CN115326066A - 一种高速列车高精度定位方法及系统 - Google Patents

一种高速列车高精度定位方法及系统 Download PDF

Info

Publication number
CN115326066A
CN115326066A CN202210978775.0A CN202210978775A CN115326066A CN 115326066 A CN115326066 A CN 115326066A CN 202210978775 A CN202210978775 A CN 202210978775A CN 115326066 A CN115326066 A CN 115326066A
Authority
CN
China
Prior art keywords
positioning
navigation system
individual
inertial navigation
error
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
Application number
CN202210978775.0A
Other languages
English (en)
Inventor
杨辉
董帅强
谢春华
李智宇
江明
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.)
East China Jiaotong University
CRSC Research and Design Institute Group Co Ltd
Original Assignee
East China Jiaotong University
CRSC Research and Design Institute Group 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 East China Jiaotong University, CRSC Research and Design Institute Group Co Ltd filed Critical East China Jiaotong University
Priority to CN202210978775.0A priority Critical patent/CN115326066A/zh
Priority to US18/053,121 priority patent/US20240061130A1/en
Publication of CN115326066A publication Critical patent/CN115326066A/zh
Pending legal-status Critical Current

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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • G01S19/50—Determining position whereby the position solution is constrained to lie upon a particular curve or surface, e.g. for locomotives on railway tracks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及一种高速列车高精度定位方法及系统，属于高速列车定位技术领域。先建立多目标优化模型，目标函数为北斗卫星导航系统的定位误差函数、惯性导航系统的距离误差函数、方向误差函数的加权函数，约束条件包括北斗卫星导航系统的定位误差约束、惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。再以北斗卫星导航系统的第一定位数据和惯性导航系统的第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到高速列车的最佳定位数据，基于北斗卫星导航系统、惯性导航系统和电子地图相融合的定位策略，提高了高速列车定位的可靠性，实现了高速列车的高精度定位。

Description

一种高速列车高精度定位方法及系统
技术领域
本发明涉及高速列车定位技术领域，特别是涉及一种基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车高精度定位方法及系统。
背景技术
铁路运输业是我国国民经济的支柱产业之一，随着铁路运输的高速发展，如何提高运输效率、减少运营和维护成本、保障运输过程安全成为铁路运输关注的新问题。实现列车的连续自主定位，从而建立更加先进完善的列车运行智能控制系统，是解决这一问题的有效途径。同时，列车的连续自主定位，也是打造安全、便捷、高效、经济、绿色铁路运输网络的前提。
近年来关于列车定位的主要研究可以分为：多传感器信息融合、无线传感器网络、启发式算法和电子地图匹配这四个方面。多传感器信息融合是通过将各传感器所测量信息依据某种准则进行合理的组合，得到高速列车位置的定位方法；无线传感器网络是一种分布式传感网络，由分布在铁路沿线的传感器或移动基站和列车上的接收设备组成，其定位方法主要分为四种：信号强度定位法、方向测量定位法、到达时间定位法以及到达时差定位法；启发式算法主要用来对多传感器信息融合和无线传感器网络问题进行求解，其中最具代表性的是模糊控制理论、遗传算法和人工神经网络；电子地图匹配是一种通过将其他定位系统的定位结果与电子轨道地图进行匹配，从而消除铁路轨道的纵向误差，以实现更精确定位的辅助定位方法。
目前关于高速列车融合定位方法的研究，主要针对各导航系统和传感器网络之间的融合定位，但现有方法的定位精度有限，无法完成列车的高精度定位。电子地图匹配可以提高定位精度，但信息传输耗费大量时间，故鲜有研究将电子地图匹配用于融合定位过程，并未实现结合地图信息的高精度定位。
基于此，亟需一种基于电子地图的高速列车高精度定位技术。
发明内容
本发明的目的是提供一种高速列车高精度定位方法及系统，将北斗卫星导航系统、惯性导航系统和电子地图相融合，并采用改进的微分进化算法进行求解，提高了高速列车定位的可靠性，实现了高速列车的高精度定位。
为实现上述目的，本发明提供了如下方案：
一种高速列车高精度定位方法，所述定位方法包括：
获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
一种高速列车高精度定位系统，所述定位系统包括：
定位数据获取模块，用于获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
优化模块，用于以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明用于提供一种高速列车高精度定位方法及系统，先建立多目标优化模型，其包括目标函数和约束条件，目标函数为北斗卫星导航系统的定位误差函数、惯性导航系统的距离误差函数以及惯性导航系统的方向误差函数的加权函数，约束条件包括北斗卫星导航系统的定位误差约束、惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束，将电子地图信息以轨道约束的形式加入高速列车定位过程。再获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对高速列车进行定位得到的第二定位数据，以第一定位数据和第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到高速列车的最佳定位数据，将北斗卫星导航系统、惯性导航系统和电子地图相融合，并采用改进的微分进化算法进行求解，提高了高速列车定位的可靠性，实现了高速列车的高精度定位。
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为本发明实施例1所提供的定位方法的方法流程图；
图2为本发明实施例1所提供的定位方法的原理框图；
图3为本发明实施例1所提供的改进的微分进化算法的变异操作的示意图；
图4为本发明实施例1所提供的改进的微分进化算法的求解流程图；
图5为本发明实施例1所提供的仿真实验定位前后位置对比图；
图6为本发明实施例1所提供的仿真实验定位前后误差对比图；
图7为本发明实施例2所提供的定位系统的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例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。
本发明的目的是提供一种高速列车高精度定位方法及系统，将北斗卫星导航系统、惯性导航系统和电子地图相融合，并采用改进的微分进化算法进行求解，提高了高速列车定位的可靠性，实现了高速列车的高精度定位。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1：
本实施例用于提供一种高速列车高精度定位方法，如图1和图2所示，所述定位方法包括：
S1：获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
S2：以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
本实施例通过将定位误差、方向误差和距离误差加权组成目标函数，将定位的误差范围和电子地图的轨道方程转化为约束条件，以将北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位问题转化为多目标优化问题，建立多目标优化模型，并采用改进的微分进化算法对多目标优化模型进行求解，以得到高速列车的最佳定位数据。
具体的，本实施例的多目标优化模型包括目标函数和约束条件。
其中，根据对列车定位系统的分析，设计列车定位所需的目标函数，目标函数的建立过程为：
(1)由北斗卫星导航系统的定位误差得到适应度函数f1，f1即为北斗卫星导航系统的定位误差函数，为个体坐标到北斗卫星导航系统参考坐标的距离，如下：
f1＝||pp(i,t)-sp(t)||；
其中，pp(i,t)为当前定位t(指当前定位为第t次定位)的第i个个体；sp(t)为当前定位t的第一定位数据，由北斗卫星导航系统定位得到；||pp(i,t)-sp(t)||代表当前定位t生成的第i个个体与北斗卫星导航系统得到的第一定位数据的模长。需要说明的是，本实施例的定位数据是指高速列车的位置坐标。
(2)由惯性导航系统的距离误差得到适应度函数f2，f2即为惯性导航系统的距离误差函数，为个体坐标到惯性导航系统参考坐标的距离，如下：
f2＝||pp(i,t)-s(t)||；
其中，s(t)为当前定位t的第二定位数据，由惯性导航系统定位得到；||pp(i,t)-s(t)||代表当前定位t生成的第i个个体与惯性导航系统得到的第二定位数据的模长。
(3)由惯性导航系统的方向误差得到适应度函数f3，f3即为惯性导航系统的方向误差函数，为个体坐标对应的方向误差值，如下：
Figure BDA0003799466100000051
其中，φpp(i,t)s(t-1)为当前定位t的第i个个体与上次定位t-1得到的最佳定位数据之间的方位变化值；φt为惯性导航系统在当前定位t测得的方位变化值。
需要说明的是，Xpp(i,t)、Ypp(i,t)、Zpp(i,t)即为当前定位t的第i个个体的三维位置坐标；Xs(t-1)、Ys(t-1)、Zs(t-1)即为上次定位t-1得到的最佳定位数据的三维位置坐标。
(4)采用最大误差的倒数对相应的适应度函数进行加权，将多目标优化问题转化为单目标优化问题。由于北斗卫星导航系统为绝对定位，误差值与时间无关，而惯性导航系统的误差值与时间有关，故北斗卫星导航系统的加权系数采用最大误差的倒数，惯性导航系统的加权系数采用当前定位之前出现过的最大误差的倒数，则加权后的目标函数为：
Figure BDA0003799466100000052
其中，F(t)为当前定位t的目标函数；
Figure BDA0003799466100000053
为北斗卫星导航系统的最大误差范围值(本实施例可将其设为15m)；f1为北斗卫星导航系统的定位误差函数；max(e1)为惯性导航系统在当前定位t之前出现过的最大距离误差值；f2为惯性导航系统的距离误差函数；max(e2)为惯性导航系统在当前定位t之前出现过的最大方向误差值；f3为惯性导航系统的方向误差函数；
本实施例根据电子地图及高速列车定位要求建立约束方程，得到高速列车定位的多目标优化问题的约束条件，即多目标优化模型的约束条件包括：
(1)由北斗卫星导航系统定位误差所得约束不等式，即北斗卫星导航系统的定位误差约束为：
Figure BDA0003799466100000061
(2)由惯性导航系统距离误差所得约束不等式，即惯性导航系统的距离误差约束为：
Figure BDA0003799466100000062
其中，
Figure BDA0003799466100000063
为惯性导航系统允许的最大距离误差值。
(3)由惯性导航系统方向误差所得约束不等式，即惯性导航系统的方向误差约束为：
Figure BDA0003799466100000064
其中，|φpp(i,t)s(t-1)-φt|代表方向误差的绝对值，
Figure BDA0003799466100000065
为惯性导航系统允许的最大方向误差值。
(4)由高速铁路轨道方程(基于电子地图得到)所得约束不等式，即电子地图的定位误差约束为：
Figure BDA0003799466100000066
其中，y、z为通过电子地图对高速列车进行定位得到的第三定位数据中的实际坐标，第三定位数据即为电子地图上显示的高速列车的位置；f1(x)、f2(x)分别为根据电子地图的点位数据所拟合得到的在WGS84坐标系中的y、z关于x的曲线函数对高速列车进行定位得到的拟合坐标，从而将电子地图信息以轨道约束的形式加入高速列车定位过程，以此来节省地图匹配定位所需数据传输的时间，既利用电子地图信息精确了定位结果又省去了数据传输时间。y、z、f1(x)、f2(x)均是指WGS84坐标系下的坐标，x为经度，y为纬度，z为高程。现行高速铁路线轨距为1.435m，因此将平面误差设置为±0.7m，高程误差设为±0.2m。
需要说明的是，在开始定位之前，本实施例会对两个站点之间的高速列车轨道电子地图点位数据分直线、圆曲线和过渡曲线拟合，得到可以合理描述两个站点之间的高速列车轨道特征的轨道方程，在当前定位时，会根据第一定位数据和第二定位数据选择相应的轨道方程，即得到f1(x)、f2(x)。
优选的，在获取北斗卫星导航系统的第一定位数据，惯性导航系统的第二定位数据，高速列车运行轨道的电子地图的第三定位数据后，本实施例会进行数据预处理，具体如下：进行坐标投影变换，将第一定位数据、第二定位数据和第三定位数据统一到同一地图坐标系，本实施例中可为WGS84坐标系；使用基于密度的含噪声应用空间聚类(DBSCAN)方法进行数据筛选以剔除无效数据，具体操作为：对于第一定位数据，若异常，则删除数据，对于第二定位数据和第三定位数据，若异常，则删除数据并进行拟合插值处理。
本实施例在设计基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位问题的求解算法时，根据高速列车定位要求对算法进行改进，具体借鉴灰狼算法思想对微分进化算法的变异操作做出改进，即本实施例的改进的微分进化算法由对微分进化算法的变异操作进行改进所得到，改进的微分进化算法的变异操作为：
(1)将当前代种群中的个体按照目标函数值进行降序排列，并选取前三个个体作为最优个体；
(2)在当前代种群中除最优个体外的其他个体中随机选取三个个体，根据三个个体重构得到一个新个体；
根据三个个体重构得到一个新个体是指由其中一个个体和另外两个个体的差向量组成一个新个体，具体的，根据三个个体重构得到一个新个体可以包括：在三个个体中随机选取一个个体作为原个体；计算三个个体中除原个体外的其余两个个体之间的第一差值，并计算第一差值与第一变异因子的乘积，得到第一变化量；计算原个体与第一变化量的和值，重构得到一个新个体。
(3)根据新个体和最优个体生成下一代种群中的一个个体；
根据新个体和最优个体生成下一代种群中的一个个体是指令新个体分别加上原个体与每个最优个体之间的差向量后生成下一代种群中的一个个体。具体的，根据新个体和最优个体生成下一代种群中的一个个体可以包括：将最优个体分别记为第一个体、第二个体和第三个体；计算第一个体与原个体的第二差值，并计算第二差值与第二变异因子的乘积，得到第二变化量；计算第二个体与原个体的第三差值，并计算第三差值与第三变异因子的乘积，得到第三变化量；计算第三个体与原个体的第四差值，并计算第四差值与第四变异因子的乘积，得到第四变化量；计算新个体、第二变化量、第三变化量和第四变化量的和值，得到下一代种群中的一个个体。
(4)判断下一代种群中的个体个数是否等于当前代种群中的个体个数；若是，则完成变异操作；若否，则返回“在当前代种群中除最优个体外的其他个体中随机选取三个个体”的步骤。
如图3所示，上述变异操作中包括如下公式：
Figure BDA0003799466100000081
其中，
Figure BDA0003799466100000082
为第g代种群中的第i个个体，该个体为d维向量，在本实施例中，由于定位数据是3维坐标，故d为3；
Figure BDA0003799466100000083
为变异操作时产生的新个体；
Figure BDA0003799466100000084
为从第g代种群中随机选取的三个个体，p1≠p2≠p3且三个个体不是最优个体，
Figure BDA0003799466100000085
为原个体；
Figure BDA0003799466100000086
为第g+1代种群中的第i个个体；
Figure BDA0003799466100000087
为第g代种群中的最优个体；F1、F2、F3、F4分别为第一变异因子、第二变异因子、第三变异因子和第四变异因子，且F1可由rand(0，0.5)得到，F2、F3、F4可由rand(0，0.25)得到。
本实施例对微分进化算法的变异操作进行改进，既加快了算法的求解速度，又能避免算法陷入局部最优，提高了算法的性能和高速列车定位的实时性。
结合上述变异操作，如图4所示，利用改进的微分进化算法求解基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位问题所转化来的多目标优化模型，以得到高速列车的定位结果，即利用改进的微分进化算法进行求解可以包括：
(1)对电子地图的点位数据进行筛选以剔除无效地图数据，插值后按照站点对其进行分段拟合以建立轨道方程；获取北斗卫星导航系统的第一定位数据和惯性导航系统的第二定位数据，筛选剔除无效数据后，根据第一定位数据和第二定位数据在分段拟合得到的轨道方程中选择合适的轨道方程；对第一定位数据进行坐标投影变换，将其与第二定位数据、第三定位数据统一到同一坐标系中；然后将第一定位数据、第二定位数据、第三定位数据和合适的轨道方程都代入多目标优化模型中，此时多目标优化模型中只有个体是未知量。
设置种群规模N、最大迭代次数gmax、交叉因子和变异因子F1、F2、F3、F4。
(2)根据第二定位数据随机生成初始种群；
具体的，通过利用第二定位数据加上误差范围内的随机值的方式生成初始种群，以完成种群的初始化。
种群初始化所用的公式为：
pp(i,t)＝s(t)+(r-0.5)*max(e1)；
其中，pp(i,t)为三维坐标向量，代表随机生成的第i个初始个体；s(t)为三维坐标向量，代表惯性导航系统的第二定位数据；r代表在(0，1)之间随机生成的1*3的向量。
利用上述公式随机生成N个个体后，得到初始种群。在生成个体的过程中，需要注意所生成的个体要满足约束条件。
(3)计算初始种群中每一个个体的目标函数值，根据目标函数值对初始种群依次进行变异操作、交叉操作和选择操作，得到新种群；
在生成新种群的过程中，需要注意所生成的个体要满足约束条件。
(4)判断是否达到最大迭代次数；若是，即当前迭代次数g＞gmax时，则结束迭代，选取新种群中目标函数值最大的个体作为最佳个体，该最佳个体即为最佳定位数据，也为最终的匹配定位结果输出；若否，则继续迭代，以新种群作为下一次迭代中的初始种群，返回“计算初始种群中每一个个体的目标函数值”的步骤。
优选的，在得到高速列车的最佳定位数据后，本实施例的定位方法还包括：根据最佳定位数据对北斗卫星导航系统和惯性导航系统进行参数修正，利用修正后的北斗卫星导航系统和修正后的惯性导航系统进行下一次定位。具体的，将改进的微分进化算法求出的最佳定位数据反馈给惯性导航系统和北斗卫星导航系统，对于惯性导航系统，对惯性导航系统测得的位置，速度和加速度进行更新修正，在下一次定位时，在最佳定位数据的基础上进行定位；对于卫星定位系统，利用最佳定位数据的经纬度与第一定位数据的经纬度进行做差，得到偏移量，在下一次定位时，利用该偏移量对北斗卫星导航系统的定位结果进行一定的偏移处理，以减小下一次定位时两个导航系统提供的定位结果的误差。
本实施例可以预设相邻两次定位之间的时间间隔，以确定下一次定位的时间点，也可以根据需求自定义下一次定位的时间点，无论采用何种方式确定下一次定位的时间点，本实施例均会在高速列车的运行过程中持续进行定位，直到高速列车停止运行。
在此，本实施例提供一仿真实验例，以对本实施例的定位方法的效果进行进一步的介绍：
本实施例采用北斗开放实验室网站所提供装有车载北斗卫星导航系统的汽车测得的运动数据，基于MATLAB软件设计了基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位仿真实验。结合图5的定位前后位置对比图和图6的定位前后误差对比图，可以看出本实施例的定位方法能提高高速列车的定位精度和定位可靠性。仿真数据表明，单次定位求解平均时间为0.11s，且平均定位误差为3.649m。结果证明，本实施例所提基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位方法满足高速列车定位的要求，可切实提高列车定位精度，有利于保障高速列车安全和智能列控系统的建立。
本实施例用于提供一种基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车高精度定位方法，采用北斗卫星导航系统、惯性导航系统和电子地图相融合的定位策略，提高了高速列车定位的可靠性，实现了高速列车高精度定位。
实施例2：
本实施例用于提供一种高速列车高精度定位系统，如图7所示，所述定位系统包括：
定位数据获取模块M1，用于获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
优化模块M2，用于以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
与现有技术相比，本实施例的显著优点在于：(1)基于北斗卫星导航系统、惯性导航系统和电子地图相融合的高速列车定位策略，提高了高速列车定位的可靠性，实现了高速列车高精度定位；(2)对微分进化算法变异操作的改进，既加快了算法的求解速度，又避免算法陷入局部最优，提高了算法的性能和高速列车定位的实时性。
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种高速列车高精度定位方法，其特征在于，所述定位方法包括：
获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
2.根据权利要求1所述的定位方法，其特征在于，所述目标函数为：
Figure FDA0003799466090000011
其中，F(t)为当前定位t的目标函数；
Figure FDA0003799466090000012
为所述北斗卫星导航系统的最大误差范围值；f1为所述北斗卫星导航系统的定位误差函数；max(e1)为所述惯性导航系统在当前定位t之前出现过的最大距离误差值；f2为所述惯性导航系统的距离误差函数；max(e2)为所述惯性导航系统在当前定位t之前出现过的最大方向误差值；f3为所述惯性导航系统的方向误差函数；
f1＝||pp(i,t)-sp(t)||；
其中，pp(i,t)为当前定位t的第i个个体；sp(t)为当前定位t的第一定位数据；
f2＝||pp(i,t)-s(t)||；
其中，s(t)为当前定位t的第二定位数据；
f3＝|φpp(i,t)s(t-1)-φt|；
其中，φpp(i,t)s(t-1)为当前定位t的第i个个体与上次定位t-1得到的最佳定位数据之间的方位变化值；φt为所述惯性导航系统在当前定位t测得的方位变化值。
3.根据权利要求2所述的定位方法，其特征在于，
所述北斗卫星导航系统的定位误差约束为：
Figure FDA0003799466090000021
所述惯性导航系统的距离误差约束为：
Figure FDA0003799466090000022
其中，
Figure FDA0003799466090000023
为所述惯性导航系统允许的最大距离误差值；
所述惯性导航系统的方向误差约束为：
Figure FDA0003799466090000024
其中，
Figure FDA0003799466090000025
为所述惯性导航系统允许的最大方向误差值；
所述电子地图的定位误差约束为：
Figure FDA0003799466090000026
其中，y、z为通过所述电子地图对所述高速列车进行定位得到的第三定位数据中的实际坐标；f1(x)、f2(x)分别为根据所述电子地图的点位数据所拟合得到的曲线函数对所述高速列车进行定位得到的拟合坐标。
4.根据权利要求1所述的定位方法，其特征在于，所述改进的微分进化算法由对微分进化算法的变异操作进行改进所得到；
所述改进的微分进化算法的变异操作为：
将当前代种群中的个体按照目标函数值进行降序排列，并选取前三个个体作为最优个体；
在所述当前代种群中除所述最优个体外的其他个体中随机选取三个个体，根据所述三个个体重构得到一个新个体；
根据所述新个体和所述最优个体生成下一代种群中的一个个体；
判断所述下一代种群中的个体个数是否等于所述当前代种群中的个体个数；
若是，则完成变异操作；
若否，则返回“在所述当前代种群中除所述最优个体外的其他个体中随机选取三个个体”的步骤。
5.根据权利要求4所述的定位方法，其特征在于，所述根据所述三个个体重构得到一个新个体具体包括：
在所述三个个体中随机选取一个个体作为原个体；
计算所述三个个体中除所述原个体外的其余两个个体之间的第一差值，并计算所述第一差值与第一变异因子的乘积，得到第一变化量；
计算所述原个体与所述第一变化量的和值，重构得到一个新个体。
6.根据权利要求5所述的定位方法，其特征在于，所述根据所述新个体和所述最优个体生成下一代种群中的一个个体具体包括：
将所述最优个体分别记为第一个体、第二个体和第三个体；
计算所述第一个体与所述原个体的第二差值，并计算所述第二差值与第二变异因子的乘积，得到第二变化量；
计算所述第二个体与所述原个体的第三差值，并计算所述第三差值与第三变异因子的乘积，得到第三变化量；
计算所述第三个体与所述原个体的第四差值，并计算所述第四差值与第四变异因子的乘积，得到第四变化量；
计算所述新个体、所述第二变化量、所述第三变化量和所述第四变化量的和值，得到下一代种群中的一个个体。
7.根据权利要求4所述的定位方法，其特征在于，所述利用改进的微分进化算法进行求解具体包括：
根据所述第二定位数据随机生成初始种群；
计算所述初始种群中每一个个体的目标函数值，根据所述目标函数值对所述初始种群依次进行变异操作、交叉操作和选择操作，得到新种群；
判断是否达到最大迭代次数；
若是，则结束迭代，选取所述新种群中目标函数值最大的个体作为最佳个体；所述最佳个体即为所述最佳定位数据；
若否，则继续迭代，以所述新种群作为下一次迭代中的初始种群，返回“计算所述初始种群中每一个个体的目标函数值”的步骤。
8.根据权利要求7所述的定位方法，其特征在于，所述根据所述第二定位数据随机生成初始种群具体包括：通过利用所述第二定位数据加上误差范围内的随机值的方式生成初始种群。
9.根据权利要求1所述的定位方法，其特征在于，在得到所述高速列车的最佳定位数据后，所述定位方法还包括：根据所述最佳定位数据对所述北斗卫星导航系统和所述惯性导航系统进行参数修正，利用修正后的北斗卫星导航系统和修正后的惯性导航系统进行下一次定位。
10.一种高速列车高精度定位系统，其特征在于，所述定位系统包括：
定位数据获取模块，用于获取通过北斗卫星导航系统对高速列车进行定位得到的第一定位数据和通过惯性导航系统对所述高速列车进行定位得到的第二定位数据；
优化模块，用于以所述第一定位数据和所述第二定位数据作为多目标优化模型的输入，利用改进的微分进化算法进行求解，得到所述高速列车的最佳定位数据；所述多目标优化模型包括目标函数和约束条件；所述目标函数为所述北斗卫星导航系统的定位误差函数、所述惯性导航系统的距离误差函数以及所述惯性导航系统的方向误差函数的加权函数；所述约束条件包括所述北斗卫星导航系统的定位误差约束、所述惯性导航系统的距离误差约束和方向误差约束以及电子地图的定位误差约束。
CN202210978775.0A 2022-08-16 2022-08-16 一种高速列车高精度定位方法及系统 Pending CN115326066A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210978775.0A CN115326066A (zh) 2022-08-16 2022-08-16 一种高速列车高精度定位方法及系统
US18/053,121 US20240061130A1 (en) 2022-08-16 2022-11-07 High-precision positioning method and system for high-speed train

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210978775.0A CN115326066A (zh) 2022-08-16 2022-08-16 一种高速列车高精度定位方法及系统

Publications (1)

Publication Number Publication Date
CN115326066A true CN115326066A (zh) 2022-11-11

Family

ID=83923273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210978775.0A Pending CN115326066A (zh) 2022-08-16 2022-08-16 一种高速列车高精度定位方法及系统

Country Status (2)

Country Link
US (1) US20240061130A1 (zh)
CN (1) CN115326066A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116660965A (zh) * 2023-07-26 2023-08-29 北京北斗星通导航技术股份有限公司 一种北斗惯性导航定位方法、装置及存储介质
CN116908893A (zh) * 2023-07-17 2023-10-20 中国铁路广州局集团有限公司株洲机务段 一种基于多源融合的列车定位系统及方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118347497B (zh) * 2024-06-18 2024-09-03 众智软件股份有限公司 一种基于局部邻域地图的高精度图像导航定位方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116908893A (zh) * 2023-07-17 2023-10-20 中国铁路广州局集团有限公司株洲机务段 一种基于多源融合的列车定位系统及方法
CN116660965A (zh) * 2023-07-26 2023-08-29 北京北斗星通导航技术股份有限公司 一种北斗惯性导航定位方法、装置及存储介质
CN116660965B (zh) * 2023-07-26 2023-09-29 北京北斗星通导航技术股份有限公司 一种北斗惯性导航定位方法、装置及存储介质

Also Published As

Publication number Publication date
US20240061130A1 (en) 2024-02-22

Similar Documents

Publication Publication Date Title
CN115326066A (zh) 一种高速列车高精度定位方法及系统
CN110189366B (zh) 一种激光粗配准方法、装置、移动终端及存储介质
CN111695299B (zh) 一种中尺度涡轨迹预测方法
CN101438184B (zh) 一种跟踪移动电子设备的状态的方法
KR101742043B1 (ko) 교통수단분담 예측 장치, 방법 및 교통수단분담 예측을 위한 프로그램을 저장하는 저장매체
CN113470089B (zh) 一种基于三维点云的跨域协同定位和建图方法及系统
CN116518960B (zh) 路网更新方法、装置、电子设备和存储介质
CN104569911B (zh) 一种obu定位方法、rsu及etc系统
CN112862090A (zh) 一种基于深度时空神经网络的气温预报方法
CN112464351B (zh) 轨道线路处理方法、装置、处理设备及介质
CN109855623B (zh) 基于Legendre多项式和BP神经网络的地磁模型在线逼近方法
CN117141520A (zh) 一种实时轨迹规划方法、装置和设备
JP2019095569A (ja) 地図情報処理装置、地図情報処理方法および地図情報処理プログラム
CN101806905A (zh) 农业机械导航定位方法和装置
CN108764523A (zh) 基于无偏非齐次灰色模型和马氏模型的交通事故预测方法
Zhang et al. Gaussian parameterized information aided distributed cooperative underwater positioning algorithm
CN116811895B (zh) 车辆运行速度确定模型处理方法和车辆运行速度确定方法
Wang et al. Segmented trajectory clustering-based destination prediction in IoVs
CN116592851B (zh) 融合线路本体的输电通道树障卫星三维监测方法及系统
CN110175372B (zh) 一种基于母面特征参数的包络面表征方法
CN115861563A (zh) 一种图拓扑刚性点云配准的三维重建方法
JP2020035042A (ja) データ判定装置、方法、及びプログラム
Zhou et al. When road information meets data mining: Precision detection for heading and width of roads
CN115186927A (zh) 一种基于数值天气预报和模型融合的风向预测方法及系统
CN114153216A (zh) 基于深度强化学习和块规划的月面路径规划系统和方法

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