王 群，錢煥延

（1.南京理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇南京 210094;2.江蘇警官學(xué)院 公安科技系，江蘇南京 210031）

0 引言

車聯(lián)網(wǎng)（Internet of vehicles，IoV）概念的提出，使智能交通系統(tǒng)（intelligent transport system，ITS）的輪廓逐漸變得清晰，已成為物聯(lián)網(wǎng)（Internet of things，IoT）領(lǐng)域一個(gè)重要分支。車聯(lián)網(wǎng)即車輛物聯(lián)網(wǎng)，是以行駛中的車輛為信息感知對(duì)象，使人與車、車與車、車與道路基礎(chǔ)設(shè)施之間實(shí)現(xiàn)高效的信息交換與共享，從而對(duì)人、車、路和交通設(shè)施進(jìn)行智能管控，進(jìn)而改善道路交通狀況、提高出行效率、延伸信息化應(yīng)用范圍的綜合信息服務(wù)與智能決策系統(tǒng)［1］。

綜合了無(wú)線移動(dòng)自組網(wǎng)（mobile Ad Hoc networks，MANET）和無(wú)線傳感器網(wǎng)絡(luò)（wireless sensor networks，WSNs）的通信特征，車輛節(jié)點(diǎn)通常有序地分布在道路交通環(huán)境中執(zhí)行各種監(jiān)測(cè)、通信和控制任務(wù)，以開(kāi)放的無(wú)線自組織方式協(xié)調(diào)工作。與MANET相比，車聯(lián)網(wǎng)具有自治性、多跳路由、網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)變化、網(wǎng)絡(luò)帶寬受限等MANET所具有的各種特點(diǎn)，但節(jié)點(diǎn)的密集分布、道路通信環(huán)境的限制、節(jié)點(diǎn)的高速移動(dòng)等特點(diǎn)是傳統(tǒng)的MANET不具備的。車聯(lián)網(wǎng)是在道路交通環(huán)境下使用的一種特殊的WSNs，它在沿襲了路由協(xié)議、MAC協(xié)議、拓?fù)淇刂啤⒍ㄎ患夹g(shù)、時(shí)間同步、安全技術(shù)、數(shù)據(jù)融合與管理等WSNs所具有的成熟技術(shù)的同時(shí)，在較大程度上克服了傳統(tǒng)WSNs節(jié)點(diǎn)存在的能耗、處理能力、存儲(chǔ)能力、通信能力等方面的限制性。

車聯(lián)網(wǎng)是一種特殊的MANET，也是一種在特定環(huán)境下使用的WSNs，還是一種特殊用途的物聯(lián)網(wǎng)。為此，對(duì)于車聯(lián)網(wǎng)這一新技術(shù)的研究，需要在充分考慮網(wǎng)絡(luò)環(huán)境、節(jié)點(diǎn)移動(dòng)規(guī)律、應(yīng)用背景等特殊性的前提下，充分繼承和借鑒已有的成果。其中，定位是車聯(lián)網(wǎng)的關(guān)鍵技術(shù)之一，沒(méi)有具體位置信息的車輛感知數(shù)據(jù)是沒(méi)有實(shí)際意義和應(yīng)用價(jià)值的。誠(chéng)然，也可以通過(guò)為每一個(gè)車輛人工安裝全球定位系統(tǒng)（global positioning system，GPS）或北斗衛(wèi)星接收機(jī)的方式來(lái)實(shí)現(xiàn)車輛的實(shí)時(shí)定位，但GPS或北斗衛(wèi)星系統(tǒng)的定位精度以及車輛行駛在城市高樓之間、林蔭大道、隧道等特殊路段時(shí)接收機(jī)無(wú)法正常工作等問(wèn)題，使GPS或北斗系統(tǒng)無(wú)法直接應(yīng)用到車聯(lián)網(wǎng)每個(gè)車輛的實(shí)時(shí)定位中，必須采用一定的機(jī)制與算法來(lái)解決相關(guān)的問(wèn)題。

本文在綜述MANET和WSNs中定位技術(shù)基本理論的基礎(chǔ)上，針對(duì)車聯(lián)網(wǎng)中車輛自身的定位要求，對(duì)比分析了適合車輛定位的理論與算法，并結(jié)合車聯(lián)網(wǎng)技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì)，對(duì)每一種算法在車聯(lián)網(wǎng)中的應(yīng)用特點(diǎn)給出了參考。

1 車聯(lián)網(wǎng)定位方法與機(jī)制

1.1 基于測(cè)距技術(shù)的定位方法

1）RSSI:基于RSSI的定位原理是利用RSSI來(lái)判斷節(jié)點(diǎn)間的距離。無(wú)線信號(hào)發(fā)射功率（PT）與接收功率（PR）之間的關(guān)系可以表示為PR=PT/dn，其中，d為收發(fā)單元之間的距離，n為與信號(hào)傳播環(huán)境相關(guān)的傳播因素。經(jīng)對(duì)數(shù)運(yùn)算，可得到PR=A-10nlgd，其中，常數(shù)A表示信號(hào)傳輸1m距離時(shí)接收信號(hào)的功率。A和n都是經(jīng)驗(yàn)值，與具體使用的硬件和無(wú)線信號(hào)傳播環(huán)境有關(guān)。

在車聯(lián)網(wǎng)的具體實(shí)現(xiàn)算法中，根據(jù)RSSI測(cè)得的值，再利用三邊測(cè)量法或極大似然估計(jì)法來(lái)對(duì)未知節(jié)點(diǎn)進(jìn)行定位。因?yàn)橛?jì)算接收到RSSI是商用無(wú)線芯片的基本功能，所以，基于RSSI的定位成本低，技術(shù)成熟，易于實(shí)現(xiàn)。但由于道路交通環(huán)境多變，信號(hào)具有較強(qiáng)的時(shí)變特性，經(jīng)驗(yàn)值的確定較為復(fù)雜，導(dǎo)致基于RSSI的定位技術(shù)精度較低。為此，單一的RSSI定位方法在車聯(lián)網(wǎng)中尚不適合使用。

2）TOA:TOA的定位原理是已知信號(hào)的傳播速度，根據(jù)測(cè)量信號(hào)的傳播時(shí)間來(lái)計(jì)算錨節(jié)點(diǎn)與未知節(jié)點(diǎn)之間的距離，未如節(jié)點(diǎn)在測(cè)得多個(gè)鄰居節(jié)點(diǎn)（錨節(jié)點(diǎn)）的距離后，利用三邊測(cè)量法或極大似然估計(jì)法計(jì)算出自身的位置?；赥OA技術(shù)的定位精度高，但對(duì)節(jié)點(diǎn)間的時(shí)間同步要求較高。目前，在車輛定位中使用的射頻識(shí)別（radio frequency identification，RFID）定位技術(shù)就使用了TOA定位原理。

3）TDOA:TDOA的定位原理是通過(guò)計(jì)算2種不同傳播速度的無(wú)線信號(hào)到達(dá)未知節(jié)點(diǎn)的時(shí)間差，來(lái)計(jì)算未知節(jié)點(diǎn)與錨節(jié)點(diǎn)間的距離?；赥DOA技術(shù)的定位算法很多，例如:AHLos（Ad Hoc localization system）［7］利用極大似然估計(jì)法，通過(guò)迭代計(jì)算，逐步對(duì)未知節(jié)點(diǎn)進(jìn)行定位。另外，TDOA技術(shù)還可以與AOA，F(xiàn)DOA，TOA等技術(shù)結(jié)合，形成功能更加強(qiáng)大、應(yīng)用更加廣泛的定位方法。

TDOA技術(shù)具有抗干擾能力強(qiáng)，易于實(shí)現(xiàn)及定位精度較高等特點(diǎn)，在車聯(lián)網(wǎng)定位中具有明顯的優(yōu)勢(shì)。與TOA定位一樣，應(yīng)用環(huán)境對(duì)測(cè)距、定位精度的影響較大，這為在車聯(lián)網(wǎng)中的具體應(yīng)用帶來(lái)了一定的困難。為此，如果建立基于TDOA技術(shù)的適應(yīng)不同道路交通環(huán)境的數(shù)學(xué)分析模型，是推動(dòng)TDOA技術(shù)在車聯(lián)網(wǎng)中應(yīng)用的一個(gè)方向。

4）AOA:AOA的定位原理是通過(guò)在接收節(jié)點(diǎn)（未知節(jié)點(diǎn)）上設(shè)置天線陣列或一組超聲波接收機(jī)，用來(lái)感知發(fā)射節(jié)點(diǎn)（錨節(jié)點(diǎn)）信號(hào)的到達(dá)方向，計(jì)算節(jié)點(diǎn)之間的相對(duì)方位或角度，再通過(guò)三角測(cè)量法計(jì)算出未知節(jié)點(diǎn)的位置。

AOA定位可以同時(shí)確定節(jié)點(diǎn)的坐標(biāo)和相對(duì)方位，在視距（line of sight，LOS）傳播時(shí)的效果較好，但在非視距（NLOS）條件下，由于AOA測(cè)量值誤差較大，定位效果不佳。

5）FDOA:FDOA的定位原理是利用移動(dòng)節(jié)點(diǎn)上的2部無(wú)線信號(hào)接收機(jī)所偵測(cè)到信號(hào)的頻率差來(lái)確定未知節(jié)點(diǎn)的位置。當(dāng)2個(gè)節(jié)點(diǎn)之間存在相對(duì)運(yùn)動(dòng)時(shí)便會(huì)產(chǎn)生多普勒移頻，它攜帶有移動(dòng)節(jié)點(diǎn)的航向和速度信息，利用這些信息便可以實(shí)現(xiàn)對(duì)移動(dòng)節(jié)點(diǎn)的定位和跟蹤。

FDOA定位技術(shù)具有無(wú)模糊區(qū)、精度高等優(yōu)點(diǎn)，它可以與TDOA等定位技術(shù)結(jié)合，實(shí)現(xiàn)更加完善的定位功能，成為車聯(lián)網(wǎng)定位技術(shù)的一個(gè)發(fā)展方向。

基于測(cè)距技術(shù)的定位誤差主要取決于節(jié)點(diǎn)之間的測(cè)量精度，就某一種具體測(cè)量方法而言其測(cè)量精度多與環(huán)境因素有關(guān)。在車聯(lián)網(wǎng)具體應(yīng)用中，單純使用某一種定位方法都存在應(yīng)用上的局限性，一般可通過(guò)多個(gè)定位方法的融合、多次測(cè)量求均、循環(huán)定位求精等方法提高定位精度，優(yōu)化算法在具體應(yīng)用過(guò)程中的可定位性。

1.2 基于非測(cè)距技術(shù)的定位方法

基于非測(cè)距技術(shù)的定位無(wú)需測(cè)量節(jié)點(diǎn)間的絕對(duì)距離或角度，通過(guò)對(duì)未知節(jié)點(diǎn)和錨節(jié)點(diǎn)之間距離的估算后，再利用三邊測(cè)量法、三角測(cè)量法或極大似然估計(jì)法來(lái)對(duì)未知節(jié)點(diǎn)定位;也可以通過(guò)在網(wǎng)絡(luò)中劃定包含未知節(jié)點(diǎn)的虛擬區(qū)域，然后通過(guò)質(zhì)心算法來(lái)確定未知節(jié)點(diǎn)的坐標(biāo)。

1）質(zhì)心算法:質(zhì)心是指多邊形的幾何中心。質(zhì)心算法的實(shí)現(xiàn)原理是網(wǎng)絡(luò)中的錨節(jié)點(diǎn)周期性地廣播用于標(biāo)識(shí)節(jié)點(diǎn)自身身份和坐標(biāo)位置的分組，當(dāng)未知節(jié)點(diǎn)接收到的錨節(jié)點(diǎn)的分組達(dá)到一個(gè)門限值時(shí)，或接收錨節(jié)點(diǎn)分組的時(shí)間達(dá)到預(yù)設(shè)值時(shí)，將由這些錨節(jié)點(diǎn)組成一個(gè)多邊形，該多邊形的質(zhì)心便是該未知節(jié)點(diǎn)的坐標(biāo)。

質(zhì)心算法本身是一個(gè)近似算法，其誤差主要與無(wú)線信號(hào)的傳播模型、分組數(shù)門限值或接收分組的時(shí)間、錨節(jié)點(diǎn)密度及分布等因素有關(guān)。例如:錨節(jié)點(diǎn)密度超高、分布越均勻，定位誤差則越小。

2）凸規(guī)劃定位估計(jì)（convex position estimation）算法［8，9］:凸規(guī)劃定位算法是一種根據(jù)與錨節(jié)點(diǎn)的接近度（proximity）作為度量依據(jù)的粗粒度定位技術(shù)，它將節(jié)點(diǎn)間的通信連接視為節(jié)點(diǎn)位置的幾何約束，進(jìn)而把整個(gè)網(wǎng)絡(luò)模型化為一個(gè)凸集，從而將節(jié)點(diǎn)定位問(wèn)題轉(zhuǎn)化為凸約束優(yōu)化問(wèn)題，然后使用線性規(guī)劃（LP）和半定規(guī)劃（SDP）方法得到一個(gè)全局優(yōu)化的解決方案，確定未知節(jié)點(diǎn)的位置。如圖1所示，未知節(jié)點(diǎn)存在于多個(gè)錨節(jié)點(diǎn)信號(hào)覆蓋范圍所形成的交集中（圖中陰影部分），由該交集得到相應(yīng)的矩形區(qū)域，然后利用質(zhì)心算法計(jì)算該矩形的質(zhì)心，便得到未知節(jié)點(diǎn)的位置。

圖1 凸規(guī)劃定位估計(jì)算法示意圖Fig 1 Diagram of convex positioning estimation algorithm

凸規(guī)劃定位算法的實(shí)現(xiàn)完全依賴于錨節(jié)點(diǎn)的信號(hào)覆蓋范圍與地理分布。理想狀態(tài)下，算法的實(shí)現(xiàn)既要易于形成圖中的陰影部分，又希望陰影部分的區(qū)域最小，這就要求在算法的具體設(shè)計(jì)中要充分考慮道路交通環(huán)境狀態(tài)。在具體實(shí)施中，可將道路兩側(cè)的RSU作為錨節(jié)點(diǎn)，實(shí)現(xiàn)對(duì)車輛的準(zhǔn)確、快速定位。

3）DV-Hop［10］:DV-Hop定位算法借鑒了傳統(tǒng)網(wǎng)絡(luò)中距離矢量（distance vector）路由協(xié)議的原理來(lái)估算未知節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的距離，然后利用三邊測(cè)量法或極大似然估計(jì)法對(duì)未如節(jié)點(diǎn)進(jìn)行定位。DV-Hop定位算法的具體實(shí)現(xiàn)可分為3個(gè)階段:第1階段，通過(guò)傳統(tǒng)的距離適量路由協(xié)議使網(wǎng)絡(luò)中的所有節(jié)點(diǎn)獲得到網(wǎng)絡(luò)中不同錨節(jié)點(diǎn)的位置信息和最小跳數(shù)（hops）;第2階段，每個(gè)錨節(jié)點(diǎn)利用第1階段中獲得的數(shù)據(jù)，通過(guò)下式估算平均每跳的距離

其中，（xi，yi），（xj，yj）分別為錨節(jié)點(diǎn)Si，Sj的坐標(biāo)，hj為錨節(jié)點(diǎn)Si與Sj之間的最小跳數(shù)。每個(gè)錨節(jié)點(diǎn)將HopDisti值以泛洪方式在網(wǎng)絡(luò)中廣播，并使絕大多數(shù)節(jié)點(diǎn)從最近的錨節(jié)點(diǎn)接收HopDisti值。未知節(jié)點(diǎn)Sd根據(jù)收到的HopDisti值和到錨節(jié)點(diǎn)Si（xi，yi）之間的最小跳數(shù)hopsi，通過(guò)下式便可計(jì)算到該錨節(jié)點(diǎn)之間的距離distd→i

第3階段，當(dāng)未知節(jié)點(diǎn)Sd得到3個(gè)或以上到不同錨節(jié)點(diǎn)的距離時(shí)，利用三邊測(cè)量法或極大似然估計(jì)法計(jì)算自身的位置Sd（xd，yd）。

除DV-Hop定位算法之外，文獻(xiàn)［10］中基于距離矢量路由協(xié)議和 GPS的定位原理，提出了 DV-distance，Euclidean，DV-coordinate，DV-Bearing 和 DV-Radial定位算法，將這6種定位算法統(tǒng)稱為APS（Ad Hoc positioning system）。例如:在DV-distance定位算法中利用RSSI測(cè)量相鄰節(jié)點(diǎn)之間的距離，算法的其他環(huán)節(jié)與 DV-Hop相同;再如，在Euclidean定位算法中，未如節(jié)點(diǎn)需要同時(shí)與3個(gè)或以上的錨節(jié)點(diǎn)分別建立相隔2跳的關(guān)系，再通過(guò)RSSI或距離矢量路由算法確定鄰居節(jié)點(diǎn)之間的距離，之后再通過(guò)計(jì)算未知節(jié)點(diǎn)到錨節(jié)點(diǎn)之間的距離，最后利用三邊測(cè)量法或極大似然估計(jì)法來(lái)計(jì)算自身的位置。如圖2所示，未知節(jié)點(diǎn)A分別與錨節(jié)點(diǎn)L，M，N建立了相隔2跳的關(guān)系，現(xiàn)以A與L之間的計(jì)算為例，其中節(jié)點(diǎn)B和C位于L的信號(hào)覆蓋范圍內(nèi)，且利用距離矢量路由算法或RSSI算法已經(jīng)確定了AC，AB，BC，BL和CL的距離，即在?ABLC中，已知四條邊的長(zhǎng)度和一條對(duì)角線的長(zhǎng)度，根據(jù)三角形的性質(zhì)可以得到AL的長(zhǎng)度當(dāng)節(jié)點(diǎn)A獲得了AL，AM，AN及更多與錨節(jié)點(diǎn)之間的距離時(shí)，就可以利用三邊測(cè)量法或極大似然估計(jì)法來(lái)計(jì)算自身的位置。

圖2 Euclidean定位算法示意圖Fig 2 Diagram of Euclidean localization algorithm

基于APS的定位方法在車聯(lián)網(wǎng)中具有廣泛的應(yīng)用前景，只要能夠合理地規(guī)劃錨節(jié)點(diǎn)的位置和數(shù)量，就可以獲得較好的定位效果。但受城市道路交通環(huán)境的影響，如何使基于APS的定位算法適應(yīng)各向異性網(wǎng)絡(luò)的要求，還需要對(duì)算法進(jìn)行相應(yīng)的改進(jìn)。

4）AHLos定位算法［7］:AHLos是一種基于 TDOA等測(cè)距技術(shù)的分布式定位算法，該算法實(shí)現(xiàn)的核心思想是通過(guò)迭代過(guò)程將未知節(jié)點(diǎn)不斷升級(jí)為錨節(jié)點(diǎn)，新升級(jí)的錨節(jié)點(diǎn)從下一輪開(kāi)始參與對(duì)其他未知節(jié)點(diǎn)的定位運(yùn)算。AHLos定義了3種定位算法:原子多邊（atomic multilateration，AM）算法、協(xié)作多邊（collaboration multiateration，CM）算法和迭代多邊（iterative multilateration，IM）算法。

AM算法即極大似然估計(jì)法，當(dāng)未知節(jié)點(diǎn)的鄰居節(jié)點(diǎn)中有3個(gè)及以上的錨節(jié)點(diǎn)時(shí)，可直接通過(guò)AM算法確定其坐標(biāo);CM算法是指當(dāng)一個(gè)節(jié)點(diǎn)可以獲得足夠多的信息來(lái)形成一個(gè)由多個(gè)方程式組成并擁有唯一解的超定（over-determined）或適定（well-determined）系統(tǒng)時(shí)，就可以實(shí)現(xiàn)對(duì)同時(shí)連接多個(gè)節(jié)點(diǎn)的一組未知節(jié)點(diǎn)的定位。未知節(jié)點(diǎn)3和4的3個(gè)鄰居節(jié)點(diǎn)中的錨節(jié)點(diǎn)都小于3，無(wú)法利用AM算法或三邊測(cè)量法進(jìn)行定位，但根據(jù)拓?fù)渲械?條邊可以建立擁有4個(gè)未知數(shù)（節(jié)點(diǎn)3和4的坐標(biāo)）的5個(gè)二次方程，利用節(jié)點(diǎn)間協(xié)作計(jì)算出節(jié)點(diǎn)3和4的位置;IM算法是一個(gè)迭代過(guò)程，是指當(dāng)鄰居節(jié)點(diǎn)中的錨節(jié)點(diǎn)數(shù)小于3時(shí)，進(jìn)入迭代過(guò)程:每一輪開(kāi)始時(shí)首先通過(guò)AM算法和CM算法實(shí)現(xiàn)對(duì)未知節(jié)點(diǎn)的定位，隨即將其升級(jí)為錨節(jié)點(diǎn)，并將此節(jié)點(diǎn)升級(jí)信息告知給鄰居節(jié)點(diǎn)。每一輪操作結(jié)束后，未知節(jié)點(diǎn)的數(shù)量將下降，而錨節(jié)點(diǎn)的數(shù)量將上升。如此迭代，直到所有未知節(jié)點(diǎn)都被定位或沒(méi)有符合AM算法和CM算法條件的節(jié)點(diǎn)存在時(shí)為止。

AHLos定位算法的最大優(yōu)勢(shì)是緩解了網(wǎng)絡(luò)中錨節(jié)點(diǎn)密度較低時(shí)的節(jié)點(diǎn)定位問(wèn)題，非常適合于車聯(lián)網(wǎng)中信息基礎(chǔ)設(shè)施不足或分布不均勻時(shí)的定位需求。例如:在郊外道路信息基礎(chǔ)設(shè)施不夠完善時(shí)，AHLos算法可發(fā)揮其定位優(yōu)勢(shì)。不過(guò)，迭代過(guò)程同時(shí)涉及到誤差的累積，即產(chǎn)生累積誤差，降低了整體的定位精度。同時(shí)，AHLos算法中并沒(méi)有給出一組節(jié)點(diǎn)能否執(zhí)行CM算法的充分條件，當(dāng)執(zhí)行CM算法時(shí)，節(jié)點(diǎn)x的解并不唯一。

在AHLos定位算法的基礎(chǔ)上，作者又提出了n-hop multilateration primitive定位算法［11］，不僅給出了決定節(jié)點(diǎn)是否能夠參與CM算法的條件，而且采用了卡爾曼濾波技術(shù)循環(huán)定位來(lái)減小累積誤差，提高定位精度。

5）MDS-MAP定位算法［12］:MDS-MAP定位算法的實(shí)現(xiàn)采用了一種源自于心理測(cè)量學(xué)和精神物理學(xué)的數(shù)據(jù)分析技術(shù)——多維定標(biāo)（multidimensional scaling，MDS）技術(shù)。

MDS技術(shù)利用各實(shí)體之間的相似（異）性來(lái)構(gòu)造多維空間上點(diǎn)的相對(duì)坐標(biāo)圖。構(gòu)造的多維空間上的點(diǎn)與各實(shí)體之間一一對(duì)應(yīng)，通過(guò)實(shí)體的相似程度來(lái)反映空間上點(diǎn)的距離信息。MDS技術(shù)常用于探索性數(shù)據(jù)分析或信息可視化，現(xiàn)已成為一種通用的數(shù)據(jù)分析技術(shù)。

MDS-MAP定位算法由以下3個(gè)步驟組成:（1）在確定的網(wǎng)絡(luò)區(qū)域內(nèi)計(jì)算所有節(jié)點(diǎn)間的最短路徑，利用最短路徑構(gòu)建MDS的距離矩陣。首先，生成整個(gè)網(wǎng)絡(luò)的拓?fù)溥B通圖，并為圖中每條邊賦予距離值。當(dāng)節(jié)點(diǎn)間基于測(cè)距方式工作時(shí)，所賦值為實(shí)際測(cè)距結(jié)果;當(dāng)節(jié)點(diǎn)間基于非測(cè)距方式工作時(shí)，節(jié)點(diǎn)間僅擁有連通性信息，所賦值均為1。然后，使用傳統(tǒng)網(wǎng)絡(luò)中的Dijkstra或Floyd最短路徑算法生成節(jié)點(diǎn)間矩陣;（2）對(duì)距離矩陣應(yīng)用MDS技術(shù)，通過(guò)保留最初的2個(gè)或3個(gè)特殊值和特殊向量，生成二維或三維的用于定位每個(gè)節(jié)點(diǎn)的相對(duì)坐標(biāo)系統(tǒng);（3）當(dāng)錨節(jié)點(diǎn)的數(shù)量達(dá)到一定值時(shí)（二維至少3個(gè)，三維至少4個(gè)），使用線性變換，將相對(duì)坐標(biāo)系統(tǒng)轉(zhuǎn)換為絕對(duì)坐標(biāo)系統(tǒng)，實(shí)現(xiàn)對(duì)節(jié)點(diǎn)的準(zhǔn)確定位。

MDS-MAP是一種集中式定位算法，根據(jù)需要可在range-free和range-based 2種情況下運(yùn)行，并可根據(jù)具體要求實(shí)現(xiàn)相對(duì)定位和絕對(duì)定位，可以實(shí)現(xiàn)車聯(lián)網(wǎng)中車與車或車與道路設(shè)施之間的定位。MDS-MAP適合車聯(lián)網(wǎng)應(yīng)用的另一個(gè)優(yōu)勢(shì)是當(dāng)錨節(jié)點(diǎn)密度或網(wǎng)絡(luò)連通度較小時(shí)，能夠?qū)崿F(xiàn)對(duì)車輛節(jié)點(diǎn)的準(zhǔn)確定位。

6）Cricket系統(tǒng)［13］:Cricket原本是用來(lái)確定移動(dòng)或靜止節(jié)點(diǎn)在建設(shè)物內(nèi)部具體位置的空間定位系統(tǒng)，是一種典型的符號(hào)定位系統(tǒng)。在Cricket系統(tǒng)中，錨節(jié)點(diǎn)周期性地同時(shí)發(fā)射RF信號(hào)和超聲波信號(hào)，其中RF信號(hào)中包含該錨節(jié)點(diǎn)的位置信息和節(jié)點(diǎn)ID，未知節(jié)點(diǎn)通過(guò)TDOA技術(shù)測(cè)量到錨節(jié)點(diǎn)之間的距離。當(dāng)未知節(jié)點(diǎn)同時(shí)獲得3個(gè)及以上的到不同錨節(jié)點(diǎn)的距離時(shí)，便可使用三邊測(cè)量法確定自身的位置。

Cticket系統(tǒng)通過(guò)分布式定位方式提供了針對(duì)空間位置的符號(hào)定位功能，該系統(tǒng)對(duì)建設(shè)物內(nèi)部具體空間位置（如房間號(hào)）的定位較為高效和準(zhǔn)確，可應(yīng)用于立體停車場(chǎng)的管理中，也可應(yīng)用到具體的道路交通環(huán)境中。

2 綜合分析與展望

雖然現(xiàn)在車聯(lián)網(wǎng)中的絕大部分定位技術(shù)和算法都來(lái)自于WSNs，但由于應(yīng)用環(huán)境和功能的特殊性，有部分在WSNs中已成熟應(yīng)用的協(xié)議卻不符合車聯(lián)網(wǎng)的應(yīng)用。例如:APIT（approximation point-in-triangulation test）［14］算法是 WSNs中一種典型的非距離式定位方法，它首先確定多個(gè)包含要定位的未知節(jié)點(diǎn)的三角形區(qū)域，再確定由這些三角形的交集所構(gòu)成的多邊形區(qū)域，最后計(jì)算這個(gè)多邊形區(qū)域的質(zhì)心，即為未知節(jié)點(diǎn)的位置。APIT算法的關(guān)鍵在于三角形區(qū)域的檢測(cè)與融合，其定位精度在很大程度上取決于融合區(qū)域的大小，但受城市道路交通環(huán)境的約束，融合區(qū)域的形成較為困難，所以，APIT算法在車聯(lián)網(wǎng)中的應(yīng)用受到很大的限制。此類算法較多，不再一一列出。

雖然現(xiàn)在的基于WSNs的定位算法較多，但相當(dāng)一部分是在本文已介紹的典型的定位算法的基礎(chǔ)上的改進(jìn)。例如:SHARP（simple hybrid absolute relative positioning）［15］算法綜合了MDS-MAP和DV-distance算法的優(yōu)點(diǎn)，它利用了MDS-MAP在確定參考節(jié)點(diǎn)相對(duì)坐標(biāo)時(shí)具有的較高精度，并避免了計(jì)算所有節(jié)點(diǎn)組成的距離矩陣，同時(shí)借鑒了DV-distance算法的高效性。所以，在相同條件下，SHARP算法的精度要高于MDS-MAP和DV-distance;再如，MBAL（mobile beacon assisted localization）［16］算法的實(shí)現(xiàn)是利用一個(gè)安裝有GPS接收機(jī)的可移動(dòng)錨節(jié)點(diǎn)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)中未知節(jié)點(diǎn)的定位。移動(dòng)錨節(jié)點(diǎn)不斷泛洪廣播代表自身ID和位置的信息，當(dāng)未知節(jié)點(diǎn)檢測(cè)到3個(gè)或以上與該移動(dòng)錨節(jié)點(diǎn)在不同位置的距離信息時(shí)，便可以利用三邊測(cè)量法確定自身的位置。MBAL算法可在空曠區(qū)域或某些應(yīng)急環(huán)境中對(duì)車輛進(jìn)行定位，發(fā)揮其技術(shù)優(yōu)勢(shì)。另外，RFID，GSM，CDMA等定位技術(shù)也是基于本文所介紹的基本定位原理和算法的具體應(yīng)用。

本文所分析的定位算法基本上針對(duì)的是二維平面系統(tǒng)，但在復(fù)雜的交通環(huán)境尤其是目前大量出現(xiàn)的立體交通系統(tǒng)中，必須研究適用于車聯(lián)網(wǎng)環(huán)境的三維定位方法。目前，在WSNs領(lǐng)域針對(duì)三維定位算法的研究也非?；钴S，也取得了一定的研究成果，如 Landscape-3D［17］，Constrained 3D［18］，SBL［19］等。不過(guò)，在目前的研究成果中，絕大部分三維定位只是在二維定位基礎(chǔ)上的算法改進(jìn)，完全獨(dú)創(chuàng)的算法較少。例如:在Landscape-3D算法中，作為錨節(jié)點(diǎn)的定位輔助裝置（location assistant，LA）周期性地廣播其自身的位置信息，網(wǎng)絡(luò)中未知節(jié)點(diǎn)通過(guò)接收到的位置信息以及RSSI來(lái)計(jì)算與LA之間的距離，再利用三邊測(cè)量法等基礎(chǔ)定位原理來(lái)確定自身位置。

車聯(lián)網(wǎng)的定位技術(shù)源于MANET和WSNs，但長(zhǎng)期制約MANET和WSNs應(yīng)用的能耗、計(jì)算能力、通信能力、存儲(chǔ)能力等問(wèn)題在車聯(lián)網(wǎng)中卻成為非主要問(wèn)題，這為車聯(lián)網(wǎng)定位技術(shù)的研究和應(yīng)用去除了一些限制。但車聯(lián)網(wǎng)定位技術(shù)的研究不僅僅是解決車輛自身的定位問(wèn)題，而是在此基礎(chǔ)上解決人與車、車與車、車與路之間的協(xié)調(diào)通信，進(jìn)而實(shí)現(xiàn)車輛安全行駛等實(shí)質(zhì)問(wèn)題。為此，在車聯(lián)網(wǎng)中需要同時(shí)加強(qiáng)對(duì)絕對(duì)定位和相對(duì)定位技術(shù)的研究，以及對(duì)定位數(shù)據(jù)的融合和動(dòng)態(tài)分析。

3 結(jié)束語(yǔ)

WSNs是近年來(lái)一個(gè)研究的熱點(diǎn)和重點(diǎn)，大量的定位技術(shù)和算法不斷涌現(xiàn)，然而現(xiàn)有大量定位算法都是基于基本的定位原理的應(yīng)用或?qū)Φ湫投ㄎ凰惴ǖ母倪M(jìn)。改進(jìn)也是一種創(chuàng)新，其創(chuàng)新思路和方法在車聯(lián)網(wǎng)定位技術(shù)的研究中也值得借鑒。在車聯(lián)網(wǎng)應(yīng)用中，基于測(cè)距技術(shù)的定位方法雖然誤差較小，但相對(duì)較低的定位效率與車聯(lián)網(wǎng)部分應(yīng)用要求的快速響應(yīng)時(shí)間之間存在一定的矛盾?；诜菧y(cè)距技術(shù)的定位方法，雖然定位精度相對(duì)較低，但卻能夠滿足車聯(lián)網(wǎng)定位的一些要求，具有廣泛的研究和應(yīng)用前景。車聯(lián)網(wǎng)雖然是一個(gè)全新的概念和應(yīng)用，但與之相關(guān)的理論研究和技術(shù)應(yīng)用可以在已有成果的基礎(chǔ)上加以深入和創(chuàng)新。然而，目前對(duì)于WSNs和MANET的研究尚處于起步階段，為此，對(duì)于車聯(lián)網(wǎng)的研究還有大量的已知問(wèn)題去解決和未知問(wèn)題去探求。

［1］王 群，錢煥延.車聯(lián)網(wǎng)體系結(jié)構(gòu)及感知層關(guān)鍵技術(shù)研究［J］.電信科學(xué)，2012，28（12）:1-9.

［2］Bahl P，Padm anabhan V.Radar:An in-building RF-based user location and tracking system［C］//Proceedings of INFOCOM'2000，Israel，2000:775-784.

［3］Girod L，Estrin D.Robust range estmiation using acoustic and multmiodal sensing［C］//Proceedings IEEE/RSJ Int'1 Conf on Intelligent Robots and Systems（IROS'01），Hawaii:USA，2001:1312-1320.

［4］Ho K，Sun M.Passive source localization using time differences of arrival and gain ratios of arrival［J］.IEEE Transactions on Signal Processing，2008，56（2）:464-477.

［5］Yu H G，Huang G M，Gao J，et al.Practical constrained leastsquare algorithm for moving source location using TDOA and FDOA measurements［J］.Journal of Systems Engineering and Electronics，2012，23（4）:488-494.

［6］Gregoire D G，Singletary G B.Advanced ESM AOA and location techniques［C］//Proceedings of IEEE 1989 National AES Conference，Dayton:USA，1989:917-924.

［7］Savvides A，Han C C，Srivastava M B.Dynamic fingegrained localization in Ad Hoc networks of sensors［C］//Proceedings of 7th Annual Int'1 Conf on Mobile Computing and Networking（Mobi-Com），Rome:Italy，2001:166-179.

［8］Doherty L，Pister K S J，Ghaoui L E.Convex position estimation in wireless sensor networks［C］//Proceedings of the IEEE INFOCOM 2001，Anchorage:IEEE Computer and Communications Societies，2001:1655-1663.

［9］王福豹，史 龍，任豐原.無(wú)線傳感器網(wǎng)絡(luò)中的自身定位系統(tǒng)和算法［J］.軟件學(xué)報(bào)，2003，16（5）:857-868.

［10］Niculescu D，Nath B.DV-based positioning in Ad Hoc networks［J］.Telecommunication Systems，2003，22（1-4）:267-280.

［11］Savvides A，Park H，Srivastava M B.The bits and flops of the N-hop multilateration primitive for node localization problems［C］//Proceesings of the lst ACM Int'1 Workshop on Wireless Sensor Networks and Applications，Atlanta:Georgia，USA，ACM，2002:112-121.

［12］Shang Y，Ruml W，Zhang Y.Localization from mere connectivity［C］//Proceedings of the 4th ACM International Smposium on Mobile Ad Hoc Networking ＆ Computing，Annapolis，Maryland:USA，ACM ，2003:201-212.

［13］Priyantha N B，Chakraborty A，Balakrishnan H.The cricket location-support system［C］//Proceedings of the 6th ACM International Conference on Mobile Computing and Networking（ACM MOBICOM），Boston:USA，ACM，2000:32-43.

［14］He T，Huang C，Brian M，et al.Range-free localization schemes for large scale sensor networks［C］//Proceedings of the 9th Annual Int'1 Conference on Mobile Computing and Networking（MobiCom'03），San Diego，USA，2003:81-95.

［15］Ahmed A A，Hongchi S，Shang Y.SHARP:A new approach to relative localization in wireless sensor networks［C］//Proceeding of 25th International Conference on Distributed Computing Systems Workshops，ICDCS 2005 Workshops，Columbus，OH，USA，2005:892-898.

［16］Kim K，Lee W.MBAL:A mobile beacon-assisted localization scheme for wireless sensor networks［C］//Proceedings of the 16th International Conference on Computer Communications and Networks（IC3N），2007:57-62.

［17］Hady S.Stephan O.A 3D-localization and terrain modeling technique for wireless sensor networks［C］//Proceedings of the 2nd ACM International Workshop on Foundations of Wireless Ad Hoc and Sensor Networking and Computing（FOWANC'09），New Orleans，Louisiana，USA:ACM，2009:37-46.

［18］Liang J，Shao J，Xu Y，et al.Sensor network localization in constrained 3D Spaces［C］//Proceedings of the 2006 IEEE International Conference on Mechatronics and Automation，Luoyang，Henan，China，2006:49-54.

［19］Yedavalli K，Krishnamachari B.Sequence-based localization in wireless sensor networks［J］.IEEE Transactions on Mobile Computing，2008，7（1）:81-94.