莊凌凡，劉 留，張嘉馳，邱佳慧

（1. 北京交通大學 電子信息工程學院，北京 100044；2. 中國聯(lián)合網(wǎng)絡(luò)通信有限公司 網(wǎng)絡(luò)技術(shù)研究院，北京 100048）

0 引言

國際電信聯(lián)盟無線電通信局（The International Telecommunications Union-Radio， ITU-R）定義了第5 代移動通信系統(tǒng)（the fifth generation mobile communication system， 5G）3 類典型業(yè)務(wù)場景[1]：增強型移動寬帶（enhance mobile broadband， eMBB）、大規(guī)模機器類通信（ massive machine type communications， mMTC）、超可靠低時延通信（ultrareliable and low latency communications，uRLLC）。隨著5G 技術(shù)不斷滲透到各個垂直行業(yè)，相應(yīng)的應(yīng)用場景對高精度定位的需求也越來越高；同時，5G中的一些關(guān)鍵技術(shù)（如大帶寬、大規(guī)模天線陣列等）也為高精度定位提供了物理層的保障，這將會給軌道交通定位領(lǐng)域帶來一場重大的技術(shù)革命。

對城市軌道交通而言，可靠、高效、精確的列車定位技術(shù)尤為重要。傳統(tǒng)的列車定位方法存在如下缺點：定位精度較低，只能在某些固定點提供位置信息，不能實現(xiàn)連續(xù)定位，須在沿線配置大量的軌旁設(shè)備等[2-4]。而無線定位方法也存在累積誤差較大、易受干擾、成本高等問題，難以達到亞米級的列車定位要求[5-6]。當今的蜂窩網(wǎng)基站部署廣泛[7]，且網(wǎng)絡(luò)自身存在對終端定位的需求（例如，通過用戶設(shè)備位置信息的實時獲取，可以輔助基站合理調(diào)度上行傳輸資源或?qū)崿F(xiàn)精準的波束賦形），若能充分利用現(xiàn)有蜂窩通信系統(tǒng)，并將其與列車定位技術(shù)進行有效融合，可以大大降低系統(tǒng)建設(shè)和運營維護的費用，同時實現(xiàn)通信、定位雙向需求的一體化承載。然而目前國內(nèi)外城市軌道交通領(lǐng)域?qū)?G 蜂窩網(wǎng)絡(luò)系統(tǒng)的列車可信定位[8-11]研究仍處于探索階段，從理論、方法、技術(shù)、驗證等層面并沒有完整的解決方案。

本文針對城市軌道交通列車定位的問題，旨在利用5G 通信技術(shù)和決策理論交叉學科前沿知識，通過對基站網(wǎng)絡(luò)層、信道物理層和定位決策層進行挖掘，結(jié)合通信定位一體化思想，探究基于非嚴格時間同步5G 蜂窩網(wǎng)絡(luò)的列車高精度低時延定位方案，為城市軌道交通定位領(lǐng)域提供參考。

1 列車定位技術(shù)演進

精準地獲取列車位置信息是列車安全運行的保障[12-14]，位置信息為列車運行控制系統(tǒng)提供了準確的判斷決策參數(shù)，保證列車間的安全間隔，提高區(qū)間列車運行速度，是基于列車速度曲線的行車控制、列控系統(tǒng)中車載及軌旁設(shè)備的故障分析、列車的定點停車、超速防護以及車站停車后車門開閉等功能的重要依據(jù)。對于位置信息的需求，催生出了適用于不同場景的定位方法，本節(jié)將列車定位技術(shù)的演進分為傳統(tǒng)列車定位、無線定位和融合定位3 個階段，并對5G 定位進行展望。

1）傳統(tǒng)列車定位方式。傳統(tǒng)的列車定位方式通過軌道、車輪等物理媒介來獲取列車的位置信息，如利用“信標”的查詢-應(yīng)答器定位[15-16]、軌道電路定位[17]以及計軸器[18]等定位方式。查詢-應(yīng)答器定位法是世界上應(yīng)用最為廣泛的列車定位方法之一，通過在地面和列車上分別部署應(yīng)答器和查詢器來完成定位，維修簡便、使用壽命長，但存在設(shè)置間距和投資規(guī)模的矛盾；軌道電路定位通過將鋼軌分割成不同的區(qū)段，在每個區(qū)段的始端與終端加上發(fā)送/接收器，從而構(gòu)成1 個信息傳輸回路，以完成列車檢測及定位，但定位精度受列車運行速度和軌道完整程度影響；計軸器通過車輪經(jīng)過記軸點時會產(chǎn)生脈沖信號進行定位，需要經(jīng)過后續(xù)數(shù)據(jù)處理，這種定位方式安全性較差，且需要增設(shè)信道來傳遞位置信息。傳統(tǒng)定位方式的使用范圍廣，技術(shù)相對成熟，但最大的缺點在于其投資規(guī)模和定位精度的矛盾。

2）無線定位方式。隨著無線通信技術(shù)的蓬勃發(fā)展，列車定位技術(shù)也隨之演進，具有代表性的有衛(wèi)星定位技術(shù)和基站蜂窩定位。以全球定位系統(tǒng)(global positioning system， GPS)[19]和北斗衛(wèi)星導航系統(tǒng)(BeiDou navigation satellite system， BDS）[20]為代表的衛(wèi)星定位技術(shù)，在大多數(shù)場景下的應(yīng)用已經(jīng)相當成熟，具有定位精度高、無需大量軌旁設(shè)備等優(yōu)點[21]，但其定位精度高度依賴于可視衛(wèi)星的數(shù)目以及其幾何分布；因此在列車運行的幾個典型非視距場景（如隧道、車站等）的表現(xiàn)不佳。另1 種比較流行的定位方式是基于蜂窩網(wǎng)的定位[22-23]，該方式主要利用現(xiàn)有的蜂窩網(wǎng)絡(luò)，包括第2 代移動通信系統(tǒng)（the second generation mobile communication system， 2G）、第3 代移動通信系統(tǒng)（the third generation mobile communication system， 3G）和第4 代移動通信系統(tǒng)（the forth generation mobile communication system， 4G）網(wǎng)絡(luò)，通過測量信號的特征參數(shù)，如時間（差）和信號強度等來完成定位。該方式無需額外的定位設(shè)備，但受制于時間同步等因素，導致定位精度受影響。不同無線制式定位精度和反應(yīng)時間如表1 所示。

表1 不同無線制式定位參數(shù) 單位：m

表1 中：CID（cell-ID）為小區(qū)身份認證；TA（time advance）為時間提前量定位；E-OTD（enhanced-observation time difference）為增強型觀測時間差定位；RTT（round trip time）為往返時間定位；ECID（enhanced cell-ID）為增強小區(qū)身份認證；A-GPS（assisted-global positioning system）為輔助GPS；PRS（positioning reference signals）為定位參考信號；OTDOA（observed time difference of arrival）為到達時間差定位；UTDOA（uplink time difference of arrival）為上行鏈路到達時間差；AGNSS（assisted-global navigation satellite system）為輔助全球衛(wèi)星導航系統(tǒng)（global navigation satellite system， GNSS）。

3）融合定位方式。融合定位包括衛(wèi)星網(wǎng)絡(luò)之間的融合、傳感器網(wǎng)絡(luò)的融合以及衛(wèi)星與傳感網(wǎng)絡(luò)的融合[24]。文獻[25]提出以輪軸速度傳感器、加速度傳感器和衛(wèi)星定位等多傳感器信息融合的列車定位算法。文獻[26]提出將BDS 與無線傳感器網(wǎng)絡(luò)（wireless sensor network， WSN）的接收信號強度指示（received signal strength information， RSSI）相融合，以提升定位精度。在多型衛(wèi)星網(wǎng)絡(luò)融合方面，文獻[27]實現(xiàn)了BDS 和GPS 載波相位的數(shù)據(jù)融合和高精度聯(lián)合定位算法。這些融合方式充分發(fā)揮不同傳感器的特點，以提高列車定位精度，但缺點在于算法復雜度偏高，實現(xiàn)也較為困難。

4）5G 定位。下一代無線通信網(wǎng)絡(luò)聯(lián)盟（next generation mobile networks， NGMN）發(fā)布的垂直行業(yè)白皮書中，定義了5G 垂直行業(yè)相應(yīng)的應(yīng)用場景所需的定位精度[28]，大部分應(yīng)用場景如智能倉儲、車輛?？康?，均要求定位精度在1 m 以下。5G 將繼續(xù)支持4G 的定位方式，但5G 新技術(shù)和新特性將有效地提高定位性能：超密集組網(wǎng)技術(shù)將增加定位端和基站間視距(line of sigh， LOS）條件的概率，同時使得定位端可接入更多的參考基站；豐富的頻帶資源使得定位系統(tǒng)的時間分辨率進一步提升，從而使基站間的同步誤差降低；毫米波因其良好的方向性和LOS 場景特性，使基站能獲取精度更高的角度信息；5G 對多種異構(gòu)網(wǎng)絡(luò)的支持，使融合多種異構(gòu)定位系統(tǒng)成為可能。

2 基于5G 蜂窩網(wǎng)絡(luò)的列車可信定位解決方案探討

5G 蜂窩網(wǎng)絡(luò)具有超密集異構(gòu)組網(wǎng)特點，如以其海量的基站作為基礎(chǔ)來構(gòu)建通信定位一體化網(wǎng)絡(luò)，既能最大限度地降低定位網(wǎng)絡(luò)的部署成本,更能滿足城市軌道列車高精度定位需求，提高定位終端兼容性。

針對城市軌道交通列車的定位問題，本節(jié)對基于5G 蜂窩網(wǎng)絡(luò)的列車可信定位解決方案展開探討：1)討論在列車實時定位和建站時，基于幾何精度因子進行基站選擇和基站選址，為通信-定位一體化網(wǎng)絡(luò)的建設(shè)提供思路；2)研究基于非嚴格時間同步的5G 蜂窩網(wǎng)絡(luò)定位系統(tǒng)架構(gòu)，構(gòu)建基于密集分布基站和列車側(cè)具有固定幾何約束關(guān)系的多定點站的高精度定位方案，為高精度定位提供網(wǎng)絡(luò)層的理論依據(jù)；3)研究基于5G 特征技術(shù)（大帶寬、大規(guī)模陣列天線）的高精度時延和角度參數(shù)的估計算法，在物理層為后續(xù)提供高精度定位的保障；4)提出可信的定位策略，通過有效的決策機制，從多源定位結(jié)果中尋求出可信度最高的定位結(jié)果，進一步保障定位結(jié)果的可信性和可靠性。

2.1 幾何精度因子

蜂窩網(wǎng)定位系統(tǒng)的定位精度主要取決于2 方面：1)測量的精度，可以通過降低基站間的時間同步誤差來提高；2)定位基站在空間的幾何分布。幾何精度因子（geometric dilution of precision， GDOP）表征用戶和定位基站在空間幾何分布的好壞，表示定位定時總誤差gσ 對測距誤差σ 的放大倍數(shù)，即

式中： gii(i =1， … ， 4)為 G = ( HT?Η )-1的對角線元素，H 為觀測矩陣。

為了提高定位精度，應(yīng)使定位基站和列車上的定位終端有較好的幾何分布，即GDOP 最小。在上述的蜂窩網(wǎng)定位網(wǎng)絡(luò)架構(gòu)中，至少需要3 個基站來進行定位計算，當列車在軌道上高速移動時，參考GDOP 來實時選擇定位基站的數(shù)量和位置，可以很好地提高定位精度[29]，如圖1 所示。

圖1 基于GDOP 的基站選擇算法示意

列車在位置1 時，選擇基站A、B、C 進行定位，在位置2 時，選擇基站C、D 、E 進行定位?；具x擇方法包括傳統(tǒng)算法、直接選擇法以及遞推選擇法：傳統(tǒng)算法有最佳幾何精度因子法、最大矢端四面體體積法等，但其共同的缺點是，當定位基站數(shù)目較大時，計算量大，在列車高速移動時難以保證實時性；直接選擇法為計算出每個基站的GDOP 貢獻值，從大到小依次選取定位基站，計算量較小，但結(jié)果與傳統(tǒng)方法有一定的偏差；遞推選擇法是基于直接選擇法進行的改進，在計算出每個基站的GDOP 貢獻值并將其排序后，將GDOP貢獻值最小的基站排除，再重新計算剩余每個基站的GDOP 貢獻值。利用這種方法可以獲得比直接選擇法更好的性能，但因其選擇結(jié)果受到之前 選擇結(jié)果的限制，因此得出的也是次優(yōu)解。

除了在列車運行過程中利用GDOP 進行動態(tài)基站選擇外，在建設(shè)蜂窩網(wǎng)絡(luò)時，也可以參考GDOP 來進行基站選址以提高定位精度。在建設(shè)蜂窩基站時，考慮GDOP 的同時并使建站成本最低，而GDOP 與建站成本分別與體積和基站間距離相關(guān)，因此用最優(yōu)化問題表示為：

式中：d 為小區(qū)復用距離；h 為基站高度；R 為基站覆蓋范圍；maxR 為最大基站覆蓋范圍；maxd 、mind分別為最大、最小小區(qū)復用距離。

前面提出的定位網(wǎng)絡(luò)架構(gòu)實際上包含了通信-定位一體化的思想，即無須增建定位網(wǎng)，只須利用原有通信網(wǎng)設(shè)施，即基站便可完成定位。但通信-定位一體化網(wǎng)絡(luò)也面臨諸多挑戰(zhàn)，通信網(wǎng)的主要目的是滿足用戶的通信需求，定位功能處于其功能模塊的邊緣，通信網(wǎng)在網(wǎng)絡(luò)規(guī)劃上要求基站覆蓋的小區(qū)范圍盡量少重合，從而減少基站數(shù)量，降低布網(wǎng)成本。定位網(wǎng)則是需要定位網(wǎng)元覆蓋的小區(qū)盡量重合，從而使定位終端能夠收到來自多個小區(qū)的信號。在干擾控制方面，通信網(wǎng)要求鄰區(qū)信號盡量弱，從而減少干擾，保障可靠通信，而定位網(wǎng)希望來自鄰區(qū)的信號盡量強，來保證定位精度。因此在基站選址時，應(yīng)在保證列車通信需求的基礎(chǔ)上，利用GDOP 對列車的定位需求進行針對性優(yōu)化，進而實現(xiàn)定位網(wǎng)和通信網(wǎng)的一體化建設(shè)。

2.2 基于非嚴格時間同步的5G 蜂窩網(wǎng)絡(luò)定位系統(tǒng)架構(gòu)

在現(xiàn)有的蜂窩網(wǎng)絡(luò)中，基站之間存在數(shù)十納秒的時鐘同步誤差，導致定位精度只能達到10 m 級，這從根本上制約著基于蜂窩網(wǎng)絡(luò)的定位的精度。要提供符合定位需求的高精度定位服務(wù)，且無須額外建設(shè)專有定位網(wǎng)，最重要的是解決基站間的時鐘同步問題。本文提出1 種基于密集分布的基站和列車側(cè)具有固定幾何約束關(guān)系定位終端的網(wǎng)絡(luò)架構(gòu)，為基站間非嚴格同步下的列車定位提供理論依據(jù)，具體如圖2 所示。

圖2 基于非嚴格時間同步的5G 蜂窩網(wǎng)絡(luò)列車定位

假設(shè)3 個基站具體位置如圖2 所示，坐標為( xA， yA)、( xB， yB)、( xC， yC)，在列車上配置多個定位終端，終端間的幾何約束關(guān)系和相對于列車的位置關(guān)系已知，具體坐標為未知，分別為 ( x1， y1)、( x2， y2)、 ( x3， y3) ，幾何約束關(guān)系為

式中： lj，j ∈{1 ， 2， 3} 為3 個終端所構(gòu)成約束三角形的邊長；假設(shè)3 個基站同時在時刻 t0發(fā)送信號，ti，j為終端 j ∈{1 ， 2， 3} 接收到基站 i ∈ { A， B，C}所發(fā)信號的時刻。在理想狀況下應(yīng)有

式 中： Di，j為 基 站i 到 終 端 j 的 真 實 距 離，i ∈ { A， B ，C}， j ∈{1 ， 2， 3} ；c 為 真 空 中 光 的 傳 播 速度。實際情況中，由于3 個基站時間并不同步，設(shè)基站i與標準時鐘相差 Δti，即

則式（5）修改為

定位的最終目標是要通過 Δti求解( xj， yj)， j =1， 2， 3。但由于各基站間的時間始終不同步，實際求解過程中并不能得到終端坐標的唯一確切解，而是得到1 個可行解的區(qū)域，即

圖2 所示3 個不同的灰色區(qū)域分別為3 個終端的可行解區(qū)域。但很顯然在該區(qū)域中，符合對應(yīng)幾何約束關(guān)系的終端坐標組有無窮多個解，因此還缺少1 個角度約束條件。

5G 通信系統(tǒng)采用的毫米波通信和波束賦形技術(shù)，具有相當好的方向性，因此可以利用該技術(shù)，并通過大規(guī)模天線陣列[30-31]來獲得終端精確的角度信息，并通過下行鏈路將角度信息傳輸給終端。在使用這種方式測量角度信息時，終端和基站距離越遠，誤差就越大；因此對于每1 個基站，僅用它來測量最近終端的角度，記作 θi， i ={ A， B， C}。利用角度約束條件以及終端間的幾何約束條件，可以將終端定位問題歸納優(yōu)化問題，即：

式中：( xi， yi)， i ∈ { A， B，C}為基站坐標；( xj， yj)，j= {1 ，2，3}表示終端坐標。

由式（9）～式（12）可知，本節(jié)最終將非嚴格時間同步5G 蜂窩網(wǎng)絡(luò)中列車定位問題，轉(zhuǎn)化為在3 個區(qū)域（即可行解區(qū)域）中的3 條直線上（即根據(jù)基站天線陣列測得的角度）尋找出1 個具有固定約束幾何關(guān)系三角形的最優(yōu)化問題，根據(jù)幾何原理就可求得其解。

列車側(cè)3 個定位終端和所選參考基站的幾何位置關(guān)系直接影響定位參數(shù)GDOP，從而影響定位精度。當3 個定位終端與其參考基站（每個定位終端至少需要3 個參考基站）進行列車定位時，總GDOP 最?。炊ㄎ唤K端和參考基站構(gòu)成的3 個四面體總體積最小）時列車定位精度是最高的。因此當列車寬度一定，即3 個定位終端所構(gòu)成三角形的1 條邊長長度固定時，其余定位端的位置應(yīng)參考沿線基站的分布來確定。受列車形狀所限，如定位終端所構(gòu)成三角形的構(gòu)型不夠好而導致樣本相關(guān)度過高（三角形退化為線段）時，其定位精度將受到影響；因此需要結(jié)合GDOP 來選定合適的參考基站，以獲得更理想的定位結(jié)果。理想情況下，列車布滿定位點時的定位效果肯定是最好的，但其計算量和回報不成正比。本節(jié)提出的定位方案即希望獲取特征最明顯、相關(guān)度最低、信息量最大的3 個定位點來進行列車定位，從而使計算開銷和定位精度達到相對滿意的狀態(tài)。

2.3 基于5G 特征技術(shù)的高精度時延和角度參數(shù)的估計算法

高精度的參數(shù)估計是列車精確定位的基礎(chǔ)，城市軌道交通快速列車經(jīng)歷的場景主要包括高架橋和隧道2 種場景：高架橋的實際電波傳播環(huán)境為直射徑和反射多徑共存的環(huán)境；在隧道內(nèi)，一般選擇采用漏泄電纜實現(xiàn)電波覆蓋，由于隧道是1 種受限的狹長密閉空間，其勢必會對漏泄電纜輻射的電波傳播產(chǎn)生一定的影響。

基于此，本節(jié)主要從以下2 個方面展開探究：1）列車高速移動時，直射徑/反射多徑共存時的高精度時延和角度參數(shù)提取算法；2）隧道內(nèi)部基于漏泄電纜的1 維時延和角度的高精度參數(shù)提取算法。

2.3.1 列車高速移動時直射徑/反射多徑共存時的高精度時延和角度參數(shù)提取算法

1）時延估計。不同的時延估計方法與理論適用于實際定位不同的需求，根據(jù)列車高速移動時直射徑和反射徑多徑共存的條件下的估計精度，時延估計大致分為2 類，即傳統(tǒng)方法和超分辨方法，其中超分辨方法又包括最大似然（maximum likelihood， ML）方法和子空間類方法。

傳統(tǒng)時延估計方法包括互相關(guān)法、模糊度圖法、解卷積法等，但這些方法受限于帶寬和多徑效應(yīng)，估計精度常常達不到要求，例如互相關(guān)法，當多徑分量之間的時延差較小時，往往無法分辨多徑時延。超分辨方法性能估計良好，如最大似然法，但其峰值搜索的計算復雜度隨參數(shù)維度增加呈指數(shù)級增大，且容易陷入局部收斂；子空間類方法中的多重信號分類（multiple signal classification， MUSIC）時延估計算法是1 種值得研究和改進的方法。文獻[32]給出1 種多徑條件下的超分辨率時延估計算法，該算法利用已知發(fā)射信號和接收信號進行相關(guān)運算，再將計算結(jié)果變化到頻域并分解出噪聲子空間，然后構(gòu)造偽譜函數(shù)進行譜峰搜索，得到時延估計；文獻[33]給出1 種給予傳播算子的時延估計算法，該算法的噪聲子空間無須特征分解，但低信噪比時的時延估計精度不如MUSIC 算法。

2）角度估計。角度估計方法可以分為以下幾類：傳統(tǒng)算法、經(jīng)典超分辨率法、告誡累積量法、子空間擬合類算法以及系數(shù)重構(gòu)類算法。傳統(tǒng)算法大多都是基于波束成型的原理提出的，因此分辨率有限，不能很好地應(yīng)用到列車運行中的角度參數(shù)提取中；20 世紀80 年代提出了超分辨率法即子空間分解類方法。文獻[34]首次提出MUSIC 方法，其分辨率遠超傳統(tǒng)方法；文獻[35-36]提出的求根MUSIC（Root-MUSIC）方法，避免了MUSIC 方法中的譜峰搜索過程，大大降低了復雜度。但無論是傳統(tǒng)方法、MUSIC 算法還是基于旋轉(zhuǎn)不變技術(shù)的信號參數(shù)估計（estimating signal parameter via rotational invariance techniques，ESPRIT）算法等，都有其無法避免的缺點，主要是計算復雜度和辨別精度的矛盾。

3）時延和到達角聯(lián)合估計。通過對時延和角度參數(shù)估計的分析，可以看出它們均可以被描述成非線性的參數(shù)估計問題，因此，利用時延和到達角的聯(lián)合估計成為研究的熱點。時延和到達角的聯(lián)合估計主要分為3 類：2 步聯(lián)合估計方法、時延和到達角獨立估計并配對方法以及空時2 維聯(lián)合估計法。2 步聯(lián)合估計方法利用2 個陣元分別進行高精度的時延估計，利用時延差構(gòu)建三角幾何關(guān)系，從而估計出到達角。高精度的時延估計依賴于較大的系統(tǒng)帶寬，因此運用場景有一定的限制。配對法需要較多的陣元數(shù)目，并且往往需要進行峰值搜索，復雜度較高。文獻[37]在多徑信道條件下給出了1 種時延和到達角聯(lián)合估計算法，通過對接受信號與參考信號進行相關(guān)，再利用普羅克魯斯忒斯（Procrustes）ESPRIT（PRO-ESPRIT）算法實現(xiàn)到達角估計，然后利用互相關(guān)功率譜估計時延，分辨率較高。文獻[38]在單個天線上的頻域數(shù)據(jù)進行MUSIC 時延估計，然后利用陣列天線上的數(shù)據(jù)進行MUSIC 到達角估計。

綜上所述，不同的時延和角度參數(shù)提取方法各有利弊，可以總結(jié)為這些方法是計算復雜度和精度之間矛盾。在城市軌道列車場景下，高精度、低時延是最重要的要求；因此應(yīng)針對信道特性和設(shè)備運算力來選擇合適的算法進行參數(shù)提取，以求既達到規(guī)定的亞米級定位精度和規(guī)定的時延，又能將設(shè)備成本控制在1 個合適的范圍。

2.3.2 基于5G 通信網(wǎng)絡(luò)的隧道內(nèi)漏泄電纜1 維定位方法探究

對于隧道這一特殊場景的通信，現(xiàn)在大多使用漏泄電纜[39]進行電波覆蓋。漏泄電纜集信號傳輸、發(fā)射與接收等功能于一體，兼有同軸電纜和天線的雙重功能。漏泄電纜具有如下優(yōu)點：1）信號覆蓋均勻，尤其適合隧道等狹小空間；2）屬于寬頻帶系統(tǒng)，某些型號的漏纜可同時用于CDMA800、GSM900、GSM1800、WCDMA、WLAN 等移動通信系統(tǒng)；3）在隧道內(nèi)大規(guī)模部署漏泄電纜時，其總體造價相對較低。

與室外蜂窩定位方式不同，基于隧道內(nèi)部的漏纜定位有漏泄波導定位[40]、場強定位、到達時間（time of arrival， TOA）定位?？紤]使用1 維的方式進行定位，即使用TOA 的方法，確定沿著漏纜方向的距離，同時配合隧道入口的參考位置信息，完成基于隧道內(nèi)部的定位。當隧道內(nèi)部只有1 條漏泄電纜時，無法完成定位，但由于隧道中往往會同時部署3 大運行商的基站，因而，在某一位置時，可以利用有源天線處理單元（active antenna unit，AAU）接受多運營商的信號，利用功分/合路器以及多系統(tǒng)接入平臺（point of interface， POI），并結(jié)合 TOA 或觀察到達時間差（observed time difference of arrival， OTDOA）等算法，來估計出列車的位置信息，隧道場景如圖3 所示。

圖3 隧道場景通信示意圖

2.4 基于5G 蜂窩網(wǎng)絡(luò)的多基站聯(lián)合可信定位保障方法與機制

從列車定位系統(tǒng)決策層看，當決策輸入信息出現(xiàn)錯誤，或輸入信息包含多源測量結(jié)果時，合適的決策層定位算法對于列車定位的精度有著決定性的作用。本節(jié)探討幾種多基站協(xié)同、多傳感器融合的決策層算法對高精度列車定位的幫助。

2.4.1 基于重疊覆蓋的可信投票定位算法

投票法是集成學習中的1 種策略，其核心思想是選擇成員中輸出結(jié)果最多的那一類，從而增加輸出結(jié)果的可信度。5G 蜂窩網(wǎng)絡(luò)系統(tǒng)的定位是從列車側(cè)或者基站網(wǎng)絡(luò)側(cè)，利用不同基站的電波傳播時延和電波到達角度來實現(xiàn)精準定位。電波在傳播過程中，變化的列車運行場景會造成信號功率衰落；同時，密集組網(wǎng)的相鄰基站間可能出現(xiàn)干擾，甚至受到“偽基站”的干擾。這些都嚴重影響 到基站定位的可信性和安全性。因此在實際場景下，不同的基站常常會得到不同的定位可行解區(qū)，使用投票算法可以排除非安全定位集，提高定位可信性。

假設(shè)定位系統(tǒng)采用TOA 算法，可以畫出每個基站對待定位目標的環(huán)狀可行解區(qū)域，如圖4 所示。將可行解區(qū)域網(wǎng)格化，對于每個網(wǎng)格，判斷其是否為其他基站的可行解，如果是，則投1 票。統(tǒng)計所有區(qū)域的得票數(shù)目（簡稱隸屬度），隸屬度最高的區(qū)域即為可信度最高的定位區(qū)間。從圖4 可以看出，基站E 對待定位目標是有干擾的，但通過這種投票決策的方式，降低了干擾，得到了更準確的定位區(qū)域。

圖4 投票法示意圖

借助投票機制來降低惡意“偽基站”攻擊的傷害，提高定位準確度，保障從多個定位位置中得到可信的定位位置，是從決策層來提高列車定位精度的1 個重要思路。

2.4.2 基于二取二型的5G 蜂窩網(wǎng)絡(luò)組合定位糾錯方法

二取二系統(tǒng)以其實現(xiàn)簡單、安全性及可靠性高的優(yōu)點，在鐵路、計算機等領(lǐng)域得到了廣泛應(yīng)用，其擁有2 個關(guān)鍵指標：安全性指標和可靠性指標。安全性指標是衡量系統(tǒng)在發(fā)生故障時不至于產(chǎn)生危險輸出的能力；可靠性指標是衡量系統(tǒng)在規(guī)定的時間、條件下完成規(guī)定功能的能力。實現(xiàn)二取二系統(tǒng)的方式有很多，例如共享輸入型二取二、獨立輸入型二取二等，其原理結(jié)構(gòu)大同小異，但具有不同的可靠性和安全性。本節(jié)討論獨立輸入型的二取二系統(tǒng)，如圖5 所示，實際應(yīng)用中可以一系正常運行，一系調(diào)試升級，并結(jié)合5G 定位和傳統(tǒng)定位的輸出結(jié)果，從而有效提高定位的安全可靠性。

圖5 二取二型可信定位

列車初始位置已知，5G 蜂窩網(wǎng)絡(luò)定位系統(tǒng)和列車定位系統(tǒng)分別獲取實時定位信息，對這2 個系統(tǒng)得到的信息進行判決。如果2 種信息都通過驗證，系統(tǒng)將2 種信息進行數(shù)據(jù)融合處理，并判決融合信息，通過則輸出定位結(jié)果，否則認為結(jié)果失效，等待獲取下一時刻傳感器信息；僅有1 種系統(tǒng)獲取到信息時，采取獨立定位策略；如無信息通過判決，則認為結(jié)果失效，系統(tǒng)等待獲取下一時刻的信息。當定位結(jié)果連續(xù)失效的次數(shù)達到上限時，系統(tǒng)將自動重啟。

通過對列車定位系統(tǒng)決策層的探討，可以知道蜂窩網(wǎng)信息融合定位是切實可行的，無論是基站間協(xié)同定位還是異類多傳感器融合定位，相比于傳統(tǒng)定位方式都存在著多方面的優(yōu)勢，其根本原因是多源信息帶來的冗余性和互補性。通過這種方式，可以提高定位系統(tǒng)的環(huán)境感知能力，增強系統(tǒng)的魯棒性，輔助系統(tǒng)做出合理的決策。因此將信息融合技術(shù)引入蜂窩網(wǎng)定位是一項具有重要意義的工作，是在決策層上突破蜂窩網(wǎng)定位技術(shù)瓶頸的關(guān)鍵。

3 下一步研究方向

傳統(tǒng)列車定位技術(shù)的發(fā)展已較為成熟，但存在投資規(guī)模和定位精度的矛盾，大多需要另行鋪設(shè)定位設(shè)備，并與通信定位一體化思想背道而馳；無線定位方法和融合定位方式仍存在很大的潛力，尚未挖掘，尤其是基于蜂窩網(wǎng)的定位方式，有著覆蓋面廣、可擴展性強等優(yōu)點。但在目前，要構(gòu)建 1 個完善的、高精度和高可信度的5G 蜂窩列車定位網(wǎng)絡(luò)，還有很長一段路要走。因此未來研究方向應(yīng)從以下3 個方面入手：

1）網(wǎng)絡(luò)架構(gòu)層。未來列車定位的網(wǎng)絡(luò)架構(gòu)應(yīng)與5G 新技術(shù)緊密結(jié)合，如大規(guī)模天線陣列、移動邊緣計算以及毫米波等，并且有良好的可擴展性。多基站協(xié)同定位是未來網(wǎng)絡(luò)架構(gòu)層主要的研究方向，探索更好的異構(gòu)融合一體化網(wǎng)絡(luò)架構(gòu)，是解決定位精度和覆蓋范圍2 大難題的重要思路。

2）信道物理層。提取高精度的時延和角度信息是列車定位的基礎(chǔ)，但傳統(tǒng)參數(shù)提取算法只在特定的信道條件下有較好的表現(xiàn)，缺少普適性，且算法普遍存在計算復雜度和參數(shù)提取精度之間的矛盾，而利用機器學習進行參數(shù)提?。ㄈ缭诨緭碛写笠?guī)模天線陣列，利用深度神經(jīng)網(wǎng)絡(luò)估計高精度的角度信息），可以自動適應(yīng)復雜的列車運行環(huán)境，節(jié)約計算資源，這是未來重要的研究方向。

3）定位決策層。未來列車定位技術(shù)的發(fā)展趨勢是多傳感器融合定位、多定位方式協(xié)同工作，因此依據(jù)不同定位信源之間的互補信息，基于位置可行域?qū)α熊嚨奈恢眠M行融合決策是很重要的。未來列車定位領(lǐng)域決策算法可以結(jié)合人工智能，通過大量數(shù)據(jù)訓練出合適的決策算法。算法應(yīng)著重考慮是否符合列車軌道運行的特征，是否能較好地融合多傳感器的特征信息，是否能較好地利用多定位系統(tǒng)的定位結(jié)果。

此外，從定位方式的演進來看，現(xiàn)有的大部分定位方式都需要通過到達時間差（time difference of arrival， TDOA）方式來獲取距離信息，因此基站的時間同步精度決定了定位精度。文獻[41]選擇了OTDOA 方式來驗證5G 蜂窩基站間同步誤差對定位精度的影響，結(jié)果表明：當基站間同步誤差在100 ns 時，多數(shù)時間只能達到10 米級的定位精度；當同步誤差為10 ns 時，定位精度在1 m 左右；當同步誤差為1 ns 時，定位系統(tǒng)在大部分時間能提供10 厘米級的定位精度。這充分說明，基站間的時間同步誤差對定位精度有著決定性作用。因此，降低基站間的同步誤差，或提出基站間非嚴格時間同步的定位方案，來滿足未來列車定位領(lǐng)域?qū)Ω呔任恢眯畔⒌男枨螅彩俏磥碇匾?的研究方向。

4 結(jié)束語

本文通過對列車定位技術(shù)演進的梳理，總結(jié)出在5G 通信定位一體化及異構(gòu)定位系統(tǒng)融合的趨勢下，5G 蜂窩網(wǎng)定位是富有活力、值得不斷研究探索的定位方式，并從基站網(wǎng)絡(luò)架構(gòu)入手，嘗試降低因基站間非嚴格時間同步而引起的定位誤差；從信道物理層入手，探討了幾種多徑條件下提取高精度參數(shù)的方法；從定位決策層入手，探討了利用投票機制削弱惡意基站對定位可信度的影響的方法以及融合異種傳感器信息的二取二型糾錯方法。

列車定位技術(shù)在5G 時代不斷演進，密集組網(wǎng)、大規(guī)模天線陣列、毫米波等關(guān)鍵技術(shù)的涌現(xiàn)，為列車定位提供了新的方法。5G 網(wǎng)絡(luò)架構(gòu)設(shè)計，更為深度融合定位提供了強有力的支撐，這2 者是構(gòu)建5G 通信定位一體化網(wǎng)絡(luò)的重要基礎(chǔ)。雖然基于5G新技術(shù)的列車定位已取得了一定的成果，但仍面臨著許多挑戰(zhàn)，例如保障定位的實時性、可靠性，因此在未來的研究工作中，還須特別關(guān)注定位算法的效率和定位誤差的校準方法。