据以及列车上传数据后应该分配的计算资源作为响应结果向列车发送。

由于边缘计算中，单个边缘服务器管辖范围内可能需要向多辆列车提供数据处理服务，且由于单个边缘服务器计算能力有限，当管辖范围内列车过多时，需要对边缘服务器的计算资源进行合理规划以保证多传感器数据的快速处理，从而减小因处理时延而导致的列车定位误差。边缘服务器根据每辆列车的定位误差情况以及处理时延要求来判断是否允许列车向边缘服务器上传后续的多传感器数据。若经判断该计算任务无法在边缘端进行处理，则向列车回传数据拒绝处理信号，此时列车在接收到拒绝信号后便将本周期的传感器数据继续保存并等待下一周期再次请求处理；若经判断该计算任务可以上传至边缘服务器，则向列车回传数据允许处理信息。

以所有请求边缘计算资源任务的处理效用为目标函数，以是否允许将列车传感器器上传至边缘端、仅当计算任务被允许上传时方能为计算任务分配计算频率、每个周期内为所有准入的计算任务所分配的计算资源之和不能超过边缘服务器的总计算资源、在边缘端的计算处理时间不能超过列车离开边缘服务器管辖范围时间以及每个计算任务最后时限两者中的最小值和每个周期内所有计算任务的优先级之和不能超过1为约束条件建立混合整数非线性规划模型，通过对模型进行求解确定是否允许列车向边缘服务器上传传感器数据以及列车上传数据后应该分配的计算资源。

具体地，以m代表每辆上传传感器数据的列车，管辖范围内的列车总数为M，则有m＝1...M。列车数据处理请求中包括：列车位置和速度信息S_m,V_m、数据量N_m、数据计算量G_m、数据处理时延限制D_m以及列车此时位置估计误差P_m，因此每个计算任务可以用一个六元组表示(S_m,V_m,N_m,G_m,D_m,P_m)。其中列车位置速度信息S_m,V_m由车载处理器通过速度传感器输出的列车速度测量值计算得到；数据量N_m由截止至本周期内待上传的各车载传感器测量数据存储量确定；数据计算量G_m由数据处理算法复杂程度决定；数据处理时延限制D_m则由列车运行控制系统对列车定位数据更新频率的要求决定。边缘服务器在接收到管辖范围内各列车估计的定位误差后，由此计算相应的任务优先级。P_m代表当前时刻列车定位结果的估计误差，估计误差越大则表明列车此刻越需要对位置速度信息进行校正，因此优先级越高；反之，列车的定位估计误差越小则表明列车此刻定位结果越精确，不需要占用边缘计算的资源对结果进行校正，因此计算任务的优先级变得更小。具体优先级的映射关系如下式(1)所示：

其中，O_m代表列车上传数据处理的优先级，该值与列车当前定位估计误差P_m呈正相关，估计误差越大则表明列车当前时刻越需要对位置速度信息进行校正，优先级越高。

在接收到列车发送的数据处理请求后，边缘服务器对每辆列车的数据处理任务所需要完成的时间，即边缘计算时延进行估算。时延包括两个部分：(1)数据传输时延；(2)数据处理时延。其中数据传输时延由传输的数据量以及列车与基站之间的无线信道容量决定。由于边缘服务器在得到校正过的定位结果后向列车反馈的数据量较小，通常仅为列车当前的位置速度信息，因此主要考虑了数据上传至边缘服务器端所耗费的时间，每个计算任务上传至边缘服务器预估的计算处理时间，即边缘端列车数据处理的总时延

根据下式(2)计算：

其中，

为数据传输时延，

r_m为列车与边缘服务器之间的数据传输速率，由列车与边缘服务器的相对位置决定；N_m为数据量；

为在边缘服务器中对列车传感器数据进行处理所耗费的时间，

f_m为边缘服务器分配给每一辆列车的计算资源，由计算任务处理频率表示；G_m为数据计算量。

综上，得到混合整数非线性规划模型如下式(3)所示：

其中，

为最大化所有请求边缘计算资源任务的处理效用，即在给定各任务优先级的前提条件下最小化任务处理时延，m＝1...M代表边缘服务器在一个周期内接收到的所有校正任务请求数量；

a_m,f_m为规划算法的决策变量：a_m代表是否允许将计算任务上传至边缘端即准入决策，其取值范围为0或1，1代表允许上传，0代表不允许上传；f_m代表在允许计算任务上传后分配给每个上传校正任务的计算资源，即相应的任务计算频率，其取值范围为正实数，O_m代表每个计算任务的优先级；

代表预估的每个校正任务不上传至边缘服务器而是在车载处理器处理所需要耗费的处理时间；

代表每个计算任务上传至边缘服务器预估的计算处理时间，a_m∈{0,1}代表准入决策变量a_m的取值为0或1；f_m＞0,

a_m＝1代表仅当计算任务被允许上传，即a_m＝1时，方能为计算任务分配计算频率f_m；

代表为每个周期内为所有准入的校正任务所分配的计算资源之和不能超过边缘服务器的总计算资源C^e；

代表在边缘服务器的计算处理时间不能超过列车离开边缘服务器管辖范围时间

列车本地车载处理器处理时间

以及每个计算任务最后时限D_m中的最小值；

代表每个周期内所有校正任务的优先级之和小于或等于1。

其中，根据确定后的a_m，向列车的车载处理器下发决策结果，1代表允许上传，0代表不允许上传。

4)列车根据接收到边缘服务器的结果，如果允许上传，则将多传感器数据发送至边缘服务器，边缘服务器接收列车上传的多传感器数据，利用已分配完毕的计算资源对上传的多传感器数据进行处理，得到的列车定位结果回传至车载处理器。如图3所示，为允许上传情况下列车多传感器数据处理示意图。

具体地，边缘服务器根据滤波算法计算得到列车的定位结果。

5)如果不允许上传，则将本周期内收集到的多传感器数据继续存储，转至步骤1)等待至下一周期结束时重新请求边缘服务器发送多传感器数据处理请求。如图4所示，为不允许上传情况下列车多传感器数据处理示意图。

根据步骤4)和5)，边缘服务器在接收到列车的数据处理请求后，通过求解上述混合整数非线性规划问题来得到相应的决策变量，包括是否允许列车上传多传感器数据以及允许上传后需要分配的计算资源。若不允许列车上传任务则回传拒绝消息；若允许列车上传任务则回传允许消息，并在收到列车传输的传感器数据后将数据放入处理器执行队列中，利用已分配的计算资源对数据进行处理，得到的列车定位结果再通过车地无线通信下发至车载端。如图5所示，为边缘端数据处理流程示意图。

6)车载处理器根据接收到边缘服务器回传的定位结果对当前列车进行校正，并转至1)，如图4所示，为不允许上传情况下，列车多传感器数据处理示意图。

列车运行期间，多个传感器根据固定的时间间隔输出列车相关动态数据，车载服务器将各传感器输出的列车动态数据保存，在接收到新的动态数据后循环执行上述步骤1)至6)以实现列车定位信息的持续更新。

考虑到现有技术中车地无线通信过程中可能会存在的误码、丢包以及断链现象，本方法列车将会把本周期内获取得到的所有传感器保留并继续依靠现有列车定位方法对列车里程信息进行计算，持续不间断地输出列车定位数据，保证通信受限情况下列车定位信息的可靠获取。在下一周期到来后再将前n周期内获取到的多传感器数据打包发送至边缘服务器端，其中n代表连续通信失效的周期数。具体流程与边缘服务器拒绝列车上传多传感器数据后列车的数据处理过程一致。

以下为采用本实施例定位方法的应用算例，其中，边缘服务器的计算主频为10Ghz，管辖范围内存在十辆列车，在运行过程中以固定间隔(1秒)持续向边缘服务器发送数据处理请求。

图6为采用现有的列车定位方法和采用本实施例方法的基于边缘计算的多传感器列车定位方法下管辖范围内所有列车的平均定位误差对比图，根据图6可以看出，现有列车定位方法中，列车仅依靠速度传感器对列车位置进行推算。由于速度传感器输出的速度测量值存在误差，因此列车的定位误差会随时间的增加而扩大，此时需要利用地面铺设的应答器设备对列车定位误差进行校正。出于线路建设成本的考量，实际系统中应答器通常间隔一公里以上铺设，因此假设列车每10秒会经过一次应答器校正当前的列车位置，列车的定位误差从而随应答器的铺设间隔呈周期性变化。而边缘计算下，通信正常情况列车可以保持与地面边缘服务器不间断的数据交互。如果列车可以每间隔1秒向边缘服务器请求对车载多传感器数据进行处理，边缘服务器在接收并对数据进行处理后将精确的定位结果回传至车载端实现列车定位结果的校正。此时由于结合了各车载传感器的特点，列车的定位误差较小，误差主要取决于边缘服务器的处理时延大小；并且边缘计算下定位校正周期较短，列车定位误差不会因为长时间利用单一的速度传感器进行推算而扩大。因此基于边缘计算技术，列车定位精度得到了有效提升。

本领域技术人员应能理解，图1仅为简明起见而示出的各类网络元素的数量可能小于一个实际网络中的数量，但这种省略无疑是以不会影响对发明实施例进行清楚、充分的公开为前提的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

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 (5)

1.一种基于边缘计算的多传感器列车定位方法，其特征在于，包括：

S11在车载端安装速度传感器、惯性导航系统以及全球定位系统，车载处理器周期性地接收速度传感器、惯性导航系统和全球定位系统输出的列车动态信息作为多传感器数据；

S12在周期结束时向位于轨旁的边缘服务器发送列车的数据处理请求；

S13边缘服务器在接收到列车的数据处理请求后，根据边缘服务器的计算资源和列车的数据处理请求内容来确定是否允许列车向边缘服务器上传多传感器数据以及列车上传数据后应该分配的计算资源作为响应结果向列车发送；

S14列车根据接收到所述边缘服务器的结果，如果允许上传，则将所述多传感器数据发送至边缘服务器并转至步骤S15；如果不允许上传，则将本周期内收集到的多传感器数据继续存储，转至步骤S11等待至下一周期结束时重新向边缘服务器发送多传感器数据处理请求；

S15边缘服务器接收列车上传的多传感器数据，利用已分配完毕的计算资源对上传的多传感器数据进行处理，得到的列车定位结果回传至车载处理器；

S16车载处理器根据接收到边缘服务器回传的定位结果对当前列车里程进行校正，并转至S11；

所述的边缘服务器在接收到列车的数据处理请求后，根据边缘服务器的计算资源和列车的数据处理请求内容来确定是否允许列车向边缘服务器上传传感器数据以及列车上传数据后应该分配的计算资源，包括：以所有请求边缘计算资源任务的处理效用为目标函数，以是否允许将列车传感器上传至边缘端、仅当计算任务被允许上传时方能为计算任务分配计算频率、每个周期内为所有准入的计算任务所分配的计算资源之和不能超过边缘服务器的总计算资源、在边缘端的计算处理时间不能超过列车离开边缘服务器管辖范围时间以及每个计算任务最后时限两者中的最小值和每个周期内所有计算任务的优先级之和不能超过1为约束条件建立混合整数非线性规划模型，通过对模型进行求解确定是否允许列车向边缘服务器上传传感器数据以及列车上传数据后应该分配的计算资源；

所述的混合整数非线性规划模型如下式(1)所示：

其中，

为最大化所有请求边缘计算资源任务的处理效用，即在给定各任务优先级的前提条件下最小化任务处理时延，m＝1...M代表边缘服务器在一个周期内接收到的所有校正任务请求数量；

a_m,f_m为规划算法的决策变量：a_m代表是否允许将计算任务上传至边缘端即准入决策，其取值范围为0或1，1代表允许上传，0代表不允许上传；f_m代表在允许计算任务上传后分配给每个上传校正任务的计算资源，即相应的任务计算频率，其取值范围为正实数，O_m代表每个计算任务的优先级；

代表预估的每个校正任务不上传至边缘服务器而是在车载处理器处理所需要耗费的处理时间；

代表每个计算任务上传至边缘服务器预估的计算处理时间，a_m∈{0,1}代表准入决策变量a_m的取值为0或1；

代表仅当计算任务被允许上传，即a_m＝1时，方能为计算任务分配计算频率f_m；

代表为每个周期内为所有准入的校正任务所分配的计算资源之和不能超过边缘服务器的总计算资源C^e；

代表在边缘服务器的计算处理时间不能超过列车离开边缘服务器管辖范围时间

列车本地车载处理器处理时间

以及每个计算任务最后时限D_m中的最小值；

代表每个周期内所有校正任务的优先级之和小于或等于1；

所述的每个计算任务的优先级如下式(2)所示：

其中，O_m代表列车上传数据处理的优先级，该值与列车当前时刻定位估计误差P_m呈正相关，估计误差越大则表明列车当前时刻越需要对位置速度信息进行校正，优先级越高；

所述的每个计算任务上传至边缘服务器预估的计算处理时间，即边缘端列车数据处理的总时延

根据下式(3)计算：

其中，

为数据传输时延，

r_m为列车与边缘服务器之间的数据传输速率，由列车与边缘服务器的相对位置决定；N_m为数据量；

为在边缘服务器中对列车传感器数据进行处理所耗费的时间，

f_m为边缘服务器分配给每一辆列车的计算资源，由计算任务处理频率表示；G_m为数据计算量。

2.根据权利要求1所述的方法，其特征在于，所述的S11还包括车载处理器将周期性地接收到的速度传感器、惯性导航系统和全球定位系统输出的列车动态信息收集存储。

3.根据权利要求1所述的方法，其特征在于，所述的列车动态信息包括惯性导航系统输出的列车加速度和角速度信息、全球定位系统输出的列车经纬度信息和速度传感器输出的列车速度信息。

4.根据权利要求1所述的方法，其特征在于，所述的列车的数据处理请求内容包括列车位置和速度信息、数据量、数据计算量、数据处理时延限制以及列车当前位置估计误差。

5.根据权利要求1所述的方法，其特征在于，所述的边缘服务器接收列车上传的多传感器数据，利用已分配完毕的计算资源对上传的多传感器数据进行处理，得到的列车定位结果回传至车载处理器，包括：边缘服务器根据滤波算法计算得到列车的定位结果。

Images