本发明属于无线定位技术领域，涉及一种车联网定位领域路边单元(roadsideunit，rsu)的部署技术。
背景技术：
在车联网(vehiclead-hocnetworks，vanets)的应用中，车辆定位是一个具有重要意义和极大吸引力的应用服务。由于精度和可靠性不够，常规的全球定位系统(gps)及其改进技术并不适用于具有较强多径效应的城市峡谷和隧道等车联网应用场景。因此针对这些场景，基于路边单元(roadsideunit，rsu)的车联网定位技术近年来已经引起了广泛关注。在车联网定位中，路边单元可以被看作固定且位置已知的定位锚节点，通过其与车辆之间的vanet通信链路提供定位的测量信息，如接收信号强度(receivedsignalstrength，rss)、到达时间(timeofarrival，toa)和到达角(directionofarrival，doa)等，是提高定位性能的可靠手段。车辆可以将上述测量信息转化为距离信息或者直接提取信息的模式特征来进行对自身位置的定位估算。同时研究人员发现，在存在测距误差的车联网定位系统中，路边单元的地理布局可以显著影响任何特定算法的定位性能。而现有的车联网定位研究主要集中在提高定位算法精度以及降低计算复杂度上，通常假设部署有足够的路边单元。因此，随着车联网定位技术的持续发展，系统地研究路边单元的部署方案对系统性能的影响，同时提出一种合理、高效的路边单元部署方法显得十分重要。
技术实现要素：
为解决上述问题，本发明公开了一种路边单元(rsu)的部署方法，采用几何精度因子(gdop)作为评价车联网定位性能的度量指标，并将k覆盖条件下路边单元的部署问题建模为优化函数，最后采用异步粒子群优化算法进行启发式搜索，通过部署尽可能少的路边单元使得定位区域在满足k重覆盖时，获得最好的定位性能。
对于基于路边单元的车联网定位系统，影响系统定位性能的因素除了路边单元的部署模式，即在地理上的几何分布之外，路边单元的覆盖度也是需要研究的一个重要因素。覆盖度表示车辆在定位区域的任一位置可以连接到的路边单元的数量，它与路边单元的部署密度有关。直观来看，密集部署的路边单元可以带来有利于定位的冗余测量值，从而有效提高系统的定位性能。但考虑到部署成本，路边单元的覆盖度往往是受限的，而某些特定的定位算法又会对覆盖度有要求，如三边定位要求区域的覆盖度不小于3，三角定位则要求覆盖度不小于2。因此，为了便于分析和提高普适性，本发明首先给定一个路边单元的覆盖度k(k≥3)，即在k覆盖的场景下对路边单元的优化部署模式进行研究，利用尽可能少的路边单元来使系统达到最佳的定位性能。
本发明提供了一种车联网定位中的路边单元优化部署方法，包括如下步骤：
1)采用几何精度因子度量路边单元部署方案的性能，并利用费希尔信息矩阵和统计模型，分别对rss和混合toa/doa两种定位方式下的几何精度因子表达式进行描述；
2)通过对k覆盖场景路边单元部署问题的分析，首先将问题简化为1覆盖场景，即定位区域内每一点均被一个路边单元覆盖，通过几何分析得到此场景下最优化的路边单元基本部署模式；
3)在步骤2)的基础上，将k覆盖场景的路边单元部署建模为一个优化问题，通过对k层基本部署模式的空间组合优化，建立起以最小化区域平均几何精度因子为目标的优化函数；
4)采用异步粒子群优化算法对步骤3)中所述优化函数进行求解，通过迭代搜索获得路边单元的最优化部署位置。
进一步的，所述步骤1)中费希尔信息矩阵通过观测矢量的联合概率密度函数计算得出，由费希尔信息矩阵推导得到定位估计的几何精度因子，在统计模型中费希尔信息矩阵与观测值的雅可比矩阵有关。
进一步的，所述rss定位方式的gdop表达式为
其中，
混合toa/doa定位方式的gdop表达式为
上式中，fu表示p(ri|u)的对数似然函数的费希尔信息矩阵：
其中，γi为与距离相关的信道增益，u＝(x，y)代表车辆的实际位置坐标。
进一步的，所述步骤2)中通过对不同部署模式的几何分析，得到最优路边单元基本部署模式。
进一步的，所述不同部署模式包括线性部署模式和交错部署模式。
进一步的，所述步骤3)中建立优化函数时以定位区域的平均几何精度因子为目标，以k层基本部署模式的空间位移为优化变量，将路边单元的部署问题建立为单目标优化模型。
进一步的，目标函数定义为：
f(η，k)＝||η||-1∫ηgdop(ursu，uη)duη
其中，||η||代表区域η的面积，ursu和uη分别代表了对区域η实现k覆盖的rsu位置集合和区域η中的任意一点，k为覆盖度。
进一步的，所述步骤4)中采用异步粒子群优化算法，通过设置异步时变的学习因子和惯性权重，迭代搜索获得最优化的路边单元部署位置。
进一步的，所述异步粒子群优化算法的搜索速率方程和状态更新方程分别为：
其中，k为迭代次数，
进一步的，在步骤4)中将(k-1)维的位移向量d作为粒子群的状态
与现有技术相比，本发明具有如下优点和有益效果：
本发明采用几何精度因子作为评价车联网定位性能的度量指标，并将k覆盖条件下路边单元的部署问题建模为优化函数。建模时首先将k覆盖路边单元部署问题分解为简化的1覆盖部署问题，通过对各路边单元部署模式的几何分析给出部署效率最高的基本部署模式，然后将其扩展到k覆盖场景，寻求k层基本部署模式的空间组合并转化为一个优化函数，该方法利用异步粒子群优化算法求解优化函数，以降低计算复杂度，对路边单元部署位置进行启发式搜索，从而获得最优化的k覆盖路边单元位置坐标。本发明能够在k覆盖场景下通过优化路边单元部署位置，提高路边单元的部署效率，使系统获得最佳的定位性能。
附图说明
图1为车联网定位系统中的路边单元部署场景。
图2为1覆盖场景下线性部署模式和交错部署模式的几何分析，其中(a)为线性部署模式，(b)为交错部署模式。
图3为k覆盖场景下多层基本部署模式的空间组合示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明采用几何精度因子来度量部署模式的性能，并给出一个两阶段的部署策略：首先将问题简化为路边单元的1覆盖场景，寻找一种最优的基本部署模式；其次针对k覆盖场景，路边单元的部署可以建模为一个优化问题，在rss和混合toa/doa两种定位方式下，通过寻求k层基本部署模式的优化组合以最小化区域平均gdop；最后采用异步粒子群优化算法进行启发式搜索，以获得全局最优的路边单元部署位置。
具体的说，本发明包括如下步骤：
1)采用几何精度因子来度量路边单元部署方案的性能，并利用费希尔信息矩阵(fisherinformationmatrix，fim)和统计模型，分别对rss和混合toa/doa两种定位方式下的几何精度因子表达式进行描述；
针对车联网定位中存在的rss和混合toa/doa两种定位方式，本发明通过观测矢量的联合概率密度函数计算出其费希尔信息矩阵(fim)，在统计模型中，fim与观测值的雅可比矩阵有关，从而可由fim推导得到定位估计的几何精度因子。几何精度因子表达式的推导过程如下：
几何精度因子首先被应用于gps系统中，用于评估卫星的位置对接收机定位精度的影响，其定义为
通常来说，车联网定位算法主要可分为基于rss的算法和基于混合toa/doa的算法两个种类，本发明对两种类型算法的gdop表达式分别进行了推导。对rss方式的定位算法，其推导与gps系统中针对toa伪距的gdop推导过程类似。车联网定位场景如图1所示，令车辆从k个rsu处接收到的观测向量r＝{pi}，i＝1，…，k，其中pi代表从第i个rsu处接收到的信号强度，可知pi服从高斯分布
上式中
其中e{*}表示计算数学期望，令
对于混合toa/doa方式的定位算法，车辆通常装有接收天线阵列，通过阵列处理技术联合估计所需的toa和doa参数，以达到较高的定位估计精度。假设车辆具有m根天线的均匀线性阵列接收机，为已知的单位能量传输信号，接收机从第i个rsu处获得的基带接收信号可以表示为ri(t)＝[ri，0(t)，…，ri，(m-1)(t)]，i＝1，…，k，其中
ri(t)＝a(θi)γis(t-τi)+ni(t)
上式中，γi为与距离相关的信道增益，τi和θi分别为对应于第i个rsu的传输时延toa和到达角doa，ni(t)表示均值为零，功率谱密度为
其中参数ρ、f和c分别表示天线间距、信号的载频和传输速度，为了便于推导gdop，我们将接收信号转化为离散形式，通过采样间隔为t的n点离散时间采样，接收信号ri(t)的联合概率密度函数可表示为
其中μi(tk)＝a(θi)γis(tk-τi)，tk为第k个采样时刻，利用几何关系x＝xi+cτicosθi和y＝yi+cτisinθi，我们可以将p(ri|τi，θi)表示为p(ri|u)，进一步推导可得混合toa/doa定位方式的gdop表达式为
上式中，fu表示p(ri|u)的对数似然函数的费希尔信息矩阵：
2)通过对k覆盖场景路边单元部署问题的分析，可以首先将问题简化为1覆盖(全覆盖)场景，即定位区域内每一点均被一个路边单元覆盖，可通过对不同部署模式的几何分析得到此场景下最优化的路边单元基本部署模式，以最大化部署效率。
1覆盖场景下的基本部署模式获得过程如下：
研究k覆盖路边单元的部署问题时，我们首先将其简化为一个1覆盖(全覆盖)场景下的部署问题，即定位区域内每一点均被至少一个路边单元覆盖时，寻找在此条件下的路边单元最优部署模式(optimalplacementpattern，opp)，也可称为基本部署模式，而k覆盖场景下的优化部署则只需要对上述基本部署模式进行空间上的叠加组合即可方便获得。
考虑到最小化部署成本，假设路边单元的最大通信距离为r，1覆盖路边单元部署问题可以转化为如何利用最少的半径为r的圆盘模型对定位区域进行全覆盖的问题。受无线传感器网络中节点覆盖的三角网格模式的启发，很容易证明均匀分布是保证全覆盖的最佳布局。由于路边单元通常设置于道路两侧，且其通信半径远远大于道路的宽度，本发明重点分析了两种典型的rsu均匀部署模式：线性部署模式和交错部署模式，分别如图2(a)和(b)所示，以获得部署成本最小(效率最高)的部署模式。令道路宽度为l，由几何分析可知，图2(a)中线性部署模式中相邻rsu之间的间距(沿道路方向)为
3)在步骤2)的研究基础上，k覆盖场景的路边单元部署可以建模为一个优化问题，通过对k层基本部署模式的空间组合优化，建立起以最小化区域平均几何精度因子为目标的优化函数。
在寻找到1覆盖的最优部署模式(opp)后，我们可以将其扩展到k覆盖场景下的路边单元部署问题。为满足覆盖度的需求，一种可用的方式是首先固定一层opp路边单元作为基础部署，然后在其上叠加部署(k-1)层附加的opp路边单元，每一层opp之间具有不同的空间位移，所得到的k层路边单元部署组合可以使定位区域达到k覆盖，且部署效率最高。同时，此路边单元部署组合也应满足最大化系统定位性能的需求，即尽量降低整个定位区域的平均gdop值。考虑到空间的对称性，我们采取任意的梯形网格区域η作为研究区域(图2(b)中的虚线框)，则路边单元的部署可以转化为一个区域η上的优化问题，其目标函数可以定义为
f(η，k)＝||η||-1∫ηgdop(ursu，uη)duη
上式中的参数||η||代表区域η的面积，ursu和uη分别代表了对区域η实现k覆盖的rsu位置集合和区域η中的任意一点，最小化优化目标函数f(η，k)即可获得k覆盖场景路边单元的最优化部署模式。
4)采用异步粒子群优化算法对步骤3)中所述优化函数进行求解，通过迭代搜索获得路边单元的最优化部署位置。
采用异步粒子群优化算法时，通过设置异步时变的学习因子和惯性权重，迭代搜索获得最优化的路边单元部署位置，同时降低计算复杂度。其具体求解过程如下：
为了便于求解上述优化问题，首先我们取第一层opp中的任一rsu位置作为坐标原点o，取以o为中心的梯形区域作为研究区域η。注意到叠加的每层opp可以看做将第一层opp沿道路边缘做相应位移后所得，因此令位移集合d＝[d1，…，di，…，dk-1]，di∈(-ds，ds)，则如图3所示，第i层opp对应位移di，第j层opp对应位移dj，上述优化问题可以转化为寻找一个最优化的位移集合d，使生成的路边单元部署组合能够最小化目标函数f(η，k)。此优化问题为np-hard问题，本发明采用异步粒子群优化算法(apso)来进行迭代求解。apso算法在粒子群搜索过程中采用了异步时变的学习因子和线性递减的惯性权重，可以极大降低迭代计算的复杂度，其搜索速率方程和状态更新方程分别为：
在apso算法的第k次迭代过程中，每一粒子i经由速率
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。