卫星支持地测定车辆位置的方法与流程

本发明涉及一种卫星支持地测定车辆位置的方法，一种用于改进卫星支持地测定车辆位置的精度估计的方法，一种计算机程序，一种机器可读存储介质以及一种运动和位置传感器。本发明特别适合在自动驾驶中使用。

背景技术：

自主驾驶车辆是没有驾驶员管理的车辆。车辆自主驾驶，例如，通过独立地识别道路走向、其他交通参与者或障碍物并计算车辆中的相应控制命令并将它们转发到车辆中的致动器，从而正确地影响车辆的行驶路线。驾驶员在全自动车辆中并不参与驾驶活动。

目前可用的车辆还不能自主行动。首先，因为该技术尚未完全开发。另一方面，因为当今的法律仍然要求驾驶员必须能够随时干预驾驶活动。这使自主驾驶车辆的实施变得复杂。然而，已经有各种制造商的系统展示出自主驾驶或半自主驾驶。这些系统正在进行密集测试。即使在今天，可以预见，一旦上述障碍被消除，全自主车辆系统将在几年内进入市场。

此外，用于自主运行的车辆需要能够确定高度精确的车辆位置的传感器系统，特别是通过导航卫星数据(gps，格洛纳斯(glonass)，北斗，伽利略(galileo))。为此目的，gnss(全球导航卫星系统)信号当前通过车顶上的gnss天线接收并通过gnss传感器处理。此外，可以考虑gnss校正数据以增加定位结果。特别有利的gnss传感器是所谓的运动和位置传感器，其可以使用gnss数据确定至少一个车辆位置或车辆指向或车辆运动。

通过运动和位置传感器，可以高度准确地确定自己的车辆位置。除了gnss数据之外，在运动和位置传感器中使用gnss校正数据以及车轮速度和车辆转向角以高度准确地确定车辆位置。各个输入数据在卡尔曼滤波器内融合成(总)车辆位置。该结果是车辆在世界中，例如在gnss坐标中估计的(本身)位置。

如上所述，使用运动和位置传感器来实现合并的车辆位置(gnss，gnss校正数据，车轮转速，转向角，加速度数据，旋转率数据等)的确定。然而，运动和位置传感器的这种高度精确的车辆位置受精度波动的影响。因此，期望由运动和位置传感器也实现当前可用位置精度的统计说明。该统计说明是统计的位置精度，在专业领域中也称为所谓的保护极限(pl)。例如，车辆的位置偏差在行进方向上可以不大于确定几米，在横向上不大于确定几米，并且在高度上不大于确定几米。在超过保护极限时，例如由运动和位置传感器输出警告。对运动和位置传感器位置进行访问的车辆的其他控制设备可以借助于该信息来允许或中断对运动和位置传感器数据的进一步处理。

为此，必须在统计上尽可能准确地确定保护极限。例如，在当前运动和位置传感器中的当前可用的位置精度是根据当前在车辆中占主导地位的场景和查找表确定的。该查找表使用尽可能多的关于现有参数的场景进行校准。为此目的，需要大量的驾驶场景，其包含例如不同的行驶轨迹或不同的gnss卫星定位分布数据。因此，在实践中不可能完全针对车辆中存在的所有场景参数化这样的查找表。例如，每个可想到的驾驶场景将必须在每个时间在世界上的每个位置处记录一次，并且为来自运动和位置传感器的位置说明的统计的参数根据不同的场景来使用。这在实践中是不可能的，因为例如测试行驶期间的场景的数量是有限的。此外，用于该数据记录的车辆数量也是有限的。

技术实现要素：

在此，根据权利要求1提出了一种用于卫星支持地测定车辆位置的方法，包括以下步骤：

a)接收gnss卫星数据，

b)利用在步骤a)中接收到的gnss卫星数据测定车辆位置，

c)提供可能影响步骤b)中测定的车辆位置的精度的输入变量，

d)使用将位置精度分配给车辆位置的算法测定在步骤b)中测定的车辆位置的位置精度，

e)调整该算法。

该方法尤其用于借助于一个或本身车辆的运动和位置传感器来卫星支持地测定车辆位置。(本身)车辆优选地是自动驾驶车辆，尤其是自主运行的汽车。gnss代表全球导航卫星系统。gnss是用于通过接收来自导航卫星的信号在地球上和/或在空中进行位置确定和/或导航的系统，该信号在此称为卫星数据。全球导航卫星系统在此是使用现有和未来全球卫星系统的总称，如gps(navstrargps)，glonass，北斗和伽利略。因此，gnss传感器是适合于接收和处理，例如评估导航卫星数据的传感器。优选地，gnss传感器能够利用导航卫星数据(gps，glonass，北斗，伽利略)测定高度精确的车辆位置。特别地，gnss数据是从导航卫星接收的数据，gnss数据也可以称为“导航卫星数据”。

在步骤a)中实现gnss卫星数据的接收。优选地，本身车辆的运动和位置传感器从(车辆的)至少一个gnss接收单元(例如特别是车辆上的gnss天线)接收gnss卫星数据，gnss天线又(直接)与导航卫星通信或接收(指示)卫星信号。在步骤b)中，利用在步骤a)中接收到的gnss卫星数据测定(本身车辆的)车辆位置。在步骤b)中，本身车辆位置优选地通过本身车辆的运动和位置传感器测定。至少在步骤a)或b)中，可以实现导航卫星信号的渡越时间测量。

在步骤c)中实现输入变量的提供，该输入变量可以影响在步骤b)中测定的车辆位置的精度。此外，一个或多个接下来的变量或数据在此可用作输入变量：

·在车辆位置处的日期和时间，

·卫星定位分布(星历数据)或在该位置有卫星编号的可用卫星数量，

·此场景中此时此位置的可用卫星的信号强度或载波噪声比(carrier-to-noiseratio)，

·来自车辆的环境传感器的数据，该数据给出关于车辆周围的另外的结构或车辆周围的交通参与者的信息(例如，是否卡车处于本身车辆周围，该卡车例如刚好遮挡特定的卫星)，

·其他交通参与者的位置数据，

·其他交通参与者的数据，例如其长度，宽度和/或高度，

·其他交通参与者的速度，特别是相对于本身车辆的速度，

·本身车辆的速度，

·本身车辆周围的基础设施点(建筑物、标志、交通信号灯)等结构或功能，

·本身车辆的瞬时加速度和/或转速，

·本车车辆的车轮速度和/或旋转方向，

·本身车辆的转向角，

·至少一个gnss校正服务的可用性和/或数据内容(通过l波段或车辆到x通信连接)。

特别是，上述输入变量并非详尽无遗。在这里很明显，想要使用所有提到的输入变量的查找表在(本身)车辆内或在运动和位置传感器内需要大量的存储器。即使存在所有可能的场景，查找表在实践中也永远不会完整。令人惊讶地发现，一种算法，特别是用于替换先前使用的查找表的学习算法是非常有益的，因为一方面可以节省存储空间，并且如果必要的话，还可以比查找表更加全面地覆盖所有可能的场景。

在步骤d)中，使用将位置精度分配给(测定的)车辆位置的算法来确定在步骤b)中测定的车辆位置的(统计)位置精度。该算法优选地考虑至少一个输入变量将位置精度分配给(测定的)车辆位置。特别优选地，该算法根据在步骤b)中测定的车辆位置和至少一个在步骤c)中提供的输入变量来测定或计算在步骤b)中测定的车辆位置的(统计的)位置精度。例如，该算法输出例如+/-1米或例如(相对于车辆位置的)2％的偏差作为输出值，如果其提供测定的车辆位置和时间(日期和时刻)作为输入值，在该时间测定出该车辆位置。换句话说，该示例尤其意味着，在算法中(以函数关系的方式)存储可以预期在某个特定时间的某个确定位置处的确定的某种不准确性。换句话说，在这里描述的示例中，算法将位置精度描述为所测定的车辆位置和时间的函数。

在步骤d)和e)之间，可以将步骤d)中测定的位置精度分配给在步骤b)中测定的车辆位置。这有利地允许组件，例如用于车辆的自动驾驶的控制设备来决定，是否以及如何使用该车辆位置，该控制设备在此被提供有例如通过赋值产生的值对。

在步骤e)中实现算法的调整。这尤其用于测定保护极限。算法的调整优选地考虑在步骤c)中提供的输入变量或在步骤c)中提供的至少一个输入变量和/或考虑参考位置或所测定的车辆位置与相关参考位置之间的比较来实现。返回上述示例，例如，如果基于所测定的车辆位置与参考位置的比较识别出，在特定时间在测定的车辆位置处存在例如+/-1米或(相对于实际测量位置的)例如2％的偏差，则可以调整用于确定保护限制的算法，以便它可以映射该关系。

该算法优选地是所谓的学习算法。算法的调整优选地在学习阶段期间或之后进行。这里给出的解决方案的一个特定方面可以看出，迄今为止使用的查找表已经被算法，特别是学习算法所取代。该算法尤其被配置用于计算可用的或通过运动和位置传感器测定的车辆位置的统计精度(保护极限)。换句话说，这尤其意味着算法给出了运动和位置传感器的位置精度的函数关系。

根据一个有利的设计方案提出，步骤a)至e)在车辆侧执行。换句话说，这尤其意味着，所有步骤a)至e)由本身车辆的传感器和/或控制设备执行。例如，根据步骤e)的调整可以在学习阶段期间实现。此外可以提出，算法在车辆外部进一步开发或调整。在这种情况下，根据步骤e)的调整例如可以被表示为，通过在车辆外部进一步开发或调整的算法替换或更新存放在车辆侧的算法，或者实现这些算法的融合。

优选地，甚至在步骤e)中的第一次调整之前提供算法，该算法在步骤d)中用于测定位置精度。该算法可以称为“初始”算法。该算法可以存储在例如控制设备或存储器中。

根据另一有利设计方案提出，至少步骤e)在车辆外部执行，并且用于调整存储在车辆侧的算法的至少一个信息被提供给至少一个车辆。为此，步骤e)可以通过中央处理装置执行，该中央处理装置可以从多个车辆接收数据和/或算法。此外，有利的是，车辆外部调整的算法可用于大量车辆。

根据一个有利的设计方案提出，算法根据(测定的或基于gnss的)车辆位置和至少一个输入变量测定位置精度。特别优选的是，算法根据在步骤b)中测定的车辆位置和在步骤c)中提供的输入变量中的至少一个来测定或计算在步骤b)中测定的车辆位置的(统计)位置精度。回到上面的示例，算法能够输出例如+/-1米或例如(相对于实际的车辆位置的)2％的偏差作为输出值，如果其提供测定的车辆位置和时间(日期和时刻)作为输入值，在该时间测定出该车辆位置。

根据另一方面，提出了一种用于改善卫星支持地测定车辆位置的精度估计的方法，包括以下步骤：

i)检测基于gnss的车辆位置，

ii)接收可能影响步骤i)中检测到的车辆位置的精度的输入变量，

iii)检测在步骤i)中检测到的车辆位置的参考位置，

iv)考虑在步骤i)中检测到的车辆位置与在步骤iii)中检测到的参考位置之间的至少一个比较或考虑在步骤ii)中接收的输入变量中的至少一个，调整将位置精度分配给车辆位置的算法。

该方法优选地用于自动确定运动和位置传感器中的所谓保护极限。此外，该方法优选地有助于提供(学习)算法，该算法可以有利地替换迄今为止使用的查找表(通过函数关系)。

在步骤i)中，实现基于gnss的车辆位置的检测。为此，基于gnss的车辆位置例如可以借助于车辆的运动和位置传感器来检测。此外，(检测到的)基于gnss的车辆位置可以例如从车辆的控制设备接收。另外，(检测到的)基于gnss的车辆位置可以由(车外的)中央处理装置接收。

在步骤ii)中实现输入参数的接收，该输入参数对在步骤i)中检测到的车辆位置的精度产生影响。在输入参数方面，参考上面结合用于卫星支持地测定车辆位置的方法提到的输入变量。输入变量可以例如由(本身)车辆的相应传感器提供。此外，输入变量可以例如通过车辆的控制设备和/或运动和位置传感器接收。另外，输入变量可以由(车辆外部)的中央处理装置接收。

在步骤iii)中，为在步骤i)中检测到的车辆位置检测参考位置。参考位置通常是来自(相对于本身车辆的运动和位置传感器)替代定位系统的(高度精确的)车辆位置。替代定位系统尤其位于本身车辆内。

例如，例如可借助于地图控制设备、借助于环境传感器数据或借助于车辆到x通信信号的渡越时间，由车辆在(数字)地图(所谓的featuremap)上的位置确定参考位置。特别地，参考位置涉及实际的或比在一时间点(基于gnss或利用运动和位置传感器)测定的更精确的车辆位置，在该时间点检测被检测到的或基于gnss的车辆位置。例如，可以通过车辆的控制设备和/或运动和位置传感器接收参考位置。另外，参考位置可以由(车辆外部的)中央处理设备接收。

车对车通信(英语：car-to-car通信，或者缩写car2car或c2c)应理解为(动力)车辆之间的信息和数据交换。这种数据交换的目的是提前向驾驶员告知严重和危险情况。所讨论的车辆收集数据，例如abs介入，转向角，位置，方向和速度，并通过无线电(wlan，umts等)将该数据发送给其他交通参与者。在此，应该通过电子手段扩展“驾驶员的视野”。车对基础设施(英语：car-to-infratructure或缩写c2i)应理解为车辆与周围基础设施(例如交通信号灯)之间的数据交换。所提到的技术基于不同交通伙伴的传感器的交互，并使用最新的通信技术方法来交换这些信息。车辆到x是各种通信连接的通用术语，例如车辆到车辆和车辆到基础设施。

在步骤iv)中，考虑到在步骤i)中检测到的车辆位置与在步骤iii)中检测到的参考位置之间的至少一个比较或者考虑到在步骤ii)中接收到的输入参量中的至少一个来调整算法，该算法将位置精度分配给(测定的或基于gnss的)车辆位置。输入变量在此通常是在一时间点存在的和/或被确定的或者被测量的变量，在该时间点时测定基于gnss的车辆位置和/或参考位置。换句话说，输入参量，(测定的或者基于gnss的)车辆位置和参考位置通常具有相同的时间戳。该算法优选地根据(测定的或基于gnss的)车辆位置和参考位置之间的比较和至少一个输入变量来调整。该比较通常提供相关车辆位置处的(运动和位置传感器)的位置偏差或位置精度。换句话说，这尤其意味着，该比较描述了运动和位置传感器相对于参考系统的瞬时位置偏差。位置偏差通常是由至少一个输入变量引起的。回到上面的示例，在特定时间点(输入变量)的特定车辆位置可以发生位置偏差，例如由于gnss信号的时间扰动和/或阻断。可以通过将车辆位置与当时的参考位置进行比较来确定该偏差。然后可以调整该算法以映射该关系。

根据一个有利的设计方案提出，步骤i)至iv)在车辆外部执行。步骤i)至iv)优选地由中央和/或上级处理装置执行。(一个或多个)车辆位置、(一个或多个)参考位置和输入变量可以例如通过无线电连接，特别是车辆到x通信连接传输到处理装置。此外，调整的算法例如可以通过无线电连接，特别是车辆到x通信连接从处理装置传输给(本身)车辆和/或多个车辆。处理装置能够以所谓的云的方式或以所谓的hil(hardwareinloop硬件在环)系统的方式形成。

优选地，输入数据连同运动和位置传感器相对于参考系统的瞬时位置偏差一同被传输到云或hil(hardwareinloop硬件在环)系统中(例如，借助于车辆到x通信连接)。算法的调整(改善)现在优选在云中或者hil中通过来自至少一个车辆的输入数据或者位置偏差来实现。然而，有利的是，另外的车辆的输入数据或者位置偏差也可以被使用。云或者hil通常具有比运动和位置传感器明显更高的计算能力。通过这种方式，用于说明(保护限制的)位置精度的算法能够以优选的方式尽可能快地被调整(改善)并且尤其通过车辆到x的通信连接回传到配备有运动和位置传感器的车辆上。此外，有利的是，在几个车辆的若干运动和位置传感器上特别是借助于几个新的场景学习的各个算法(关于权重)被传送到云中或hil上并在那里组合和融合成整体算法。例如，可以进行各个算法(单个ki(人工智能))的权重的平均。另外，可以有利地统计地组合各个算法的权重。此外，各个算法的权重可以由现有场景加权和/或支配。

此外，可以提出，(仅)车辆位置和输入变量从车辆传输到中央和/或上级处理装置并由其接收。参考位置在此可以由中央和/或上级处理装置本身测定。运动和位置传感器优选地(仅)将其当前计算的位置和/或当前主要的输入变量发送到中央和/或上级处理装置。在处理单元内，相应车辆的高度精确的定位例如借助于用于确定参考位置的车辆到x通信连接(信号的渡越时间)来实现。

根据另一有利设计方案提出，步骤i)至iv)在车辆侧执行。例如，步骤i)至iv)可以由运动和位置传感器和/或控制设备执行，特别是由用于车辆自动驾驶的控制设备执行。步骤i)至iv)特别是在测试车辆的情况中在车辆侧执行。

根据另一有利的设计方案提出，算法的调整自动地实现。优选的是，算法是自学习算法。有利的是，追求基于或应用人工智能(ki)方法的措施。换句话说，这尤其意味着(学习)算法通过使用人工智能(ki)来提供(运动和位置传感器)的(保护限制)位置不准确性的计算。该学习算法例如是诸如具有权重的神经网络的人工智能(ki)。(另外)一个或者多个上述的输入变量和/或参考位置可被用作该神经网络中的输入数据。

根据一个有利的设计方案提出，该算法是具有至少权重或阈值的(人工)神经网络。神经网络或ki使用上述输入变量作为输入，并借助于网络或ki内的学习权重和/或阈值计算(测定的)车辆位置或在运动和位置传感器中计算的(gnss)位置的统计位置精度。

根据一个有利的设计方案提出，在步骤d)中调整算法的至少一个权重或阈值。神经网络或ai优选地为(内部)权重和/或阈值的设置而使用(在步骤iii)中测定的参考位置。该参考位置能够由另外的定位系统手机。尤其是在测试车辆的情况中，其例如是在车辆中安装的(高精度的)gnss参考系统。尤其在量产车辆的情况中，为了持续地调整(改善)网络或者ki能够以有利的方式涉及车辆的替代位置。这里如可以由车辆到x通信信号的渡越时间计算出来(例如相对于基础设施点和/或相邻的车辆)和/或由借助于在(数字)地图上的特征对车辆的(高精度)定位和/或借助于环境传感器数据测定出来。

用于定位精度(保护限制)的网络或者ki的(自)学习优选通过参考位置与(实际)由运动和位置传感器计算出的(基于gnss的)(车辆)位置或者基于gnss的合并的(车辆)位置的比较来实现。基于gnss的合并位置在此通常是通过卡尔曼滤波器计算的gnss位置，其中不仅仅卫星数据，而且还有矫正服务数据和.或车轮转速数、转向角、加速度和/或旋转速率被使用。由运动和位置传感器计算出的gnss(车辆)位置与参考位置的偏差同样可以作为输入来提供到网络或ki种。算法，也就是在此的网络或者ki因此可以根据(运动和位置传感器)相对于参考系统的瞬时位置偏差并且在上面所述的(以及另外的)输入变量的帮助下学习用于确定(在运动和位置传感器中的保护限制的)位置精度的权重和/或阈值。这例如可以在测试行驶内在线地在运动和位置传感器中实现或者在已经处于现场的车队内实现，其中用于位置精度的网络或者ki在此总是能够被进一步改进，尤其是由车辆类型驶过更多场景。因此，用于位置精度的神经网络或ki(保护极限)能够以有利的方式高度准确地学习，可以覆盖尽可能多的场景并且还可以动态地响应新场景。

根据一个有利的设计方案提出，算法的调整在车辆停放时或之后实现。算法的适配，特别是用于位置精度(保护极限)的神经网络或ki的权重和/或阈值例如可以通过将已有的算法，特别是现有的网络或现有的ki存储在运动和位置传感器的影子存储器中来实现。在车辆行驶期间，算法，尤其是神经网络或者ki例如可以仅仅在该影子存储器中尤其在权重和/或阈值方面被进一步调整(改善)。在车辆停放时或之后，(在行驶期间)新学习的算法(的一部分)，特别是新学习的神经网络或新学习的ai可以从影子存储器中作为已经在运动和位置传感器上使用的、用于位置精度(保护限制)的算法(网络或ki)的替换来使用。在此，存储器内容可以定期地从阴影存储器传输到正常的运动和位置传感器存储器中。这具有特别的优点，即算法(网络或ki)可以行驶期间以已经存在的知识实时地计算位置精度(保护限制)，但可以同时(在影子存储器中)借助于在后台中的新场景进一步调整(改善)。

根据用于卫星支持地测定车辆位置的方法的一个有利设计方案提出，为了调整算法，特别是在步骤e)中执行这里提出的用于改善卫星支持地测定车辆位置的精度估计的方法。

根据另一方面，提出了一种用于执行这里给出的方法的计算机程序。换句话说，其尤其涉及包括指令的计算机程序(产品)，当由计算机由程序执行时，该指令使计算机执行本文描述的方法。

根据另一方面，提出了一种机器可读存储介质，在该机器可读存储介质上存储有在此提出的计算机程序。通常计算机可读存储介质是计算机可读数据载体。

根据另一方面，提出了一种运动和位置传感器，其配置为执行在此提出的方法。例如，之前描述的存储介质是运动和位置传感器的组成部分或者与之连接。有利的是，运动和位置传感器布置在机动车中或上或者提出或者配置用于安装在机动车中或者上。运动和位置传感器此外优选提出或者配置用于车辆、尤其是汽车的自动运行。运动和位置传感器或者运动和位置传感器的计算单元(处理器)例如能够对在此描述的计算机程序进行访问，从而执行在此描述的方法。

运动和位置传感器优选地是gnss传感器。运动和位置传感器可以是位置和方向传感器。此外，gnss传感器可以设计为基于gnss的位置和方向传感器。gnss或(车辆)的运动和位置传感器对于自动或自主驾驶是必要的，并使用卫星导航数据(gps，glonass，北斗，伽利略)计算高度准确的车辆位置，该卫星导航数据也被称为导航卫星系统数据或gnss数据。该计算在此基本上基于来自至少四颗卫星的(电磁)gnss信号的渡越时间测量。另外，可以使用来自传感器中的所谓校正服务的校正数据来更准确地计算车辆的位置。与接收的gnss数据一起，在传感器中定期读取高精度时间(例如通用时间)并用于精确的位置确定。进入位置传感器的其他输入数据可以是车轮速度，转向角度以及加速度和转速数据。优选地设置运动和位置传感器以基于gnss数据确定本身位置，本身定向和本身速度。

因此，结合用于卫星支持地测定车辆位置的方法讨论的细节、特征和有利设计方案也可以在这里提出的用于改进卫星支持地测定车辆位置的精度估计的方法、运动和位置传感器、计算机程序和/或存储介质的情况中出现，以及反之亦然。在这方面，完全参考那里的陈述以更详细地表征特征。

附图说明

下面参考附图更详细地解释在此呈现的解决方案及其技术环境。应该注意，本发明不应受所示实施例的限制。特别地，除非另外明确说明，否则还可以提取附图中解释的事实的部分方面，并将它们与其他组成部分和/或其他附图和/或本说明书的发现组合。图中示意性地示出：

图1示出了在此提出的用于卫星支持地测定车辆位置的方法在常规运行中的流程，以及

图2示出了改善在此提出的用于卫星支持地测定车辆位置的精度估计的方法在常规运行中的流程。

具体实施方式

图1示意性示出了在此提出的用于卫星支持地测定车辆位置的方法在常规运行中的流程。所示的具有框110、120、130、140和150的处理步骤a)、b)、c)、d)和e)的序列仅仅是示例性的。在框110中实现gnss卫星数据的接收。在框120中，利用在步骤a)中接收的gnss卫星数据实现车辆位置的测定。在框130中，实现输入变量的提供，该输入变量可能对在步骤b)中测定的车辆位置的精度产生影响。在框140中，使用将位置精度分配给车辆位置的算法来实现在步骤b)中测定的车辆位置的位置精度的测定。在框150中实现算法的调整。

特别地，方法步骤a)和c)或b)和c)也可以至少部分地并行或同时运行。

图2示意性地示出了在此提出的改善用于卫星支持地测定车辆位置的精度估计的方法在常规运行中的流程。具有框210、220、230和240的方法步骤i)、ii)、iii)和iv)的所示顺序仅是示例性的。在框210中，实现基于gnss的车辆位置的检测。在框220中实现输入变量的接收，该输入变量可能对在步骤i)中检测到的车辆位置的准确性产生影响。在框230中，实现对在步骤i)中检测到的车辆位置的参考位置的检测。在方框240中，考虑在步骤i)中检测到的车辆位置与在步骤iii)中检测到的参考位置之间的至少一个比较和/或在步骤ii)中接收的输入变量中的至少一个，调整将位置精度分配给车辆位置的算法。

特别地，方法步骤i)、ii)和iii)也可以至少部分地并行或同时运行。

特别是，此处介绍的解决方案可以实现以下一个或多个优点：

·通过引入用于学习位置精度确定功能的ki或神经网络可以节省运动和位置传感器上的存储器。

·这种新的ki可以根据现有场景更准确地计算运动和位置传感器内的位置精度。

·运动和位置传感器内所需的存储器远小于查找表的使用。

·在自主车辆中使用参考定位系统来学习ki(卫星支持地测定的位置与参考位置系统的偏差)提供了一种可能性，即在运动和位置传感器上连续地根据已经在现场中存在的车辆的新的场景改善用于位置精度的ki。

·通过运动和位置传感器精确计算位置精度或输出这种改进的位置精度，可以提高使用运动和位置传感器的车辆的交通安全性，因为其他控制设备确切知道它们是否可以相信运动和位置传感器此刻的位置。