一种适用于车联网的车辆间直视径判别及协作定位的方法

摘要

本发明公开了一种适用于车联网的车辆间直视径判别及协作定位的方法，首先RSU接收通信范围内的车辆信息，并统计其覆盖范围内的车辆总数；其次，RSU根据其覆盖范围和车辆总数计算车辆之间的平均距离为d=LN/M，并将其通知其通信范围内的所有车辆。各车辆通过副链路测量与其它车辆之间的距离，将小于平均接入距离d的车辆识别为有直视径的车辆；接下来，参与协作定位的各车辆通过副链路依次广播有关自己位置的置信信息，各车辆利用与它们有直视径的车辆发来的置信信息计算更新自己位置的置信信息；最后迭代停止，输出各车辆的最终位置。在计算平均距离的过程中，M为车辆总数，N为公路的车道数，L为RSU通信范围所覆盖的公路长度。

权利要求

1.一种适用于车联网的车辆间直视径判别及协作定位的方法，其特征在于，该方法包括以下步骤：（1）路侧单元接收通信范围内的车辆信息，并统计其覆盖范围内的车辆总数；

（2）路侧单元根据其覆盖范围和车辆总数计算车辆之间的平均距离为d=LN/M，并将其通知其通信范围内的所有车辆，其中，M为车辆总数；N为公路的车道数；L为路侧单元通信范围所覆盖的公路长度；

（3）各车辆通过副链路测量与其它车辆之间的距离，将小于平均接入距离d的车辆识别为有直视径的车辆；

（4）参与协作定位的各车辆通过副链路依次广播有关自己位置的置信信息；

（5）各车辆利用与它们有直视径的车辆发来的置信信息计算更新自己位置的置信信息，并返回步骤（ 4）；

（6）迭代到规定次数后停止，输出各车辆的最终位置。

说明书

一种适用于车联网的车辆间直视径判别及协作定位的方法

技术领域

[0001] 本发明是一种适用于车联网的车辆间直视径判别方法，可提高协作定位的精度，属于移动通信系统中的信号处理领域。

背景技术

[0002] 位置信息是一个重要的数据，需要在车辆间及时分享，以避免事故的发生。车辆可以通过蜂窝信号或卫星信号进行定位。在开阔环境中，如城郊或高速公路，多径和遮挡是可以忽略的。这时候，不论是采用蜂窝信号或是卫星信号，都可以获得较高的定位精度。但是，当车辆处在隧道、地下车库或其他多径和遮挡严重的区域，GPS信号较弱，而蜂窝信号又没有直视径，因而无法获得足够精度的位置信息。LTE-V定义了副链路(Sidelink)用于车辆对车辆(V2V)场景下车辆之间的通信。通过副链路，车辆之间不仅可以传输数据，还可以测量彼此之间的相对距离，这使得将协作定位(Cooperative Location)技术应用到车联网成为可能。但是，现有的协作定位方法主要针对无线传感器网，没有考虑过直视径/非直视径(LOS/NLOS)问题，无法应用到V2V场景中。在车联网中，由于车辆的相互遮挡，并不是所有车辆之间的信道都存在LOS径，而协作定位需要估计车辆之间的距离，NLOS径导致距离无法准确估计。

[0003] 信道状态的统计信息可以用来分辨直视径和非直视径。发送端发出的信号通过不同的路径到达接收端。因此，接收信号通常由直视分量(LOS Component)和散射分量(Diffusive Component)组成。如果直视分量被发送端和接收端之间的障碍物阻挡，接收信号中就只存在散射分量。此时的信道状态统计信息与存在直视分量时完全不一样，比如莱斯K因子(Ricean K-factor)。它在非直视径中的值接近0，而在直视径中可高达十几。

[0004] 虽然信道状态的统计信息可用来分辨直视径和非直视径，但这些方法主要针对传统蜂窝通信环境。在传统蜂窝通信环境中，由于基站是固定的，且用户移动缓慢，所以信道通常属于广义平稳非相关散射(WSSUS)信道。而V2V信道是快速时变(Highly time-variant)的非稳态(Unstationary)信道，且周围的散射信号是相关的，因而无法建模成WSSUS信道，信道的统计特性也随时间和传播环境的变化而变化，与传统蜂窝通信环境完全不同。

发明内容

[0005] 本发明的目的是针对车联网，利用RSU搜集的车辆信息，计算车辆间的平均距离，然后通过该平均距离判断车辆间是否为直视径，并据此进一步提供一种快速可靠、实现复杂度低、既适于LTE-V又适于其它车载通信技术的协作定位方法。

[0006] 为了实现上述目的，本发明采用如下的技术方案，一种适用于车联网的车辆间直视径判别及协作定位的方法，该方法包括以下步骤：

[0007] 步骤1)、RSU接收通信范围内的车辆信息，并统计其覆盖范围内的车辆总数；

[0008] 步骤2)、RSU根据其覆盖范围和车辆总数计算车辆之间的平均距离为d＝LN/M，并将其通知其通信范围内的所有车辆，其中，M为车辆总数；N为公路的车道数；L为RSU通信范围所覆盖的公路长度；

[0009] 步骤3)、各车辆通过副链路测量与其它车辆之间的距离，将小于平均接入距离d的车辆识别为有直视径的车辆；

[0010] 步骤4)、参与协作定位的各车辆通过副链路依次广播有关自己位置的置信信息；

[0011] 步骤5)、各车辆利用与它们有直视径的车辆发来的置信信息计算更新自己位置的置信信息，并返回步骤4)；

[0012] 步骤6)、迭代到规定次数后停止，输出各车辆的最终位置。

[0013] 有益效果：

[0014] 本发明提出了一种路侧通信单元(RSU)辅助的直视径与非直视径识别技术和协作定位方法。在所提出的方法中，RSU根据其信号覆盖的范围和范围里的车辆总数计算车辆之间的平均距离，并将其通知各个车辆。车辆之间通过V2V信号测量彼此之间的距离，将小于平均接入距离的车辆识别为有直视径的车辆，并进行协作定位。本发明可以有效提高协作定位的精度，且计算复杂度低，此外本方法对现有移动通信标准影响不大，可以与LTE-V简单地结合，车辆端和RSU只需增加简单的计算，不需要增加额外的硬件设备。

附图说明

[0015] 图1车联网通信示意图；

[0016] 图2为MAP算法初始化阶段示意图；

[0017] 图3为MAP算法初始化阶段用户行为流程图；

[0018] 图4为MAP算法迭代阶段示意图；

[0019] 图5为MAP算法迭代阶段用户行为流程图。

具体实施方式

[0020] 下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好的理解本发明。需要特别注意的是，在以下的描述中，由于对一些已知的技术和功能的详细描述可能会淡化本发明的内容，这些描述在这里将被忽略。

[0021] 实施例1：

[0022] 考虑一段公路长度为L米，分为N个车道，共有M辆车，由一个RSU(或基站)覆盖，如图1所示。以车载通信技术标准LTE-V为例，RSU(或基站)将M个车辆组成一个车联网，分配相应的无线资源块(RB)用于V2V通信。车联网内的每辆车按规定的顺序依次在分配的RB上发送信息。当一辆车发送信息时，其它车辆不发送信息，只接收信息。车辆之间通过PC5接口通信，车辆和RSU之间可以通过PC5接口，也可以通过Uu口通信。RSU已知自己的覆盖区域和车道数，根据车辆的数量，可得到如下所示的车辆平均距离：

[0023]

[0024] 以图1中的场景为例，假设长L＝1000米的一段公路，有N＝2个车道。RSU通过PC5或Uu口接收到M＝8辆车的信息，分别为车辆V1，车辆V2，…，车辆V8的信息。车辆之间通过PC5接口通信。由于V2和V3之间没有遮挡，所以它们之间的Sidelink是存在LOS径。而V1和V3之间有V2遮挡，它们之间通信时不存在LOS径，只有经过V6或其它车辆以及公路周边建筑物反射过来的NLOS径。根据[公式一]，RSU可计算得到车辆的平均距离为d＝250米，并将其通知车联网中的每辆汽车。在车辆通信期间，每辆车通过Sidelink可以接收到其它车辆广播的信号。根据接收功率(RSSI)或到达时间(TOA)，接收车辆可以估计出与其它车辆之间的距离，并将小于小于d的车辆分辨为存在直视径的车辆。例如，图1中的V3将小于d＝250米的V2，V4，V6和V7分辨为存在直视径的车辆。

[0025] 当车联网采用协作定位技术时，根据LTE-V通信标准，每辆车依次在指定的资源块上通过Sidelink广播自己位置的置信(Belief)信息。在该车辆发送信息时，其它车辆不发送信息，只接收信息，以避免产生干扰。接收车辆通过解码Sidelink上的信息获得发送车辆位置的置信信息，并通过Sidelink信号的功率或到达时间估计与发送车辆之间的距离。当车联网内所有的车辆广播完之后，所有的车辆也就会得到与所有其它车辆间的距离以及它们的置信信息。与现有协作定位方法不同的是，接收车辆只保留小于平均接入距离的车辆的置信信息和测量的距离，并将它们带入到公式中计算自身位置的置信信息，并在下一周期中向周围的车辆广播，完成一次迭代。

[0026] 实施例2：

[0027] 根据是否将车辆的位置信息看做是一个随机变量，经典的协作定位技术可以分为非贝叶斯估计(Non-Bayesian estimation)和贝叶斯估计(Bayesian estimation)两类方法。非贝叶斯估计将车辆的位置看做一个未知的常量，包括LS(Least  Square)和ML(Maximum Likelihood)等算法。LS估计器不考虑噪声的统计信息，ML估计器考虑噪声源的统计信息并最大化似然函数。贝叶斯估计包括MMSE(Minimum Mean Squared Error)估计和MAP(Maximum A Posteriori)估计。MMSE估计器得到后验分布的均值，MAP估计器得到后验分布的模式。本发明中提到的协作定位方法是指MAP方法，主要过程如下：

[0028] 假设车辆在GPS信号较弱的隧道或地下停车场中移动。在这种情况下，车辆没有关于其位置的信息。车辆的定位分为两个阶段：初始化阶段和迭代阶段。

[0029] MAP估计器可以以集中方式或分布式方式实现。在集中定位中，所有车辆的位置由中央处理器确定，该处理器从车辆和RSU收集测量结果并计算所有车辆的位置。在分布式定位中，没有中央处理器，每个车辆基于到相邻车辆的距离和由相邻车辆发送的信息来推断其自己的位置。

[0030] 假设参与定位的车辆有三辆，分别以车辆A、车辆B和车辆C表示。且车辆A与车辆B之间有直达径，车辆B与车辆C之间有直达径，车辆A与车辆C之间由于受到车辆B的阻挡，没有直达径。

[0031] 初始化阶段示意图如图2所示。

[0032] zM表示车辆或RSU的位置；zM有横坐标xM和纵坐标yM两个元素；dMR表示车辆M与RSU之间的距离；bR(·)表示RSU发送的置信信息。因为RSU的位置是确定的，所以它的置信信息bR(·)是冲激函数(δ函数)，RSU通过副链路向车辆进行广播bR(·)；车辆与RSU之间的距离可以通过测量副链路的TOA获得。

[0033] 用户行为流程图如图3所示。以A为例说明变量值的计算，其中， 表示A的位置的后验概率分布，可由[公式二]计算：

[0034]

[0035] 其中，

[0036]

[0037] 其中， 表示距离估计的噪声方差。输出信息可由[公式四]计算：

[0038]

[0039] MAP估计器可以以集中方式或分布式方式实现。若采用集中方式，所有车辆的位置由中央处理器确定，该处理器从车辆和RSU收集测量结果并计算所有车辆的位置。若采用分布式方式，没有中央控制器，每辆车基于到相邻车辆的距离和由相邻车辆发送的置信信息来确定自己的位置。

[0040] 迭代阶段示意图如图4所示。

[0041] 表示置信信息，b的下标M表示置信信息的发送车辆，b的上标l表示迭代索引；dMN表示车辆M、N之间的距离。因为在MAP估计中不考虑NLOS径，所以首先需要确定NLOS径，对其进行排除。置信信息通过副链路进行广播；两车辆之间的距离可以通过测量副链路的TOA得到。

[0042] 用户行为流程图如图5所示。

[0043] 由于RAU的位置已知，所以他不需要广播置信信息。以车辆B为例说明变量的计算。

[0044] 输出为 由[公式五]计算。

[0045]

[0046] 车辆A、B、C的迭代公式如[公式六]所示：

[0047]

[0048] 其中，

[0049]

[0050]

[0051]

[0052] 根据以上两个实施例的描述，可以得到一种适用于车联网的直视径判别方法和协作定位的实现步骤如下：

[0053] 步骤1)、RSU接收通信范围内的车辆信息，并统计其覆盖范围内的车辆总数；

[0054] 步骤2)、RSU根据其覆盖范围和车辆总数计算车辆之间的平均距离为d＝LN/M，并将其通知其通信范围内的所有车辆；

[0055] 步骤3)、各车辆通过副链路测量与其它车辆之间的距离，将小于平均接入距离d的车辆识别为有直视径的车辆；

[0056] 步骤4)、参与协作定位的各车辆通过副链路依次广播有关自己位置的置信信息；

[0057] 步骤5)、各车辆利用与它们有直视径的车辆发来的置信信息计算更新自己位置的置信信息，并返回步骤4)；

[0058] 步骤6)、迭代到规定次数后停止，输出各车辆的最终位置。

[0059] 以上所述即使本发明的实施方法，应当指出：对于本技术领域的普通技术人员来说，再不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。