[发明专利]一种智能交通系统中多车辆协作定位方法

说明书

本发明提供一种智能交通系统中多车辆协作定位方法，能够提高车辆的定位精度。所述方法包括：根据获取的目标车辆在当前时刻的位置观测值和运动观测值，计算所述目标车辆在下一时刻的位置测量值；获取所述相邻车辆的数目，并结合获取的目标车辆在当前时刻的位置观测值和运动观测值，以及计算得到的所述目标车辆在下一时刻的位置测量值，构造系统的运动方程；根据获取的目标车辆和相邻车辆在当前时刻的位置观测值，计算所述目标车辆与相邻车辆之间的相对位置信息，并根据相邻车辆的数目，构造系统的观测方程；将系统的运动方程和观测方程代入到扩展卡尔曼滤波中，得到目标车辆的位置估计值。本发明涉及无线定位技术领域。

技术领域

本发明涉及无线定位技术领域，特别是指一种智能交通系统中多车辆协作定位方法。

背景技术

近年来，随着车辆变得更加智能和自动化，在智能交通系统中，各种安全相关的应用，如交通状况的实时估计，碰撞警告系统，车道偏离警告系统等，这些都是为了提高驾驶的效率和安全性，从而减少了车辆碰撞事故。而这些安全应用程序主要依赖于本地交通网络提供的车辆位置信息。车辆导航技术包括全球定位系统(GPS)、全球卫星导航系统(GLONASS)，伽利略和Beidou系统(BDS)，它们可以为车辆用户提供位置信息。GPS是车辆定位中最常用的定位设备之一。然而，众所周知，GPS信号受到不同来源的噪音和退化以及在复杂的环境下信号的暂时丢失，而且GPS卫星可见度估计不足，这使得GPS不能在所有情况下提供精确的位置信息。我们用于汽车应用的低成本GPS接收机导航系统遭受着低精度和频繁的信号中断问题。通常情况下，GPS标称的精度约为10m，这对于车辆主动安全系统来说误差太大。

提高自我定位准确性的最常用方法之一是使用其他嵌入式信息源，结合导航数据，通过数据融合，获取更准确的位置估计。目前常用的提高GPS性能的技术有基于卡尔曼滤波(Kalman filtering)的方法。基于卡尔曼滤波的方法主要思想是通过滤波减小GPS伪距误差，但这种方法并没有结合周边车辆的位置信息，在智能交通系统中所提供的定位精度不高。

发明内容

本发明要解决的技术问题是提供一种智能交通系统中多车辆协作定位方法，以解决现有技术所存在的定位精度低的问题。

为解决上述技术问题，本发明实施例提供一种智能交通系统中多车辆协作定位方法，包括：

获取系统中目标车辆和相邻车辆在当前时刻的位置观测值，所述相邻车辆为与所述目标车辆相邻的车辆；

获取所述目标车辆在当前时刻的运动观测值；

根据获取的目标车辆在当前时刻的位置观测值和运动观测值，计算所述目标车辆在下一时刻的位置测量值；

获取所述相邻车辆的数目，并结合获取的目标车辆在当前时刻的位置观测值和运动观测值，以及计算得到的所述目标车辆在下一时刻的位置测量值，构造系统的运动方程；

根据获取的目标车辆和相邻车辆在当前时刻的位置观测值，计算所述目标车辆与相邻车辆之间的相对位置信息，并根据相邻车辆的数目，构造系统的观测方程；

将系统的运动方程和观测方程代入到扩展卡尔曼滤波中，得到目标车辆的位置估计值。

进一步地，所述获取系统中目标车辆和相邻车辆在当前时刻的位置观测值包括：

获取k时刻目标车辆X₀的位置观测值X_0k＝[x_0k y_0k θ_0k]^T；

其中，k时刻表示当前时刻，T表示转置，x_0k表示k时刻目标车辆X₀在x轴坐标，y_0k表示k时刻目标车辆X₀在y轴坐标，θ_0k表示k时刻目标车辆X₀运动方向与x轴所形成的夹角；