一种基于车辆自组织网络的车辆位置定位信息融合方法
【技术领域】
[0001] 本发明属于车辆位置定位信息技术领域，具体涉及一种基于车辆自组织网络的车 辆位置定位信息融合方法。
【背景技术】
[0002] 车联网（Internet of Vehicles)是由车辆位置、速度和路线等信息构成的巨大交 互网络。通过GPS、北斗、RFID、雷达、摄像头等传感器装置，车辆可以完成自身环境和状态信 息的采集;通过互联网技术，所有的车辆可以将自身的各种信息传输汇聚到中央处理器;通 过计算机技术，这些大量车辆的信息可以被分析和处理，从而计算出不同车辆的最佳路线、 及时汇报路况和安排信号灯周期。
[0003] 车辆自组织网络(Vehicular Ad-hoc Network,VANET)是传统的移动自组织网络 (MANET)在交通道路上的应用，是一种特殊的移动自组织网络，是一种自组织、无固定结构 的车辆间通信网络。。根据中国物联网校企联盟的定义，车联网（Internet of Vehicles)是 由车辆位置、速度和路线等信息构成的巨大交互网络。通过互联网技术，所有的车辆可以将 自身的各种信息传输汇聚到中央处理器;通过计算机技术，这些大量车辆的信息可以被分 析处理和融合，从而计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期。VANET 可以作为车联网中重要的一个重要补充实现方法。
[0004] VANET下的车辆的安全性非常重要。通常车载传感器对周围环境信息的感知要比 驾驶员准确，车辆可以通过车载网来提高传感器感知的灵活性和准确性。如果车载传感器 可以捕获车辆前端或某一方向的目标车辆的位置、距离、速度及其他预警信息，则驾驶员可 以采取相关应对措施。提高车辆目标定位精度的基本思想就是，通过安装的摄像头、GPS、雷 达测距传感器、陀螺仪及其他传感器和动态控制单元辅助系统，将不同的传感器所得的有 差异的结果，利用融合算法减小误差，提升准确度;进一步，传感器信息和融合后得到的信 息也可以通过额外的中继站或网络传递给路边基站，从而使信息得到更广泛的传播，提升 VANET中的车辆目标定位范围。
[0005] 在VANET下，网络的性能参数对目标车辆的定位有一定的影响。在VANET中，随着车 载网中车辆数目的不断增加，拓扑结构变化频繁，网络服务质量（QoS，Quality of Service)需要得到保障。除此之外，车辆在进行目标定位时，不仅是本车的数据融合和识 另IJ，还需要通过网络同其他车辆或基站进行通信，时延、时延抖动、带宽、丢包率等网络性能 参数就变得很重要，其中最主要的是速率和时延两个参数。
[0006] 在VANET下要进行多辆车之间的数据交互，地理位置(包括GPS定位、北斗定位、无 线基站定位、路侧单元辅助定位等获取到的地理位置，本发明之后的描述均以GPS代替）、图 像测距和雷达测距等信息在网络中传输，时延导致接收到的信息不再准确。如图1所示，在 传输延迟的时间内，车辆从黑色线条位置运动到白色线条处。
[0007] 专利申请号为CN201110302260.0的《基于车联网实现图像信息共享的方法、装置 和系统》公开了 一种基于车联网实现的图像信息共享方案。专利申请号为 CN201110183075.4的《基于多传感器信息融合的碰撞及偏离预警装置及预警方法》公开了 多传感器信息融合，并且实现了一种采用视觉与雷达相结合的预警方法，提高了汽车防撞 防车道偏离的准确率的方案。
[0008] 论文《车载自组网协作定位算法研究》(彭鑫、李仁发、王东、李哲涛）中给出了一种 多车辆协作相对位置定位的方法;论文《基于信息融合的汽车防追尾避撞目标识别研究》 (张西雅）中提出了通过信息融合实现多个传感器数据的融合后的最优化，并实现汽车防追 尾避撞目标识别方案；论文《基于车辆联网的实时路况信息系统研究》（姚敏杰）研究了 VANET下的实时动态路况信息采集与分发、路段交通识别算法和路况查询几个方面的关键 技术。论文《基于IS0A的VANET自适应数据传输算法》（陈秉试）中仿真得到网络吞吐量可以 达到1.7592Mb/s。论文《基于车载自组织网络的数据分发算法研究》(钟婷)提出了高效的基 于车载自组织网络的交通信息分发算法ET DAR。
[0009] 上述现有技术的方案都没能实现在车辆周边情况实时检查和信息共享的前提下， 进行有效提高前方车辆准确性定位的方法。
【发明内容】
[0010] 针对现有技术的不足，本发明旨在提供一种基于车辆自组织网络的车辆位置定位 信息融合方法，以实现在车辆周边情况实时检查和信息共享的前提下，有效提高前方车辆 定位的准确性。
[0011] 为了实现上述目的，本发明采用如下技术方案:一种基于车辆自组织网络的车辆 位置定位信息融合方法包括如下步骤：
[0012] S1，确定自组织网络内的目标车辆周围的车辆数，如车辆数为η辆，则运行η次单车 数据融合方法;假设目标车辆周围有四辆车，则运行四次单车数据融合方法；
[0013] S2,运用模糊贴近度融合方法，剔除其中疏失的数据，并根据贴近度计算权重，得 到车辆位置定位信息ll#。
[0014] 优选的技术方案，所述步骤S1中单车数据融合方法如下：
[0015] 步骤S11，假设自组织网络系统内的第一视角车辆为A，且第一视角车辆A周围仅有 车辆B在自组织网络系统内；P为A车前方的目标车辆并且P车不是自组织网络系统成员;A车 通过本发明方法测量A车到P车的距离;系统中使用的是GPS，系统内的车辆的实时时间都是 通过GPS授时所得;Lon B表示B车的炜度，LatB表示B车的经度;aB表示B车的加速度;VB表示B 车运行速度;Lbp表示B车通过雷达或者图像摄像装置检测得到的距离P车的距离；（aP，VP)表 示B车通过雷达或者图像摄像装置检测得到的目标车辆P车的加速度和速度，其传输信息里 包含方向信息；
[0016] 假设传输时延平均为τ，ΤΑ为A车接收到数据后开始处理的时间戳;Ta-Tb为时间差， 由系统结构可以知道，
[0017] Ta_Tb = t 十TP rocess
[0018] 其中T_cess为系统处理过程的固定延迟。在高处理速度情况下，可以近似认为：
[0019] Τα-Tb * T
[0020] 在延迟时间内Α车行驶的距离为：
[0028] Sa为AA'，Sb为BB'，Sp即为PP'，ASbp=(PP/_BB/ );
[0029] 对B经纬度信息进行预修正，得到B车在A车收到信息以后所在的位置GPS坐标V (LonB，，LatB〇
[0030] B'（LonB'，LatB，）= =B(LonB，LatB)+SB
[0031] 对B传输的目标P的相关信息进行预修正，
[0032] Lb，p，= =Lbp+ Δ Sbp
[0033] A车自身的传感器数据可以认为是实时获取的即得到A7 (LorusLatV )，预修正后 的Lab。S7 a7 B7 (gps) ;Lab表;^A车和B车的距尚；这里根据修正后经炜度坐计算出的距i^Lab = S7 a7 B7 (gps)记为Sab(gps)(矢量方向即为A车到B车的方向），误差为ω ab(gps)，即Lab = Sab(gps)十 ω AB(GPS);
[0034] 获取到B车数据，并进行预修正后融合得到Lab = Sab(gps)+ ω ab(GpS)和修正后的LbY ;
[0035] 步骤S12，A车通过图像测距或雷达测距实时获取系统内B车的距离，记图像测距结 果为SAB(Image)，k差为〇 AB(Image);雷达测距所得到的距尚为SAB(Radar)，k差为〇 AB(Radar);技丰不 量加权最优融合稳态卡尔曼滤波