段續(xù)庭,田大新,王云鵬

(北京航空航天大學(xué)交通科學(xué)與工程學(xué)院,車路協(xié)同與安全控制北京市重點(diǎn)實(shí)驗(yàn)室,北京 100191)

前言

隨著信息化步伐的快速邁進(jìn),無線通信、移動(dòng)網(wǎng)絡(luò)和傳感網(wǎng)等領(lǐng)域得到極大發(fā)展,并呈現(xiàn)出向智能交通系統(tǒng)(intelligent transportation systems,ITS)滲透和融合的趨勢,促使ITS進(jìn)入高級(jí)智能化階段。車聯(lián)網(wǎng)技術(shù)作為近年來ITS領(lǐng)域最為熱門的研究方向,通過車聯(lián)萬物(vehicle-to-anything,V2X)實(shí)現(xiàn)車輛之間以及車輛與道路基礎(chǔ)設(shè)施之間的高效信息交互與數(shù)據(jù)共享,為“人-車-交通流”構(gòu)成的復(fù)雜物理信息融合系統(tǒng)和“車內(nèi)-車際-互聯(lián)網(wǎng)”構(gòu)成的車輛移動(dòng)網(wǎng)絡(luò)提供了資源優(yōu)化的根本保障,使傳統(tǒng)的車載網(wǎng)絡(luò)傳輸與控制、交通基礎(chǔ)設(shè)施以及綜合交通效能的改善方式發(fā)生前所未有的變革。位置信息作為車輛狀態(tài)的關(guān)鍵表征是車聯(lián)網(wǎng)技術(shù)最為頻繁的數(shù)據(jù)交互類型,其準(zhǔn)確可靠程度是實(shí)現(xiàn)交通安全通行、保障車路協(xié)同系統(tǒng)和自動(dòng)駕駛技術(shù)順利實(shí)施的重中之重。然而,因基于衛(wèi)星導(dǎo)航系統(tǒng)的定位技術(shù)原理約束,容易受到頻繁變化的外部環(huán)境影響,在城市“高樓峽谷”或隧道等弱衛(wèi)星信號(hào)覆蓋區(qū)域,將面臨定位系統(tǒng)失效、精度不足和數(shù)據(jù)不連續(xù)等問題,難以滿足交通安全應(yīng)用對(duì)車輛位置信息的高實(shí)時(shí)、高可靠、高精準(zhǔn)度需求。

1 V2X通信

車聯(lián)網(wǎng)系統(tǒng)中已經(jīng)存在的或未來將采用的車聯(lián)萬物通信場景如圖1所示。通信方式主要分為車網(wǎng)通信(vehicle-to-network,V2N)、車路通信(vehicleto-infrastructure,V2I)、車車通信(vehicle-to-vehicle,V2V)、人車通信(vehicle-to-pedestrian,V2P)[1-2]。目前,主要通信技術(shù)手段有DSRC和LTE-V,其中DSRC技術(shù)中,V2V組網(wǎng)方式定義為Ad-hoc-點(diǎn)對(duì)點(diǎn)模式,V2I組網(wǎng)方式定義為Station-點(diǎn)對(duì)接入點(diǎn)模式；LTE-V技術(shù)中,V2V和V2P組網(wǎng)方式定義為PC5-終端直連(device-to-device,D2D)模式,在V2I和V2N組網(wǎng)方式中,由于時(shí)分長期演進(jìn)(time division long term evolution,TD-LTE)和頻分雙工長期演進(jìn)(frequency division dual long term evolution,FDD-LTE)技術(shù)中路側(cè)單元在網(wǎng)絡(luò)中的身份定位存在區(qū)別,組網(wǎng)方式仍未形成定論,可能定義為PC5-D2D模式,也可能是UU-設(shè)備對(duì)基站模式。5G作為下一代移動(dòng)通信技術(shù),現(xiàn)階段仍處于技術(shù)探索和標(biāo)準(zhǔn)化制定階段,在其構(gòu)想中主要設(shè)計(jì)了3種面向未來需求的應(yīng)用場景,包括:增強(qiáng)移動(dòng)寬帶(ehanced mobile broadband,eMBB),大規(guī)模物聯(lián)網(wǎng)(massive machine type communications,mMTC),以及超高可靠超低延遲通信(ultra-reliable and low latency communications,URLLC)。其中,URLLC場景技術(shù)指標(biāo)即是為車聯(lián)網(wǎng)領(lǐng)域量身打造,具體的組網(wǎng)模式仍處于標(biāo)準(zhǔn)規(guī)劃階段。在 V2X系統(tǒng)中,DSRC,LTE-V和5G URLLC與分布式天線系統(tǒng)(distributed antenna system,DAS)、多輸入多輸出系統(tǒng)(multiple-input multiple-output,MIMO)以及大規(guī)模多輸入多輸出系統(tǒng)(massive multiple-input multiple-output,Massive MIMO)的結(jié)合,不僅可大幅度提高網(wǎng)絡(luò)容量,還可為實(shí)現(xiàn)基于V2X信號(hào)的無線定位方法提供支撐。此外,圖1中,mmWAVE表示毫米波通信,mmWAVE D2D表示未來5G定義的D2D組網(wǎng)模式,mmWAVE D2BS表示未來5G定義的設(shè)備對(duì)基站的組網(wǎng)模式,RSU表示DSRC路側(cè)通信單元,eNB表示LTE-V基站,gNB表示5G基站,LOS和NLOS分別表示視距通信和非視距通信。

圖1 異構(gòu)V2X通信網(wǎng)絡(luò)

依據(jù)3GPP TR 22.885 V14.0.0標(biāo)準(zhǔn),V2X通信對(duì)不同應(yīng)用場景下終端的通信性能指標(biāo)的要求規(guī)范如表1所示。典型交通場景涉及城郊、高速公路、無限速高速公路、多種市區(qū)環(huán)境、校園和購物中心等,針對(duì)上述場景,具體的通信性能指標(biāo)包含通信半徑覆蓋范圍、可支持終端的最高移動(dòng)速度(獨(dú)立終端的絕對(duì)速度和兩個(gè)終端間的相對(duì)移動(dòng)速度)、通信延遲、百毫秒傳輸可靠比和累積傳輸可靠比。

表1 V2X服務(wù)指標(biāo)要求

表1中帶有?標(biāo)識(shí)的#5和#7場景表示,需要在短時(shí)間、小范圍內(nèi)保證數(shù)據(jù)包的高度可靠,所以數(shù)據(jù)包的累積傳輸可靠比在此場景中不能作為衡量指標(biāo),即失效。

2 網(wǎng)絡(luò)定位

2.1 DSRC通信網(wǎng)絡(luò)定位終端

根據(jù)DSRC系統(tǒng)應(yīng)用層需求,設(shè)計(jì)實(shí)現(xiàn)應(yīng)用層交互協(xié)議,規(guī)范V2X不同應(yīng)用間的信息交互接口,為“車聯(lián)萬物”提供協(xié)議規(guī)范基礎(chǔ)。目前,已實(shí)現(xiàn)車輛之間、車輛與行人、車輛與信號(hào)燈、車輛與電子指示牌、車輛與視頻或微波檢測系統(tǒng)和車輛與數(shù)據(jù)中心等系統(tǒng)間的信息交互規(guī)范,支持車輛定位算法開發(fā)[3],終端原型如圖2所示。

圖2 DSRC通信網(wǎng)絡(luò)定位終端

圖3 多模式通信系統(tǒng)架構(gòu)

2.2 多模式通信網(wǎng)絡(luò)定位終端

多模式通信系統(tǒng)架構(gòu)如圖3所示,與DSRC通信網(wǎng)絡(luò)定位終端相似,多模式通信網(wǎng)絡(luò)定位終端的軟硬件集成開發(fā)也在OpenWrt嵌入式系統(tǒng)基礎(chǔ)上實(shí)現(xiàn),具體硬件模塊構(gòu)成如圖4所示,包含DSRC,Wi-Fi,3G(可擴(kuò)展4G)等主要模塊。其中,該終端可根據(jù)Wi-Fi和3G網(wǎng)絡(luò)的當(dāng)前狀態(tài),如信號(hào)強(qiáng)度和網(wǎng)絡(luò)質(zhì)量等指標(biāo)的變化,自適應(yīng)切換選擇指標(biāo)更優(yōu)的通信網(wǎng)絡(luò)。

圖4 多模式通信網(wǎng)絡(luò)定位終端

研發(fā)多模式通信網(wǎng)絡(luò)定位終端為開展基于多種V2X通信鏈路的車輛定位方法研究奠定了系統(tǒng)基礎(chǔ)。此外,該終端也可為VANETs路由協(xié)議、異構(gòu)網(wǎng)絡(luò)選擇和網(wǎng)絡(luò)切換算法的研究與應(yīng)用開發(fā)提供通用接口和底層鏈路保障。

3 覆蓋與數(shù)據(jù)并發(fā)測試

3.1 覆蓋測試

最大覆蓋范圍會(huì)隨外界環(huán)境改變發(fā)生劇烈變化,在霧霾和雨雪天氣,或TX端和RX端間存在移動(dòng)遮擋物時(shí),DSRC信號(hào)覆蓋范圍與較理想通信環(huán)境下的存在巨大差異。通常,描述無遮擋通信鏈路為視距通信環(huán)境LOS,有遮擋通信鏈路為非視距通信環(huán)境NLOS。在北京航空航天大學(xué)校園開展實(shí)驗(yàn)測試,測試環(huán)境如圖5所示。研發(fā)的通信網(wǎng)絡(luò)定位終端在 LOS環(huán)境的最大覆蓋范圍約為380m,在NLOS環(huán)境的最大覆蓋范圍約為120m[4]。

3.2 數(shù)據(jù)并發(fā)測試

由于硬件資源限制,通常須通過仿真方法實(shí)現(xiàn)大規(guī)模車輛通信效能的測試驗(yàn)證。本研究中,在室內(nèi)環(huán)境模擬大規(guī)模車輛并發(fā)接入和消息廣播應(yīng)用場景,測試驗(yàn)證自主研發(fā)的DSRC通信網(wǎng)絡(luò)定位終端的可靠性。測試系統(tǒng)由6套DSRC通信網(wǎng)絡(luò)定位終端和測試軟件組成,測試環(huán)境如圖6所示。測試內(nèi)容包含:在多終端并發(fā)廣播和長時(shí)間工作情況下,DSRC通信網(wǎng)絡(luò)定位終端的延遲和丟包等指標(biāo)能否滿足V2X應(yīng)用需求。測試結(jié)果表明:該終端性能可靠穩(wěn)定,能滿足V2X應(yīng)用技術(shù)指標(biāo)的要求,這為開展基于DSRC的車輛定位方法研究奠定了系統(tǒng)基礎(chǔ)。此外,該終端也可為車輛自組織網(wǎng)絡(luò)(vehicular Ad-hoc networks,VANETs)路由協(xié)議研究和應(yīng)用開發(fā)提供通用接口和底層鏈路保障。

圖5 測試環(huán)境

圖6 大規(guī)模車輛并發(fā)接入與消息廣播應(yīng)用場景

4 協(xié)同定位增強(qiáng)

4.1 基本原理

在傳統(tǒng)的車輛定位系統(tǒng)中,GNSS模塊負(fù)責(zé)實(shí)現(xiàn)車輛定位,慣性傳感器與運(yùn)動(dòng)學(xué)模型匹配,負(fù)責(zé)實(shí)現(xiàn)車輛運(yùn)動(dòng)過程的追蹤。然而,傳統(tǒng)車輛定位系統(tǒng)由于其本身技術(shù)的相對(duì)局限性,如GNSS系統(tǒng)在弱衛(wèi)星信號(hào)覆蓋區(qū)域會(huì)精度失準(zhǔn)或定位失效,慣性傳感器長時(shí)間工作會(huì)發(fā)生速度漂移現(xiàn)象(其誤差隨著時(shí)間的推移累積疊加),難以滿足車聯(lián)網(wǎng)技術(shù)不斷發(fā)展對(duì)車輛位置信息的更高質(zhì)量需求。因此,為進(jìn)一步提高車輛定位能力,不僅需要傳統(tǒng)系統(tǒng)中的GNSS和慣性傳感器模塊,還需要為車輛增加更多的感知手段,如攝像頭、激光雷達(dá)、射頻和地圖等。與此同時(shí),還可在空間協(xié)作層面,通過車聯(lián)網(wǎng)中的車車、車路通信技術(shù)獲取鄰居車輛的共享位置信息,以期增強(qiáng)車輛定位能力；在時(shí)間協(xié)作層面,可利用儀表盤提供的車速和加速度等數(shù)據(jù)、羅盤提供的航向角數(shù)據(jù)和經(jīng)驗(yàn)運(yùn)動(dòng)學(xué)模型知識(shí)等,通過數(shù)據(jù)融合優(yōu)化濾波方法,進(jìn)一步增強(qiáng)車輛定位能力。綜上所述,未來車輛定位精度增強(qiáng)方法,將會(huì)在時(shí)間、空間兩個(gè)維度同時(shí)展開,盡可能地挖掘定位能力的潛在提升空間,達(dá)到系統(tǒng)的最優(yōu)定位性能。

通過仿真方法測試驗(yàn)證協(xié)同定位增強(qiáng)算法的潛在收益,為大規(guī)模部署提供理論指導(dǎo)和依據(jù)。

4.2 方法驗(yàn)證

初始化道路仿真場景,建立x-y直角坐標(biāo)系,道路場景為雙向四車道,車道道寬3.5m,車道長度1 000m。假設(shè)車流密度為20輛/km,車速在[50,60]km/h區(qū)間服從均勻分布。所有相鄰車輛的初始位置服從均勻分布隨機(jī)出現(xiàn)在道路上,目標(biāo)車輛的初始位置在(300,5)點(diǎn),以60km/h的初始速度沿x軸正方向行駛。在行駛過程中,目標(biāo)車輛的速度會(huì)受到控制向量和運(yùn)動(dòng)學(xué)模型噪聲項(xiàng)的影響,會(huì)出現(xiàn)較小幅度的波動(dòng)[5]。

車輛系統(tǒng)方程中運(yùn)動(dòng)學(xué)模型部分,令運(yùn)動(dòng)方程組中轉(zhuǎn)移矩陣F和G分別為

式中:I為二維單位矩陣；O為二維零矩陣；Δt為系統(tǒng)采樣間隔?？刂葡蛄縰1＝[0 0.01]T,是加速度值的擾動(dòng)項(xiàng),運(yùn)動(dòng)學(xué)模型噪聲項(xiàng)＝ [σax,k-1,σay,k-1]T～N(0,Q),它的協(xié)方差矩陣 Q＝diag[σ2ax,]。具體的,仿真中設(shè)置σax,k-1＝和分別為目標(biāo)車輛在x和y軸方向的加速度標(biāo)準(zhǔn)差。觀測模型噪聲項(xiàng)Yk(re)～N(0 R(re)),其協(xié)方差矩陣R(re)為1階馬爾科夫鏈,表征觀測噪聲在兩種不同環(huán)境下的遷移情況,其中:

情況一,R(r1)＝diag[(r1),…,(r1)],表征目標(biāo)車輛與相鄰車輛間的V2X鏈路為視距情況(line-of-sight,LOS)；

情況二,R(r2)＝diag[(r1),…,(r1)],表征目標(biāo)車輛與相鄰車輛間的V2X鏈路為非視距情況(non-line-of-sight,NLOS)。

圖7 LOS和NLOS狀態(tài)間概率轉(zhuǎn)移過程

在行駛過程中,目標(biāo)車輛觀測模型的噪聲項(xiàng)在第0～30步保持LOS通信鏈路,在31～80步遷移到NLOS通信鏈路,在第81～100步再次遷移到LOS通信鏈路。車載GNSS可提供的x和y方向的位置、速度的標(biāo)準(zhǔn)差分別為σpx＝10m,σpy＝10m,σvx＝

仿真實(shí)驗(yàn)結(jié)果如圖8所示,CV-IMM-CKF算法在短暫迭代后即可超越單一的衛(wèi)星定位方法。圖中縱坐標(biāo)RMSE的定義見式(2),表示車輛定位的準(zhǔn)確程度,其中Nm＝500為獨(dú)立蒙特卡洛實(shí)驗(yàn)重復(fù)次數(shù)。

這里,目標(biāo)車輛的真實(shí)軌跡坐標(biāo)為(px,k,py,k),應(yīng)用CV-IMM-KF算法后的估計(jì)軌跡坐標(biāo)為(p＾x,k,p＾y,k),其中(p＾x,k(m),p＾y,k(m)) 表示目標(biāo)車輛在第 M次蒙特卡洛實(shí)驗(yàn)中,第k步獲得的估計(jì)軌跡坐標(biāo)。同時(shí),定義參數(shù)μ表征車輛定位性能增強(qiáng)的相對(duì)程度:

這里,RMSEA和RMSEB分別為應(yīng)用CV-IMMCKF和單一GPS獲得位置估值的RMSE,從整個(gè)路段仿真過程看,CV-IMM-CKF算法可大幅度提升車輛位置信息估值準(zhǔn)確度近40%。

圖8 增強(qiáng)性能對(duì)比

5 結(jié)論

設(shè)計(jì)了基于V2X的多普勒頻移的定位精度增強(qiáng)方法,構(gòu)建了該協(xié)同定位精度增強(qiáng)方法的數(shù)學(xué)模型,具體包括:建立車輛運(yùn)動(dòng)學(xué)模型和狀態(tài)觀測模型,應(yīng)用交互多模型系統(tǒng)描述并追蹤多普勒頻移觀測量在觀測模型處于視距/非視距通信的變化過程,通過1階泰勒公式將非線性觀測問題轉(zhuǎn)化為線性問題,并應(yīng)用IMM-CKF實(shí)現(xiàn)數(shù)據(jù)融合。仿真結(jié)果顯示,與傳統(tǒng) GPS定位相比,該方法可提升準(zhǔn)確度40%。

未來研究中將綜合考慮DSRC,LTE-V和5G URLLC等多種V2X通信技術(shù),以期充分利用車聯(lián)網(wǎng)環(huán)境下的泛在無線信號(hào)和無線網(wǎng)絡(luò)資源,深度挖掘其在未來車輛位置高精準(zhǔn)估計(jì)和交通狀態(tài)感知中的應(yīng)用潛力。