基于车辆伪基站的协同定位方法及存储介质

1.本发明涉及定位技术领域，具体涉及一种基于车辆伪基站的协同定位方法及存储介质。


背景技术：

2.全球关于智能交通系统（intelligent transportation system, its）应用的研究取得了迅速发展，其目标是利用计算机、通信、传感等技术的进步实现更加安全、高效、节约能源、环境友好和舒适的交通系统。由此涌现了一系列新的技术，如导航、各种驾驶辅助技术、车路协同乃至自动驾驶等。这些技术的实现往往需要某种定位手段来获得车辆的位置。获取实时、准确的车辆位置信息（如经度、纬度、高度等）是许多智能交通技术的重要组成部分。
3.在车辆导航系统的组成中，全球导航卫星系统（gnss）提供车辆的绝对精确位置。因此，它一直是车辆导航系统和服务的核心部分。然而，gnss也与各种误差有关，例如由卫星时钟，星历误差以及电离层和对流层延迟引起的误差，在实际应用中导致超过10 m的定位误差。在城市环境中，gnss非视距（nlos）延迟和由于建筑物遮挡引起的本地信号中断可能导致高达几百米的定位误差。
4.随着车对车（v2v）技术的发展，车辆与各个单元之间的信息可以共享，传递包括车辆位置信息、速度信息等车辆状态信息以及多种传感器感知的原始观测信息，利用v2v通信，利用通信信号传递协同车辆的定位信息，提高了定位系统的可用性和可靠性。
5.伪基站（pseudo-reference station）表示为以车辆为载体的参考差分基准站，拥有固定差分基准站的基本功能，能够发送伪距改正数、载波相位改正数、伪距改正数变化率以及载波相位改正数变化率等信息。


技术实现要素：

6.本发明提出的一种基于车辆伪基站的协同定位方法，可至少解决上述技术问题之一。
7.为实现上述目的，本发明采用了以下技术方案：一种基于车辆伪基站的协同定位方法，包括以下步骤：步骤一：协同车辆根据自身的定位解计算差分信息，其中包括空间误差消除、概略钟差计算、差分改正数变化率三部分，同时储存当前历元定位解固定状态，观测卫星数。
8.步骤二：根据步骤一得到的协同车辆差分信息及当前历元定位解的固定状态，差分改正数自适应发送模块中设置固定解更新阈值和部分模糊度固定解更新阈值，自适应发送协同车量差分改正数、差分改正数历元、定位解固定状态以及观测卫星数。
9.步骤三：根据步骤二得到的协同车辆差分改正数、差分改正数历元、定位解固定状态以及观测卫星数以及由车间测距值获取模块获得的车间测距值，差分改正数筛选融合模块中筛选得到最优协同车辆差分改正数集合，融合集合中的数据得到最优差分改正数。
10.步骤四：根据步骤三得到的最优差分改正数和车间测距值，目标车辆差分定位模块中实时进行固定解算，求解基线向量。
11.进一步的，在步骤一中所述的“协同车辆根据自身的定位解计算差分信息，其中包括空间误差消除、概略钟差计算、差分改正数变化率三部分，同时储存当前历元定位解固定状态，观测卫星数”，其做法如下：s11、通过协同车辆车载高精度接收机获取协同车辆精确位置，当前历元定位解固定状态和观测卫星数；s12、上述定位解固定状态由ratio检验方法得到，结合协同车辆原始观测信息通过电离层延时误差模型和对流层延时误差模型计算电离层延时及对流层延时；s13、初始历元，计算初始概略钟差；s14、通过上述协同车辆精确位置、原始观测信息、电离层延时、对流层延时和初始概略钟差获得初始历元伪距改正数和载波相位改正数，并储存当前历元差分改正数信息；s15、第二历元及后续历元中，结合上一历元的差分改正数信息，计算概略钟差增量，更新概略钟差，获得伪距改正数和载波相位改正数，储存当前历元差分改正数信息，获取伪距改正数变化率和载波相位改正数变化率；进一步的，在步骤二中所述的“根据步骤一得到的协同车辆差分信息及当前历元定位解的固定状态，差分改正数自适应发送模块中设置固定解更新阈值和部分模糊度固定解更新阈值，自适应发送协同车量差分改正数、差分改正数历元、定位解固定状态以及观测卫星数”，其做法如下：s21、获取当前历元协同车辆的定位解固定状态；s22、根据s21获取的定位解固定状态将当前历元差分信息归类，并更新此定位解固定状态的最新差分信息，并更新相应的历元时间；s23、设置固定解更新阈值为2s，部分模糊度固定解更新阈值为3s，判断当前历元时间与s22储存的固定解历元与部分模糊度固定解历元的差值，协同车辆自适应发送最近历元最佳差分信息以及s11、s22步骤中给出的观测卫星数、固定解状态和对应历元时间；进一步的，在步骤三中所述的“差分改正数筛选融合模块中筛选得到最优协同车辆差分改正数集合，融合集合中的数据得到最优差分改正数。”，其做法如下：s31、根据s23步骤中给出的各个协同车辆的固定解状态和对应历元，选取距离当前历元最近、值最大的差分信息构成差分改正数集合；s32、通过车间测距值获取模块获得协同车辆测距值，对上述步骤中差分改正数集合中的元素加权处理，得到最优差分改正数，权重由车间测距值的倒数决定；s33、若车间测距值获取失败，则权重由步骤s23中给出的观测卫星数决定；
进一步的，在步骤四中所述的“根据步骤三得到的最优差分改正数和车间测距值，目标车辆差分定位模块中实时进行固定解算，求解基线向量”，其做法如下：s41、目标车辆差分定位模块中获取目标车辆的原始观测值，包括伪距观测值和载波相位观测值，步骤s32、s33中获取最优差分改正数，对原始观测量修正，得到修正后的伪距、载波相位测量值；s42、对s41步骤中的修正后伪距、载波相位测量值做星间双差处理，消除接收机钟差，得到双差观测值；s43、将得到的双差观测值与车间测距值输入协同卡尔曼滤波器，得到位置浮点解和双差模糊度浮点解，再由ratio检验方法固定模糊度，修正基线向量。
12.又一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述任一方法的步骤。
13.由上述技术方案可知，本发明提供一种基于车辆伪基站的协同高精度定位方法及系统，本发明由协同车辆位置获取模块、协同车辆伪基站差分改正数生成模块、协同车辆差分改正数自适应发送模块、车间测距值获取模块、差分改正数筛选融合模块、目标车辆差分定位模块组成。本发明提出以协同车辆作为伪差分基准站的定位方法，消除近似的公共误差。用差分校准信息代替伪距观测值和载波相位观测值，在移动端进行筛选融合，权重由协同车辆的观测质量决定。提出自适应差分信息发送策略，以历史观测良好的差分信息代替观测质量差的当前历元差分信息。
14.具体的说，本发明将定位精确的协同车辆作为伪基站，生成并自适应发送差分信息，由目标车辆进行筛选融合，在城市环境中具有更高的模糊度固定率和定位精度。同时，本发明算法实现复杂度低，对时间同步要求低，城市环境中精度大于传统的rtk算法，尤其适用于城市场景下车辆高精度定位。而且算法简单易实现，单辆协同车辆也具备优良的定位性能。并且在遮挡及其严重的环境中，可视卫星数不支持进行差分定位，协同卡尔曼滤波器也可以使定位精度达到了厘米级。
附图说明
15.图1是算法流程图；图2是差分信息自适应模块流程图；图3是伪基站差分信息生成流程图；图4是协同卡尔曼滤波算法流程图；图5是举例的两种方法的误差比较；图6是举例的单基站与单协同车概率分布曲线对比图；图7是举例的不同数量的协同车辆的概率分布曲线对比图。
具体实施方式
16.为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
17.城市环境下由于空间传播误差影响，单车rtk定位误差过大。为了解决可见星书不
足以及定位精度不高的问题，其中一种解决方法就是使用协同定位技术，利用协同车辆的观测值，提高定位系统的冗余度，但是当前大部分协同定位方法通过gnss伪距差分来获得定位解，没有利用精度更高的载波相位观测值，定位精度仍然不满足车道级精度。其次协同车辆的观测环境不同，导致有相对较差的观测信息引入观测方程。另外协同车辆也会存在部分历元是浮点解差分信息的情况，导致协同车本历元信息不可用。gnss原始观测量变化很快，基准站接收机的gnss原始观测值从产生和播发到被用户接收机接收和应用这一过程一般需要1~2s的时间，这也是影响定位精度的因素之一。因此本发明实施例提供一种新的协同高精度定位方法与系统。
18.首先概述本发明的核心原理，城市环境下由于空间传播误差影响，单车rtk定位误差过大。为了解决可见星书不足以及定位精度不高的问题，其中一种解决方法就是使用协同定位技术，利用协同车辆的观测值，提高定位系统的冗余度，本发明利用协同车辆作为伪基站发送差分数据时间同步性低的特点，代替距离较远的固定基站，提高目标车辆的定位精度，具体来说，如图1所示，协同车辆根据自身的定位解计算差分信息，其中包括空间误差消除、概略钟差计算、差分改正数变化率三部分，同时储存当前历元定位解固定状态，观测卫星数。得到协同车辆差分信息及当前历元定位解的固定状态，差分改正数自适应发送模块中设置固定解更新阈值和部分模糊度固定解更新阈值，自适应发送协同车量差分改正数、差分改正数历元、定位解固定状态以及观测卫星数。得到协同车辆差分改正数、差分改正数历元、定位解固定状态以及观测卫星数以及由车间测距值获取模块获得的车间测距值，差分改正数筛选融合模块中筛选得到最优协同车辆差分改正数集合，融合集合中的数据得到最优差分改正数。得到最优差分改正数和车间测距值，目标车辆差分定位模块中实时进行固定解算，求解基线向量。
19.如图2所示，是本次发明的差分信息自适应模块流程图，分别将每个历元的差分信息按照协同车辆自身定位解的固定情况固定解差分信息、部分模糊度固定解差分信息以及浮点解差分信息。在每个历元对这三类差分信息进行更新，并记录对应的历元数以及观测卫星数，其中固定解差分信息的优先级最高，设置固定解更新阈值，若当前历元与固定解历元之差小于阈值，则默认发送固定解历元的差分信息，然后依次类推。
20.具体的说，本发明提供了一种基于车辆伪基站的协同高精度定位方法及系统，具体实施步骤如下：第一步：如图3所示，通过协同车辆车载高精度接收机获取协同车辆精确位置，当前历元定位解固定状态和观测卫星数；电离层延时消除采用双频无电离层组合，对流层延时使用的对流层延时模型。
21.初始历元，计算初始概略钟差：其中，为卫星的载波相位距离（加入整周模糊度），为卫星几何距
离，为初始历元，表示协同车辆，为卫星标号。
22.通过上述协同车辆精确位置、原始观测信息、电离层延时、对流层延时和初始概略钟差获得初始历元伪距改正数和载波相位改正数：获得初始历元伪距改正数和载波相位改正数：其中为光速，为接收机钟差，为残余卫星钟差，为残余对流层误差，为整周模糊度，和分别为伪距噪声和载波相位噪声。并储存当前历元差分改正数信息；第二历元及后续历元中，结合上一历元的差分改正数信息，计算概略钟差增量：更新概略钟差：更新概略钟差：为伪距，为载波相位值；获得伪距改正数和载波相位改正数，储存当前历元差分改正数信息，获取伪距改正数变化率和载波相位改正数变化率；第二步：本发明利用差分校准信息有效时间长，对时间同步要求低的特性，提出差分信息自适应周期发送的策略。
23.首先，分别将每个历元的差分信息按照协同车辆自身定位解的固定情况分类，分为固定解差分信息、部分模糊度固定解差分信息以及浮点解差分信息，分别记为fix=2，1，0。在每个历元对这三类差分信息进行更新，并记录对应的历元数以及观测卫星数，为后续主车筛选融合差分信息提供特征值。
24.本课题认为固定解差分信息的优先级最高，并设置固定解更新阈值t_fix，若当前历元与固定解的距离小于t_fix，则默认发送历元的差分信息，次级的为部分模糊度固定解差分信息，若当前历元与固定解的距离大于t_fix，则进入下一判断，设置部分模糊度固定解更新阈值t_float，若与固定解的距离小于t_float，则发送历元的差分信息，如果当前历元超过两个更新阈值，那么差分信息将变为实时发送。
25.第三步：根据各个协同车辆的固定解状态和对应历元，选取距离当前历元最近、值最大的差分信息构成差分改正数集合；
通过车间测距值获取模块获得协同车辆测距值，对上述步骤中差分改正数集合中的元素加权处理，得到最优差分改正数：最优伪距改正数最优载波相位改正数最优载波相位改正数权重由车间测距值的倒数决定；若车间测距值获取失败，则权重由观测卫星数决定：第四步：如图4所示，目标车辆差分定位模块中获取目标车辆的原始观测值，包括伪距观测值和载波相位观测值，获取最优差分改正数，对原始观测量修正，得到修正后的伪距、载波相位测量值：值：其中，为目标车辆，其余含义均与上述公式相同。
26.对修正后伪距、载波相位测量值做星间双差处理，消除接收机钟差，得到双差观测值，将得到的双差观测值与车间测距值输入协同卡尔曼滤波器，首先构建状态向量其中，,,分别代表位置、速度和加速度，代表双差模糊度。
27.状态转移模型定义为：状态转移模型定义为：其中，是当前历元的状态先验估计值，是上一历元的状态值。f是状态转移矩阵。和q分别为第k历元的系统噪声和状态协方差矩阵，为先验误差协方差矩阵，为上一历元的估计误差。
28.状态转移矩阵为：
。
29.观测模型可表示为：其中，z是观测向量，h是观测矩阵，和r是观测噪声及其协方差矩阵。
30.观测向量可表示为：其中，和分别为双差伪距和载波相位观测量，为车间测距值。
31.观测矩阵可表示为：协同卡尔曼滤波后得到位置浮点解和双差模糊度浮点解，再由ratio检验方法固定模糊度，修正基线向量。
32.以下举例说明：由表1可以看到，基于多车伪基站的定位方法在各个性能指标上都有了大幅的提升。在固定率方法，单车伪基站的定位方法的固定率只有78%，其中双车作为虚拟基站对比单车模糊度固定率提升约9.4%，均方根误差下降0.75m，三车较单车模糊度固定率提升约11.9%，均方根误差下降0.84m。主要原因是总有一辆协同车辆观测值是良好的，很好的弥补了单协同车的不足。
33.表 1 多车伪基站与传统rtk定位结果比较了两种方法在东北天方向上的误差。由图5可以看到，在垂直方向上，传统rtk的定位结果经常发生抖动，而目标算法则要更加稳定，除了个别历元外，垂直方向基本可达到厘米级的误差。而在水平方向上，尽管有些时刻会出现波动，整体上来看目标算法的性能也要优于传统rtk。由于协同车辆与主车的公共误差近似，而三车协同也可以更好地弥补单车的不足，使得浮点解的精度上升，rtk的模糊度固定率以及定位精度才进而得以提高。通过累积分布函数（cdf）曲线（图6、7）可以更明显地看出二者的区别。传统rtk只有61.46%的
定位结果精度在1.5米以内，而本文所提出的方法则可以达到87.34%。
34.综上所述，本发明实施例将定位精确的协同车辆作为伪基站，生成并自适应发送差分信息，由目标车辆进行筛选融合，在城市环境中具有更高的模糊度固定率和定位精度。同时，本发明算法实现复杂度低，对时间同步要求低，城市环境中精度大于传统的rtk算法，尤其适用于城市场景下车辆高精度定位。而且算法简单易实现，单辆协同车辆也具备优良的定位性能。并且在遮挡及其严重的环境中，可视卫星数不支持进行差分定位，协同卡尔曼滤波器也可以使定位精度达到了厘米级。
35.又一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述任一方法的步骤。
36.再一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述任一方法的步骤。
37.在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一方法的步骤。
38.可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
39.本领域普通技术人员可以理解实现上述实施例方法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非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
40.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
41.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。