CN115079238A - 基于rtk的公路交通智能精确定位系统和方法 - Google Patents

基于rtk的公路交通智能精确定位系统和方法 Download PDF

Info

Publication number
CN115079238A
CN115079238A CN202211011620.6A CN202211011620A CN115079238A CN 115079238 A CN115079238 A CN 115079238A CN 202211011620 A CN202211011620 A CN 202211011620A CN 115079238 A CN115079238 A CN 115079238A
Authority
CN
China
Prior art keywords
positioning
vehicle
traffic
road
rtk
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.)
Granted
Application number
CN202211011620.6A
Other languages
English (en)
Other versions
CN115079238B (zh
Inventor
刘磊
王卫
任子晖
罗晶晶
彭业华
闫其筠
朱仪韵
宣伟
孙玉腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jiaoxin Technology Co ltd
Original Assignee
Anhui Jiaoxin Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Jiaoxin Technology Co ltd filed Critical Anhui Jiaoxin Technology Co ltd
Priority to CN202211011620.6A priority Critical patent/CN115079238B/zh
Publication of CN115079238A publication Critical patent/CN115079238A/zh
Application granted granted Critical
Publication of CN115079238B publication Critical patent/CN115079238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • G01S19/44—Carrier phase ambiguity resolution; Floating ambiguity; LAMBDA [Least-squares AMBiguity Decorrelation Adjustment] method
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了基于RTK的公路交通智能精确定位系统和方法，包括以下模块组成：交通监管中心，用于实现公路交通的协同管理与联动作业；移动定位模块，用于实现移动车辆的精确定位；路况监测模块，用于监测公路路面健康状况；辅助驾驶模块，用于结合车辆定位及路况进行辅助驾驶；导航规划模块，用于提供实时交通路径规划与导航；用户操作终端，用于提供用户操作与反馈界面；固定基准站，用于接收与发射信号，精确计算车辆坐标位置。通过将部分模糊度固定技术引入RTK定位算法，在LAMBDA算法失效时按照预设的原则剔除部分待固定模糊度，再对剩余模糊度进行固定，从而能够有效地提高RTK算法的定位精度。

Description

基于RTK的公路交通智能精确定位系统和方法
技术领域
本发明涉及交通管理技术领域，具体来说，涉及基于RTK的公路交通智能精确定位系统和方法。
背景技术
智能交通系统将先进电子信息技术应用于交通运输中，实现高效增值的服务，其中很多业务都是以车辆位置信息为基础的，因此定位系统是智能交通系统中一个基础平台。智能交通系统可以使用卫星定位导航系统，通过天基卫星为地面车辆提供位置服务。
目前，装配在车辆上的GNSS（卫星定位导航）接收机只能依靠自身接收卫星信号来完成单点定位（SPP），其位置信息精度通常在2米~10米之间。这种级别的精度可以用于普通导航以及对精度要求不高的业务。但是智能交通中越来越多的创新业务要求至少亚米级的定位精度，比如精细道路交通管理、安全辅助驾驶、车路协同、无人驾驶辅助导航等，目前使用的这种定位方法的定位精度就显著不足。
RTK（实时动态）技术是一种为动态终端提供精密定位的卫星差分定位技术，能够获得高达厘米级的定位精度。伪距差分也是一种卫星差分定位技术，能够提供高达分米级的定位精度。在伪距差分中，基准站广播伪距差分校正量，移动站利用伪距差分校正量对本地接收机的伪距测量值进行校准，然后计算移动站的PVT（位置、速度和时间）信息。在RTK差分中，基准站广播伪距和载波相位测量值，而移动站利用这些数据，结合本地伪距或者载波相位观测量进行差分运算，从而获得移动站的高精度位置信息。
但现有的RTK定位过程中，当卫星发生故障或者差分卫导系统使用环境恶化时，会导致某些导航卫星的卫导观测量出现大幅度偏差，同时会导致LAMBDA算法的模糊度固定成功率大幅下降，最终严重影响RTK定位精度，对车辆运行安全造成一定的危害。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出基于RTK的公路交通智能精确定位系统和方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了基于RTK的公路交通智能精确定位系统，包括以下模块组成：
交通监管中心，用于实现公路交通的协同管理与联动作业；
移动定位模块，用于实现移动车辆的精确定位；
路况监测模块，用于监测公路路面健康状况；
辅助驾驶模块，用于结合车辆定位及路况进行辅助驾驶；
导航规划模块，用于提供实时交通路径规划与导航；
用户操作终端，用于提供用户操作与反馈界面；
固定基准站，用于接收与发射信号，精确计算车辆坐标位置。
进一步的，所述交通监管中心包括GIS数据库、交通路网单元、区域管理单元、综合调度单元及位置管理中心；
其中，所述GIS数据库用于提供城市地理与路网数据并作为交通路网搭建的平台；
所述交通路网单元为拓扑结构网络，并将道路链接点设定为交通节点，将路段设定为拓扑结构的边要素；
所述区域管理单元通过所述交通节点为端点将所述交通路网划分为多个路网子区域，并结合车辆位置信息确定区域内车流量实时计算并定位交通密集位置；
所述综合调度单元通过交通密集位置及其变化率分析交通路况信息，进行智能化人员调度与交通管理。
进一步的，所述区域管理单元将空间区域简化为空间单元质心为节点的分布网络，并选取空间单元质心的交通属性进行分析，采用加权平均值的方法提取区域单元的车辆质心，来表达所述交通路网的交通密集位置，表达式为：
Figure 923519DEST_PATH_IMAGE001
Figure 371818DEST_PATH_IMAGE002
式中，Wi表示第i个路网子区域内的车流量；
Xi与Yi表示第i个路网子区域的空间坐标；
XG与YG表示空间单元的质心坐标，即交通密集位置的坐标。
进一步的，所述移动定位模块包括RTK定位单元、综合误差分析单元以及精确定位单元，实现车辆的精确定位功能；
其中，所述RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差，所述精确定位单元通过综合车辆的定位与误差实现待定位车辆厘米级的精确定位。
进一步的，所述RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位的原理包括以下步骤：
S211、利用卡尔曼滤波器递推算法，计算每个历元的位置坐标与所有单差整周模糊度的浮点解；
S212、将所述单差整周模糊度浮点解转双差整周模糊度浮点解；
S213、利用LAMBDA算法固定双差整周模糊度，若Ratio值大于等于3，则利用位置坐标修正公式修正位置坐标浮点解，输出位置坐标固定解，并结束历元定位；否则，继续步骤S214；
S214、删除步骤S213中待固定模糊度集合中具有最大方差值的模糊度，若剩余待固定模糊度个数不小于待定位车辆在地心地固坐标系下的坐标向量与速度向量维数之和，则返回步骤S213；否则输出位置坐标浮点解，并结束历元定位。
进一步的，所述位置坐标修正公式为：
Figure 151555DEST_PATH_IMAGE003
式中，
Figure 936978DEST_PATH_IMAGE004
表示待定位车辆的双差整周模糊度浮点解；
Figure 485771DEST_PATH_IMAGE005
表示卫星信号的双差整周模糊度浮点解的滤波值；
Figure 934332DEST_PATH_IMAGE006
表示卫星信号的双差整周模糊度浮点解；
Figure 857157DEST_PATH_IMAGE007
表示待定位车辆的速度向量精确值；
Figure 56057DEST_PATH_IMAGE008
表示待定位车辆的速度向量预测值；
Figure 397040DEST_PATH_IMAGE009
表示待定位车辆的坐标向量；
k表示卫星编号；
Figure 341469DEST_PATH_IMAGE010
作为角标该数据为卫星k的预测值；
r表示待定位车辆；
Figure 767902DEST_PATH_IMAGE011
表示融合测量噪声协方差矩阵的过程噪声协方差矩阵；
Figure 629548DEST_PATH_IMAGE012
表示过程噪声协方差矩阵。
进一步的，所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差的原理包括以下步骤：
S221、将移动车辆以及其周围最近的三个所述固定基准站，构建区域性电离层模型及对流层模型；
S222、在所述双差整周模糊度确定后，利用双频观测值求精度双差电离层延迟，并精确至厘米级；
S223、计算所述固定基准站的综合误差影响，并进行分解；
S224、根据综合误差内插方法，得到待定位车辆处不同频率载波相位的电离层；
S225、计算除电离层外的残余误差影响，并确定待定位车辆各个频率上的误差更改数。
进一步的，所述综合误差包括对流层误差，电离层的一阶项误差，二阶以上电离层误差、对流层模型残差及轨道误差。
进一步的，所述路况监测模块包括振动加速度传感器、数据采集单元及路况分析单元；
其中，通过所述振动加速度传感器检测移动车辆行驶过程中的振动加速度，利用振动指标公式计算得到振动强度指标，并通过所述振动强度指标的结果判断所行驶道路路面的路况；
且所述振动公式为：
Figure 638086DEST_PATH_IMAGE013
式中，A表示加速度有效值并作为振动强度指标；
Figure 740034DEST_PATH_IMAGE014
表示加速度时程；
T表示加速度持续时间。
根据本发明的另一个方面，还提供了基于RTK的公路交通智能精确定位方法，该方法包括以下步骤：
S1、待定位车辆根据自身坐标位置选取最近的三个固定基准站，接收并互相传输卫星信号，构建精确定位模型；
S2、所述精确定位模型采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，并通过综合误差内插方法计算车辆的定位误差，根据得到的误差更改数实现车辆的厘米级定位；
S3、车辆通过路况监测模块实时获取与分析路况信息数据；
S4、车辆定位信息及路况信息上传至交通监管中心，构建显示实时车流量信息的交通路网，并实时计算交通路网中车流密集点；
S5、通过统计若干车辆的路况信息，在超过预设阈值后通过定位信息确定该区域路段，并对该路段进行标记。
本发明的有益效果为：通过将部分模糊度固定技术引入RTK定位算法，在LAMBDA算法失效时按照预设的原则剔除部分待固定模糊度，再对剩余模糊度进行固定，从而能够有效地提高RTK算法的定位精度，即保证车辆行驶状态下的定位精确性，且提升差分导航系统的稳定性与准确性；同时，本发明还考虑了固定基准站位置、空气环境变化导致的大气参数等不同因素带来的对流层影响，将误差分为两种类型，即与频率相关和与频率无关，通过两者之间简单的转换关系便能够计算出所有频率的误差改正数，从而提高数据在应用与传输方面的便携性。
此外，在获取车辆精确定位信息后，通过交通监管中心的实时监测，配合GIS地理数据平台，能够形成直观、精确与及时的交通分析与管控网络，从而形成高智能化车辆定位与交通监管体系，进而提高公路交通的安全性与管理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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是根据本发明实施例的基于RTK的公路交通智能精确定位系统的系统框图；
图2是根据本发明实施例的基于RTK的公路交通智能精确定位方法的流程图。
图中：
1、交通监管中心；2、移动定位模块；3、路况监测模块；4、辅助驾驶模块；5、导航规划模块；6、用户操作终端；7、固定基准站。
具体实施方式
根据本发明的实施例，提供了基于RTK的公路交通智能精确定位系统。现结合附图和具体实施方式对本发明进一步说明，如图1所示，该系统包括以下模块组成：
交通监管中心1，用于实现公路交通的协同管理与联动作业；
所述交通监管中心1包括GIS数据库、交通路网单元、区域管理单元、综合调度单元及位置管理中心；
其中，所述GIS数据库用于提供城市地理与路网数据并作为交通路网搭建的平台；
所述交通路网单元为拓扑结构网络，并将道路链接点设定为交通节点，将路段设定为拓扑结构的边要素；
其中，交通流的方向在交通节点处改变，且主要节点包括路网中的道路交叉口、城镇及高架互通口。
所述交通路网单元通过GIS数据库抽象为拓扑结构网络抽象后的交通网络在矢量图形上就表现为点线面的几何要素。
通过上述几何要素便能够展示出路网实体空间信息的定位。例如某交通路网中的交通节点、不同路段存在的几何关系、或者具体某个路段的位置信息均能够在空间拓扑关系图中进行详细的展示。
当需要对路网拓扑结构分析时，为了保证分析的效率，可以利用GIS相关功能进行建模分析。GIS作为最常用的地理信息工具与数据库，其能够以市区内各等级公路，城市道路为基础数据，经过空间数据的矢量配准，建立路网拓扑关系，并加入构建路网所需要的各种属性信息，最终建立交通路网。
所述区域管理单元通过所述交通节点为端点将所述交通路网划分为多个路网子区域，并结合车辆位置信息确定区域内车流量实时计算并定位交通密集位置；
所述区域管理单元将空间区域简化为空间单元质心为节点的分布网络，并选取空间单元质心的交通属性进行分析，采用加权平均值的方法提取区域单元的车辆质心，来表达所述交通路网的交通密集位置，表达式为：
Figure 434190DEST_PATH_IMAGE001
Figure 709313DEST_PATH_IMAGE002
式中，Wi表示第i个路网子区域内的车流量；
Xi与Yi表示第i个路网子区域的空间坐标；
XG与YG表示空间单元的质心坐标，即交通密集位置的坐标。
所述综合调度单元通过交通密集位置及其变化率分析交通路况信息，进行智能化人员调度与交通管理。
移动定位模块2，用于实现移动车辆的精确定位；
所述移动定位模块2包括RTK定位单元、综合误差分析单元以及精确定位单元，实现车辆的精确定位功能；
其中，所述RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差，所述精确定位单元通过综合车辆的定位与误差实现待定位车辆厘米级的精确定位。
现用的RTK定位算法通常采用固定观测历元中所有的载波相位整周模糊度，通过对所有载波相位整周模糊度的固定，保证其定位算法的全面精确，但实际上，会存在诸多现实问题会对其全面性造成影响，而改变其测量精度，例如导航卫星故障，或者环境应用方面的问题，如卫导系统运行环境发生恶化，这些因素都会导致卫导观测量测量精度的降低，从而影响传统RTK定位算法的测量精度，同样也使得LAMBDA算法无法完全正确地固定出所有的载波相位整周模糊度。
因此，本发明摒弃传统对所有载波相位整周模糊度的观测，通过利用部分模糊度固定技术来解决可能出现的导航卫星会存在的现实问题，也就是有效的提高定位的精度。简单来说，本发明剔除部分待固定模糊度，通过对剩余但固定模糊度的固定，再通过对方差与模糊度浮点解的计算，选择对测量精度影响最小的因素，提高定位精度。
即RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位的原理包括以下步骤：
S211、利用卡尔曼滤波器算法，递推计算每个历元的位置坐标与所有单差整周模糊度的浮点解；
S212、将所述单差整周模糊度浮点解转化为双差整周模糊度浮点解；
S213、采用LAMBDA算法固定双差整周模糊度，若Ratio值大于等于3，则利用位置坐标修正公式修正位置坐标浮点解，输出位置坐标固定解，并结束历元定位；否则，继续步骤S214；
所述位置坐标修正公式为：
Figure 759309DEST_PATH_IMAGE003
式中，
Figure 94475DEST_PATH_IMAGE004
表示待定位车辆的双差整周模糊度浮点解；
Figure 88976DEST_PATH_IMAGE005
表示卫星信号的双差整周模糊度浮点解的滤波值；
Figure 167791DEST_PATH_IMAGE006
表示卫星信号的双差整周模糊度浮点解；
Figure 814236DEST_PATH_IMAGE007
表示待定位车辆的速度向量精确值；
Figure 585883DEST_PATH_IMAGE008
表示待定位车辆的速度向量预测值；
Figure 739784DEST_PATH_IMAGE009
表示待定位车辆的坐标向量；
k表示卫星编号；
Figure 622289DEST_PATH_IMAGE010
作为角标该数据为卫星k的预测值；
r表示待定位车辆；
Figure 505932DEST_PATH_IMAGE011
表示融合测量噪声协方差矩阵的过程噪声协方差矩阵；
Figure 448480DEST_PATH_IMAGE012
表示过程噪声协方差矩阵。
S214、删除步骤S213中待固定模糊度集合中具有最大方差值的模糊度，若剩余待固定模糊度个数不小于待定位车辆在地心地固坐标系下的坐标向量与速度向量维数之和，则返回步骤S213；否则输出位置坐标浮点解，并结束历元定位。
所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差的原理包括以下步骤：
S221、将移动车辆以及其周围最近的三个所述固定基准站7，构建区域性电离层模型及对流层模型；
将三个固定基准站分别标记为A（XA，YA）、B（XB，YB）、C（XC，YC），待定位车辆位于三个固定基准站之间其定义为u（Xu，Yu）。
S222、在所述双差整周模糊度确定后，利用双频观测值求厘米级的精度双差电离层延迟；
同时，把对流层误差的改正分为模型改正和模型残差两部分。
计算三个固定基准站之间基线AB、AC的综合误差影响为：
Figure 11048DEST_PATH_IMAGE015
Figure 385660DEST_PATH_IMAGE016
式中，
Figure 481399DEST_PATH_IMAGE017
为固定基准站AB之间的综合误差影响，
Figure 578536DEST_PATH_IMAGE018
表示固定基准站AC之间的综合误差影响，i、j表示卫星，λ表示载波相位的波长，
Figure 175871DEST_PATH_IMAGE019
表示载波相位观测值，
Figure 478807DEST_PATH_IMAGE020
表示双差几何距离，
Figure 575857DEST_PATH_IMAGE021
表示双差整周模糊度。
S223、计算所述固定基准站（7）的综合误差影响，并进行分解为：
Figure 860208DEST_PATH_IMAGE022
式中，
Figure 928527DEST_PATH_IMAGE023
表示对流层模型计算出来的误差，
Figure 956526DEST_PATH_IMAGE024
表示双差电离层延迟一阶项，
Figure 29787DEST_PATH_IMAGE025
表示电离层二阶项误差、对流层模型误差和轨道误差及噪声等综合影响，接着把
Figure 498421DEST_PATH_IMAGE026
移到等式的左边得：
Figure 821080DEST_PATH_IMAGE027
式中，
Figure 105299DEST_PATH_IMAGE028
表示双差电离层误差，与传播的频率有关，为误差的色散部分，
Figure 813492DEST_PATH_IMAGE025
含有电离层高阶项的影响较小，认为该项与载波频率没有关系，为非色散部分。
设
Figure 736185DEST_PATH_IMAGE029
，则新的综合误差影响为：
Figure 123304DEST_PATH_IMAGE030
Figure 774997DEST_PATH_IMAGE031
再将误差分解为：
Figure 23182DEST_PATH_IMAGE032
S224、根据综合误差内插方法，得到待定位车辆处不同频率载波相位的电离层；
即
Figure 476029DEST_PATH_IMAGE034
对应的L2和宽相观测值的电离层改正相应为：
Figure 117488DEST_PATH_IMAGE035
Figure 681193DEST_PATH_IMAGE036
式中，f1和f2为载波L1和L2的频率。
S225、计算除电离层外的残余误差影响，并确定待定位车辆各个频率上的误差更改数。
除电离层外的残余误差影响为：
Figure 586482DEST_PATH_IMAGE038
每个待定位车辆的各个频率上误差改正数为：
Figure 679072DEST_PATH_IMAGE039
Figure 401303DEST_PATH_IMAGE040
Figure DEST_PATH_IMAGE041
其中，所述综合误差包括对流层误差，电离层的一阶项误差，二阶以上电离层误差、对流层模型残差及轨道误差。
路况监测模块3，用于监测公路路面健康状况；
所述路况监测模块3包括振动加速度传感器、数据采集单元及路况分析单元；
其中，通过所述振动加速度传感器检测移动车辆行驶过程中的振动加速度，利用振动指标公式计算得到振动强度指标，并通过所述振动强度指标的结果判断所行驶道路路面的路况；
且所述振动公式为：
Figure 768699DEST_PATH_IMAGE013
式中，A表示加速度有效值并作为振动强度指标；
Figure 899466DEST_PATH_IMAGE014
表示加速度时程；
T表示加速度持续时间。
辅助驾驶模块4，用于结合车辆定位及路况进行辅助驾驶；
导航规划模块5，用于提供实时交通路径规划与导航；
用户操作终端6，用于提供用户操作与反馈界面；
固定基准站7，用于接收与发射信号，精确计算车辆坐标位置。
此外，所述移动定位模块2、所述路况监测模块3、所述辅助驾驶模块4、所述导航规划模块5及所述用户操作终端6均集中与车辆内部，车辆与所述固定基准站7及交通监管中心1之间的数据传输格式包括RTCM、自定义格式及其他标准格式，所述移动定位模块2采用北斗、GPS及Galileo中的至少一种。
根据本发明的另一个实施例，如图2所示，还提供了基于RTK的公路交通智能精确定位方法，该方法包括以下步骤：
S1、待定位车辆根据自身坐标位置选取最近的三个固定基准站7，接收并互相传输卫星信号，构建精确定位模型；
S2、所述精确定位模型采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，并通过综合误差内插方法计算车辆的定位误差，根据得到的误差更改数实现车辆的厘米级定位；
S3、车辆通过路况监测模块3实时获取与分析路况信息数据；
S4、车辆定位信息及路况信息上传至交通监管中心1，构建显示实时车流量信息的交通路网，并实时计算交通路网中车流密集点；
S5、通过统计若干车辆的路况信息，在超过预设阈值后通过定位信息确定该区域路段，并对该路段进行标记。
综上所述，借助于本发明的上述技术方案，通过将部分模糊度固定技术引入RTK定位算法，在LAMBDA算法失效时按照预设的原则剔除部分待固定模糊度，再对剩余模糊度进行固定，从而能够有效地提高RTK算法的定位精度，即保证车辆行驶状态下的定位精确性，且提升差分导航系统的稳定性与准确性；同时，本发明还考虑了固定基准站位置、空气环境变化导致的大气参数等不同因素带来的对流层影响，将误差分为两种类型，即与频率相关和与频率无关，通过两者之间简单的转换关系便能够计算出所有频率的误差改正数，从而提高数据在应用与传输方面的便携性。
此外，在获取车辆精确定位信息后，通过交通监管中心的实时监测，配合GIS地理数据平台，能够形成直观、精确与及时的交通分析与管控网络，从而形成高智能化车辆定位与交通监管体系，进而提高公路交通的安全性与管理效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于RTK的公路交通智能精确定位系统，其特征在于，包括以下模块组成：
交通监管中心，用于实现公路交通的协同管理与联动作业；
移动定位模块，用于实现移动车辆的精确定位；
路况监测模块，用于监测公路路面健康状况；
辅助驾驶模块，用于结合车辆定位及路况进行辅助驾驶；
导航规划模块，用于提供实时交通路径规划与导航；
用户操作终端，用于提供用户操作与反馈界面；
固定基准站，用于接收与发射信号，精确计算车辆坐标位置；所述交通监管中心包括GIS数据库、交通路网单元、区域管理单元、综合调度单元及位置管理中心；
其中，所述GIS数据库用于提供城市地理与路网数据并作为交通路网搭建的平台；
所述交通路网单元为拓扑结构网络，并将道路链接点设定为交通节点，将路段设定为拓扑结构的边要素；
所述区域管理单元通过所述交通节点为端点将所述交通路网划分为多个路网子区域，并结合车辆位置信息确定区域内车流量实时计算并定位交通密集位置；
所述综合调度单元通过交通密集位置及其变化率分析交通路况信息，进行智能化人员调度与交通管理；所述区域管理单元将空间区域简化为空间单元质心为节点的分布网络，并选取空间单元质心的交通属性进行分析，采用加权平均值的方法提取区域单元的车辆质心，来表达所述交通路网的交通密集位置，表达式为：
Figure 618208DEST_PATH_IMAGE001
Figure 559619DEST_PATH_IMAGE002
式中，Wi表示第i个路网子区域内的车流量；
Xi与Yi表示第i个路网子区域的空间坐标；
XG与YG表示空间单元的质心坐标，即交通密集位置的坐标；所述移动定位模块包括RTK定位单元、综合误差分析单元以及精确定位单元，实现车辆的精确定位功能；
其中，所述RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差，所述精确定位单元通过综合车辆的定位与误差实现待定位车辆厘米级的精确定位。
2.根据权利要求1所述的基于RTK的公路交通智能精确定位系统，其特征在于，所述RTK定位单元采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位的原理包括以下步骤：
S211、利用卡尔曼滤波器递推算法，计算每个历元的位置坐标与所有单差整周模糊度的浮点解；
S212、将所述单差整周模糊度浮点解转化为双差整周模糊度浮点解；
S213、利用LAMBDA算法固定双差整周模糊度，若Ratio值大于等于3，则利用位置坐标修正公式修正位置坐标浮点解，输出位置坐标固定解，并结束历元定位；否则，继续步骤S214；
S214、删除步骤S213中待固定模糊度集合中具有最大方差值的模糊度，若剩余待固定模糊度个数不小于待定位车辆在地心地固坐标系下的坐标向量与速度向量维数之和，则返回步骤S213；否则输出位置坐标浮点解，并结束历元定位。
3.根据权利要求2所述的基于RTK的公路交通智能精确定位系统，其特征在于，所述位置坐标修正公式为：
Figure 141910DEST_PATH_IMAGE003
式中，
Figure 535982DEST_PATH_IMAGE004
表示待定位车辆的双差整周模糊度浮点解；
Figure 743979DEST_PATH_IMAGE005
表示卫星信号的双差整周模糊度浮点解的滤波值；
Figure 539896DEST_PATH_IMAGE006
表示卫星信号的双差整周模糊度浮点解；
Figure 558668DEST_PATH_IMAGE007
表示待定位车辆的速度向量精确值；
Figure 440036DEST_PATH_IMAGE008
表示待定位车辆的速度向量预测值；
Figure 936877DEST_PATH_IMAGE009
表示待定位车辆的坐标向量；
k表示卫星编号；
Figure 836568DEST_PATH_IMAGE010
作为角标该数据为卫星k的预测值；
r表示待定位车辆；
Figure 26241DEST_PATH_IMAGE011
表示融合测量噪声协方差矩阵的过程噪声协方差矩阵；
Figure 394906DEST_PATH_IMAGE012
表示过程噪声协方差矩阵。
4.根据权利要求3所述的基于RTK的公路交通智能精确定位系统，其特征在于，所述综合误差分析单元利用综合误差内插方法计算车辆的定位误差的原理包括以下步骤：
S221、将移动车辆以及其周围最近的三个所述固定基准站，构建区域性电离层模型及对流层模型；
S222、在所述双差整周模糊度确定后，利用双频观测值求精度双差电离层延迟，并精确至厘米级；
S223、计算所述固定基准站的综合误差影响，并进行分解；
S224、根据综合误差内插方法，得到待定位车辆处不同频率载波相位的电离层；
S225、计算除电离层外的残余误差影响，并确定待定位车辆各个频率上的误差更改数。
5.根据权利要求4所述的基于RTK的公路交通智能精确定位系统，其特征在于，所述综合误差包括对流层误差，电离层的一阶项误差，二阶以上电离层误差、对流层模型残差及轨道误差。
6.根据权利要求1所述的基于RTK的公路交通智能精确定位系统，其特征在于，所述路况监测模块包括振动加速度传感器、数据采集单元及路况分析单元；
其中，通过所述振动加速度传感器检测移动车辆行驶过程中的振动加速度，利用振动指标公式计算得到振动强度指标，并通过所述振动强度指标的结果判断所行驶道路路面的路况；
且所述振动的公式为：
Figure 695437DEST_PATH_IMAGE013
式中，A表示加速度有效值并作为振动强度指标；
Figure 200368DEST_PATH_IMAGE014
表示加速度时程；
T表示加速度持续时间。
7.实施权利要求1所述的基于RTK的公路交通智能精确定位系统的方法，其特征在于，该方法包括以下步骤：
S1、待定位车辆根据自身坐标位置选取最近的三个固定基准站，接收并互相传输卫星信号，构建精确定位模型；
S2、所述精确定位模型采用部分模糊度固定技术改进的RTK定位算法实现车辆的定位，并通过综合误差内插方法计算车辆的定位误差，根据得到的误差更改数实现车辆的厘米级定位；
S3、车辆通过路况监测模块实时获取与分析路况信息数据；
S4、车辆定位信息及路况信息上传至交通监管中心，构建显示实时车流量信息的交通路网，并实时计算交通路网中车流密集点；
S5、通过统计若干车辆的路况信息，在超过预设阈值后通过定位信息确定相应的区域路段，并对该路段进行标记。
CN202211011620.6A 2022-08-23 2022-08-23 基于rtk的公路交通智能精确定位系统和方法 Active CN115079238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211011620.6A CN115079238B (zh) 2022-08-23 2022-08-23 基于rtk的公路交通智能精确定位系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211011620.6A CN115079238B (zh) 2022-08-23 2022-08-23 基于rtk的公路交通智能精确定位系统和方法

Publications (2)

Publication Number Publication Date
CN115079238A true CN115079238A (zh) 2022-09-20
CN115079238B CN115079238B (zh) 2023-10-03

Family

ID=83244353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211011620.6A Active CN115079238B (zh) 2022-08-23 2022-08-23 基于rtk的公路交通智能精确定位系统和方法

Country Status (1)

Country Link
CN (1) CN115079238B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115639583A (zh) * 2022-12-21 2023-01-24 深圳华大北斗科技股份有限公司 基于Android系统的高精度定位装置
CN116736352A (zh) * 2023-08-01 2023-09-12 深圳市中车智联科技有限公司 一种基于北斗差分定位的移动交通设备追踪系统及方法

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009109465A (ja) * 2007-11-01 2009-05-21 Clarion Co Ltd ナビゲーション装置、基地局、渋滞情報処理システム、その制御方法及び制御プログラム、渋滞情報処理方法
US20090309966A1 (en) * 2008-06-16 2009-12-17 Chao-Ho Chen Method of detecting moving objects
CN101739836A (zh) * 2009-12-18 2010-06-16 吉林大学 大规模路网下中心式实时动态交通诱导路径优化方法
JP2010237795A (ja) * 2009-03-30 2010-10-21 Denso Corp 交通情報配信システム
CN102095427A (zh) * 2010-12-09 2011-06-15 深圳市凯立德欣软件技术有限公司 一种导航方法及装置
CN103489316A (zh) * 2013-09-10 2014-01-01 同济大学 一种基于路网拓扑关系的网络交通流量检测器布设方法
CN104138661A (zh) * 2014-03-27 2014-11-12 北京太阳光影影视科技有限公司 一种巨型幕多人射击互动景物定位方法
CN106772478A (zh) * 2016-11-11 2017-05-31 哈尔滨工程大学 一种基于历元‑星间差分约束的定位方法
CN107710017A (zh) * 2015-06-29 2018-02-16 迪尔公司 用于在实时运动模式和相对定位模式之间切换的卫星导航接收器及方法
WO2018122807A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于舒适度的自动驾驶车速控制方法
CN108447291A (zh) * 2018-04-03 2018-08-24 南京锦和佳鑫信息科技有限公司 一种智能道路设施系统及控制方法
CN108845340A (zh) * 2018-06-01 2018-11-20 浙江亚特电器有限公司 基于gnss-rtk的定位方法
CN108873905A (zh) * 2018-07-09 2018-11-23 深圳市易成自动驾驶技术有限公司 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
CN109118777A (zh) * 2018-10-12 2019-01-01 鄂尔多斯市普渡科技有限公司 一种基于无人驾驶的路况监测车以及监测方法
CN109269529A (zh) * 2018-11-30 2019-01-25 徐州市产品质量监督检验中心 一种智能工程机器人导航定位精度检测方法
CN208559321U (zh) * 2018-02-01 2019-03-01 成都华远科技有限公司 一种驾驶员辅助行车系统
CN110517514A (zh) * 2019-08-23 2019-11-29 深圳成谷科技有限公司 一种车流量的管控方法、装置和设备
CN111667688A (zh) * 2020-05-06 2020-09-15 北京科技大学 一种基于路面振动信号的综合交通信息解析方法及系统
AU2020101943A4 (en) * 2020-08-22 2020-10-01 Guizhou Minzu University A Robust Method for Distributed Traffic Subarea Division
CN111833632A (zh) * 2020-07-03 2020-10-27 重庆蓝岸通讯技术有限公司 基于导航定位的拥堵点拥堵车道精准定位提示方法
CN111862659A (zh) * 2020-06-30 2020-10-30 中冶智诚(武汉)工程技术有限公司 一种gps轨迹数据匹配和补全的方法
CN114005275A (zh) * 2021-10-25 2022-02-01 浙江交投高速公路运营管理有限公司 一种基于多数据源融合的高速公路车辆拥堵判别方法
WO2022099643A1 (zh) * 2020-11-13 2022-05-19 金序能 一种缓解交通拥堵的方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009109465A (ja) * 2007-11-01 2009-05-21 Clarion Co Ltd ナビゲーション装置、基地局、渋滞情報処理システム、その制御方法及び制御プログラム、渋滞情報処理方法
US20090309966A1 (en) * 2008-06-16 2009-12-17 Chao-Ho Chen Method of detecting moving objects
JP2010237795A (ja) * 2009-03-30 2010-10-21 Denso Corp 交通情報配信システム
CN101739836A (zh) * 2009-12-18 2010-06-16 吉林大学 大规模路网下中心式实时动态交通诱导路径优化方法
CN102095427A (zh) * 2010-12-09 2011-06-15 深圳市凯立德欣软件技术有限公司 一种导航方法及装置
CN103489316A (zh) * 2013-09-10 2014-01-01 同济大学 一种基于路网拓扑关系的网络交通流量检测器布设方法
CN104138661A (zh) * 2014-03-27 2014-11-12 北京太阳光影影视科技有限公司 一种巨型幕多人射击互动景物定位方法
CN107710017A (zh) * 2015-06-29 2018-02-16 迪尔公司 用于在实时运动模式和相对定位模式之间切换的卫星导航接收器及方法
CN106772478A (zh) * 2016-11-11 2017-05-31 哈尔滨工程大学 一种基于历元‑星间差分约束的定位方法
WO2018122807A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于舒适度的自动驾驶车速控制方法
CN208559321U (zh) * 2018-02-01 2019-03-01 成都华远科技有限公司 一种驾驶员辅助行车系统
CN108447291A (zh) * 2018-04-03 2018-08-24 南京锦和佳鑫信息科技有限公司 一种智能道路设施系统及控制方法
CN108845340A (zh) * 2018-06-01 2018-11-20 浙江亚特电器有限公司 基于gnss-rtk的定位方法
CN108873905A (zh) * 2018-07-09 2018-11-23 深圳市易成自动驾驶技术有限公司 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
CN109118777A (zh) * 2018-10-12 2019-01-01 鄂尔多斯市普渡科技有限公司 一种基于无人驾驶的路况监测车以及监测方法
CN109269529A (zh) * 2018-11-30 2019-01-25 徐州市产品质量监督检验中心 一种智能工程机器人导航定位精度检测方法
CN110517514A (zh) * 2019-08-23 2019-11-29 深圳成谷科技有限公司 一种车流量的管控方法、装置和设备
CN111667688A (zh) * 2020-05-06 2020-09-15 北京科技大学 一种基于路面振动信号的综合交通信息解析方法及系统
CN111862659A (zh) * 2020-06-30 2020-10-30 中冶智诚(武汉)工程技术有限公司 一种gps轨迹数据匹配和补全的方法
CN111833632A (zh) * 2020-07-03 2020-10-27 重庆蓝岸通讯技术有限公司 基于导航定位的拥堵点拥堵车道精准定位提示方法
AU2020101943A4 (en) * 2020-08-22 2020-10-01 Guizhou Minzu University A Robust Method for Distributed Traffic Subarea Division
WO2022099643A1 (zh) * 2020-11-13 2022-05-19 金序能 一种缓解交通拥堵的方法
CN114005275A (zh) * 2021-10-25 2022-02-01 浙江交投高速公路运营管理有限公司 一种基于多数据源融合的高速公路车辆拥堵判别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
唐卫明 等: "一种GNSS 网络RTK 改进的综合误差内插方法", 《武汉大学学报•信息科学版》 *
唐卫明 等: "一种GNSS 网络RTK 改进的综合误差内插方法", 《武汉大学学报•信息科学版》, vol. 32, no. 12, 31 December 2007 (2007-12-31), pages 1156 - 1159 *
张楠 等: "《高速铁路车桥耦合动力学》", 31 December 2018, pages: 84 - 87 *
范晓曼: "整体GNSS RTK模型及方法研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
范晓曼: "整体GNSS RTK模型及方法研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 6, 15 June 2022 (2022-06-15), pages 008 - 148 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115639583A (zh) * 2022-12-21 2023-01-24 深圳华大北斗科技股份有限公司 基于Android系统的高精度定位装置
CN116736352A (zh) * 2023-08-01 2023-09-12 深圳市中车智联科技有限公司 一种基于北斗差分定位的移动交通设备追踪系统及方法
CN116736352B (zh) * 2023-08-01 2023-12-26 深圳市中车智联科技有限公司 一种基于北斗差分定位的移动交通设备追踪系统及方法

Also Published As

Publication number Publication date
CN115079238B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
Quddus et al. Current map-matching algorithms for transport applications: State-of-the art and future research directions
CN115079238B (zh) 基于rtk的公路交通智能精确定位系统和方法
US6128501A (en) Mobile position determination with error correction utilizing cellular networks
CN101802643B (zh) 对卫星辅助定位系统的基于网络的校正进行精确度估计的方法
CN103176188B (zh) 一种区域地基增强ppp-rtk模糊度单历元固定方法
CN100578254C (zh) 完整的校正策略
CN101535833B (zh) 移动体定位装置
CN107710017A (zh) 用于在实时运动模式和相对定位模式之间切换的卫星导航接收器及方法
Li et al. Accuracy and reliability of map-matched GPS coordinates: The dependence on terrain model resolution and interpolation algorithm
CN103529461A (zh) 一种基于强跟踪滤波和埃尔米特插值法的接收机快速定位方法
CN101408434B (zh) 移动终端零位漂移双模定位和单模定位方法
RU2633093C1 (ru) Способ и система повышения точности определения местоположения пользователей глобальных спутниковых навигационных систем с использованием цифровой разметки участков улично-дорожной сети
US20230184956A1 (en) System and method for correcting satellite observations
Wei et al. VRS virtual observations generation algorithm
Ashkenazi et al. Wide‐Area Differential GPS: A Performance Study
CN115902968A (zh) 基于北斗三号geo播发增强信息的ppp终端定位方法
CN117075160A (zh) 预测城市环境道路上的gnss定位质量的方法和系统
Varbla et al. Assessment of marine geoid models by ship-borne GNSS profiles
Jiang et al. An analysis of PPP-GPS-based decentralized train multi-sensor navigation system
CN114174870A (zh) 用于确定描述至少一个特定于环境的gnss曲线的模型的方法
Schwarzbach et al. Cooperative Positioning for Urban Environments based on GNSS and IEEE 802.11 p
Gu et al. Improved short-term stability for real-time GNSS satellite clock estimation with clock model
Le Achieving decimetre accuracy with single frequency standalone GPS positioning
El-Mowafy et al. Reliable positioning and journey planning for intelligent transport systems
Kashani et al. The double difference effect of ionospheric correction latency on instantaneous ambiguity resolution in long-range RTK

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
GR01 Patent grant
GR01 Patent grant