[发明专利]面向车联网定位的非全覆盖场景路边单元部署方法和系统

说明书

本发明公开了面向车联网定位的非全覆盖场景路边单元部署方法和系统，包括根据车辆端从RSU处获取RSS、TOA和AOA三种典型测距信息求解费舍尔信息矩阵中元素，获得费舍尔信息矩阵；根据车辆位置估计误差特定和费舍尔信息矩阵建立非线性模型；基于非线性模型计算区域平均GDOP；将非全覆盖场景下RSU部署间距D与区域平均GDOP的比值作为RSU部署的成本效率，以最大化所述RSU部署的成本效率为优化目标建立目标函数；对优化目标函数进行求解，通过迭代搜索获得路边单元的最优化部署位置。本发明能够获得最优化的非全覆盖场景路边单元部署模式。

技术领域

本发明属于无线定位的技术领域，具体涉及面向车联网定位的非全覆盖场景路边单元部署方法和系统。

背景技术

车联网(Vehicle Ad-hoc Networks,VANETs)可以有效提高车辆的通信效率，满足用户对于出行便捷性和安全性的需求，这对于目前正高速发展的智能交通系统来说是至关重要的。在车联网的一些重要应用，如信息收集、路况预警和车辆定位中，除了车辆间通信可以不经由RSU辅助之外，其他车路协同的通信方式都需要RSU(Road Side Unit，路侧单元)的参与，并且RSU的部署特性如覆盖范围、部署密度和位置布局等也都会影响到应用的实际性能。另一方面，由于RSU的布设成本较高，而网络的连通性并不随RSU数量的增加而无限制提高，因此在成本预算制约下，车联网领域关于如何用较少的RSU实现最优化覆盖具有重要的研究意义。在RSU参与的车联网定位中，研究表明，除定位算法的性能外，RSU的地理布局也会对系统的定位精度产生影响。如果车辆能够利用里程计或惯性传感器等器件进行航位推算(Dead Reckoning，DR)，则其可以通过自身的速度和航向信息实现在RSU非覆盖区域(Non Covered Area，NCA)的自定位。而在RSU覆盖区域，车辆也可以通过卡尔曼滤波等技术利用RSU的测距信息对DR算法的定位误差进行修正，从而进行更精确的定位。因此，车辆可经由DR技术的辅助实现在车联网非全覆盖场景下的连续定位，从而极大降低对RSU部署数量的需求，相比RSU全覆盖式的车联网定位具有更高的经济效益，而在此非全覆盖场景下系统地研究RSU位置部署对定位性能的影响也变得十分必要。

发明内容

本发明的目的是在车联网定位领域提供一种路边单元(RSU)的部署策略，该策略能够在非全覆盖场景下通过优化RSU的部署模式，提高部署效率，使系统获得最优化的定位性能。

为实现上述技术目的，本发明采用以下技术方案。

一方面，本发明提供一种面向车联网定位的非全覆盖场景路边单元部署方法，包括：

根据车辆端从RSU处获取RSS、TOA和AOA三种典型测距信息求解费舍尔信息矩阵中元素，获得费舍尔信息矩阵；

根据车辆位置估计误差特定和费舍尔信息矩阵建立非线性模型；基于非线性模型计算区域平均GDOP；

将非全覆盖场景下RSU部署间距D与区域平均GDOP的比值作为RSU部署的成本效率，以最大化所述RSU部署的成本效率为优化目标建立目标函数；对优化目标函数进行求解，通过迭代搜索获得路边单元的最优化部署位置。

进一步地，基于车辆位置估计误差和费舍尔信息矩阵建立非线性模型表示如下：

其中为非线性模型的平衡点，T_s为采样时间间隔，Q为车辆位置估计误差特性，F(u)为费舍尔信息矩阵，u∈AB，u为边界AB上的任意点。

进一步地，所述费舍尔信息矩阵定义为：