1.本发明涉及车辆卫星定位技术领域，尤其涉及一种基于车路协同的车辆的卫星动态定位方法和系统。
背景技术：2.智能交通系统是将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，其中，人、车、路等交通实体结合先进技术手段实时进行信息交互和信息共享，为解决交通效率、安全和环境问题提供解决方案。5g技术和v2x技术的逐步成熟和发展，为信息传递提供了更高效和便捷的条件，进一步推进了车-车、车-路的“协同感知、协同决策、协同控制”，因此，协作式智能交通系统已经成为了未来的重要发展趋势。
3.以全球定位系统(global positioning system，gps)为代表的全球导航卫星系统(global navigation satellite system，gnss)基于其高精度、全天候、易实施等优势，在以车辆位置驱动的众多新型智能交通系统应用中发挥了重要作用。然而，基于gnss的车辆定位还需面临多种因素导致的定位风险，如在复杂城市道路环境中容易受到信号遮蔽、多径干扰、电磁干扰、欺骗入侵等影响，可能导致卫星定位可用性、连续性受损，或卫星定位性能劣化从而无法满足特定的智能交通应用需求。为此，采用多源信息融合技术将不同类型的辅助传感器(如惯性导航、轮速传感器、视觉、激光雷达等)与卫星导航组合，构成组合定位系统，能够有效补偿单一采用卫星定位所面临的上述问题。即使采用了多源融合方式解决上述问题，在采用不同方式与程度运用导航卫星定位观测数据实施定位计算过程中，来自不同卫星的观测信息的质量会由于各种原因存在差别，为此，如何能够在实际运行过程中为各个可视卫星实施动态定权，使定位解算逻辑对原始卫星定位观测数据的利用形成有效适应，是确保定位解算性能不可回避的一项关键主题。
4.传统的卫星定位应用中，普遍采用一些既定策略来一定程度上简化定权计算，如为各个可视卫星分配相同权重，或引入一定的参数模型代入卫星仰角、信噪比等参量对权重实施快速估计，这些方法的显著优势是实现简便，实时性好，便于集成至既有的卫星定位解算以及完好性监测等处理逻辑之中。然而，这些方法的显著问题在于，所得定权结果难以准确地反映可视卫星信号观测质量水平的优劣，并在动态运行过程中与观测量的权重建立有效的匹配关联。近年来，随着车联网、车路协同系统等新型模式的不断发展，以专用短程通信(dsrc)、4g/5g等为代表的v2x无线通信技术，已成为交通系统智能化、前沿化发展的重要驱动力，国内外研究人员广泛探索了进一步发挥其作用价值的途径，逐步发掘了基于信息交互协同的信息处理和决策方法。
5.车-车、车-路间协同交互为车辆卫星定位的动态定权提供了更加充分的信息条件，能够改变传统单车自身利用有限观测信息实施定权的限制，进一步将车辆自身、邻近协同车辆以及路侧系统的信息汇集、信息处理能力应用于对导航卫星观测质量的量化映射，进而使实施车-路协同下的协同定权成为可能，有效提升车辆卫星定位性能。
技术实现要素：6.本发明的实施例提供了一种基于车路协同的车辆的卫星动态定位方法，以实现有效地提升车辆的卫星定位性能。
7.为了实现上述目的，本发明采取了如下技术方案。
8.根据本发明的一个方面，提供了一种基于车路协同的车辆的卫星动态定位方法，包括：
9.步骤s1、提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；
10.步骤s2、在目标路网内采集车辆的车载卫星定位观测数据，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；
11.步骤s3、基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型；
12.步骤s4、实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重对目标路网内车辆进行定位解算。
13.优选地，所述的方法还包括：
14.步骤s5、目标路网内车辆实时将本车的卫星定位观测数据发送至区域定位信息管理单元，区域定位信息管理单元对车辆所属的栅格区域对应的卫星定位观测量定权模型进行更新。
15.优选地，所述的步骤s1包括：
16.s1.1、确定目标路网在地图上的概略范围，提取目标路网的地理空间信息，得到路网地理空间信息集合p0{l
max
,l
min
,b
max
,b
min
}，所述路网地理空间信息集合p0包括目标路网的经度上界l
max
、经度下界l
min
、纬度上界b
max
、纬度下界b
min
，上标0代表目标路网；
17.s1.2、根据栅格区域单位经度跨度l
region
、栅格区域单位纬度跨度b
region
，将目标路网按照经度坐标、纬度坐标分为m
l
份和mb份，将目标路网划分为m
l
×
mb个栅格区域，将目标路网的地理空间信息属性拓展为
18.s1.3、对所有栅格区域依次编号，并确定栅格区域的建模范围的经度上界为l
imax
，经度下界为l
imin
、纬度上界为b
imax
和纬度下界为b
imin
，其中i为栅格区域编号，且各栅格区域模型相互独立。
19.优选地，所述的步骤s2包括：
20.s2.1、目标路网中装配卫星定位接收机的车辆在完成当前时刻的定位解算后，从卫星定位接收机的实际观测数据中提取卫星定位观测数据、定位决策信息以及辅助信息，卫星定位接收机按照设定的采集频率在一段采集时间内针对各个栅格区域都分别采集若干份观测数据样本，将所有的观测数据样本构成原始观测数据样本；
21.s2.2、基于各观测数据样本的定位决策信息和路网地理空间信息，确定该观测数据样本的区域属性n
t
，具体判定依据为：
[0022][0023]
其中，l
t
和b
t
为定位决策信息中的经度和纬度，floor(*)表示向下取整函数；
[0024]
s2.3、根据观测数据样本的区域属性n
t
和栅格区域范围确定观测数据样本对应的栅格区域，将观测数据样本按照对应的栅格区域进行分类汇集，得到各个栅格区域的区域历史数据集。
[0025]
优选地，所述的步骤s3包括：
[0026]
s3.1、设定卫星仰角门限值α
min
，信噪比门限值γ
min
，伪距残差门限值ξ
max
；对卫星接收机采集的伪距残差值进行修正补偿，得到修正后伪距残差和伪距残差门限值ξ
max
；
[0027]
s3.2、基于区域历史数据集，将不满足卫星仰角门限值α
min
、信噪比门限值γ
min
和伪距残差门限值ξ
max
的观测数据样本的可用性属性y
t,k
设置为0，判断观测数据样本x
t,k
的可用性属性y
t,k
的公式为：
[0028][0029]
其中，符号∨表示逻辑判断“或”；
[0030]
s3.3、在每个栅格区域下，对采集的所有观测数据样本，提取可用性属性y
t,k
为1的观测数据样本；
[0031]
从所述观测数据样本中提取特征量，该特征量包括：仰角α
t,k
、方位角β
t,k
、信噪比γ
t,k
、原始伪距χ
t,k
、载波相位δ
t,k
和多普勒频移ε
t,k
；
[0032]
从所述观测数据样本中提取包括修正后伪距残差的目标量。
[0033]
利用bp神经网络对观测数据样本的所述特征量和目标量进行迭代建模训练，设置bp神经网络的隐藏层，选择bp神经网络的输出值与拟合目标值的最小误差均方根作为代价函数，在到达最大迭代次数或者代价函数到达设定阈值时，终止所述特征量和目标量的迭代建模训练，生成对应栅格区域的观测量性能参数定权模型。
[0034]
优选地，所述的观测量性能参数定权模型的参数名称包括：特征变量、目标变量、区域编号、输入层节点数、隐含层层数与各层节点数、输出层节点数、隐含层激活函数、输出层激活函数、代价函数和学习率，所述特征变量包括：仰角、方位角、信噪比、原始伪距、载波相位和多普勒频移，所述目标变量包括伪距残差；
[0035]
其中，激活函数sigma和代价函数为：
[0036][0037]
f(x)为激活函数，e为代价函数，p为样本总量，j为输出层神经元数量，di(p)、yi(p)分别表示对应第p个样本当前输出层第i个神经元的估计输出值、给定的目标真值。
[0038]
优选地，所述的步骤s4包括：
[0039]
s4.1、目标路网内运行的各个车辆实时提取本车的卫星定位观测数据，并实时接收协同邻车的卫星观测数据；
[0040]
s4.2、利用本车的卫星定位观测数据，采用等权值策略初步实施定位解算，得到本车的概略位置，根据本车的概略位置和栅格区域的建模范围，得到本车所属的栅格区域；
[0041]
确定本车和车-车通信范围内的各个协同邻车构成的车辆簇，将本车和其邻车的卫星定位观测数据发送到本车所属的栅格区域的定位信息管理单元中，定位信息管理单元利用本栅格区域的卫星定位观测量定权模型计算得到车辆簇中的第j辆车在t时刻k号可见卫星的伪距残差预测值见式 (4)。
[0042][0043]
其中，g
θ
(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，分别表示j号车辆在t时刻观测到的第k颗卫星的仰角、方位角、信噪比。
[0044]
综合本车的卫星定位观测数据，计算各可视卫星的剩余水平精度特征值rpdopk，剩余水平精度特征值越大，则说明卫星占整体星座配置中的贡献度越高：
[0045][0046]
其中，其中k表示第k颗可视卫星，表示第颗卫星不在可见集时的水平精度特征值，pdop表示考虑所有可见卫星配置时的水平精度特征值。
[0047]
对于车辆簇所有邻车，综合各车辆的卫星定位观测数据、栅格区域n
t
的卫星定位观测量定权模型，计算邻车在t时刻第k颗可视卫星的伪距残差预测值
[0048][0049]
结合各可视卫星的本车伪距残差预测值和剩余水平精度特征值rpdopk，以及车辆簇中所有邻车的伪距残差预测值采用t-s模糊推理方法计算t时刻第k颗可视卫星定位观测量权重w
t,k
：
[0050][0051]
其中，h(*)表示定权用的t-s模糊推理方法。
[0052]
优选地，所述的基于各可视卫星的观测量权重对目标路网内车辆进行定位解算，包括：
[0053]
对车辆在当前时刻的各个可视卫星定位观测量权重进行归一化处理，得到应用于定位解算的定权矩阵w
t
，定权矩阵w
t
为n
×
n维对角阵，维度随着当前可用卫星数n变化而变化；
[0054][0055]
利用所述定权矩阵w
t
采用加权最小二乘法对车辆进行伪距观测量位置解算，并对车辆的位置解算结果进行完好性监测；
[0056]
所述车辆的位置解算和完好性监测的具体公式见式(9)～(12)
[0057]
x＝(h
t
wh)-1
hwz(9)
[0058][0059][0060][0061]
其中，h为观测矩阵；z为观测向量；ε为误差矢量；w为所应用的权重矩阵；a矩阵和s矩阵均为解算过程中求得的矩阵；n为可视卫星总数；λ
w,min
为满足漏检概率要求的卡方分布非中心化参数的最小值，与当前可视卫星总数有关。
[0062]
根据本发明的另一个方面，提供了一种基于车路协同的车辆的卫星动态定位系统，包括：
[0063]
栅格区域划分模块，用于设置在区域定位信息管理单元中，提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；
[0064]
区域历史数据集构建模块，用于设置在区域定位信息管理单元中，在接收到目标路网内车辆采集的车载卫星定位观测数据后，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；
[0065]
卫星定位观测量定权模型获取模块，用于设置在区域定位信息管理单元中，基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型，并发送给车辆定位解算模块；
[0066]
车辆定位解算模块，用于设置在目标路网内车辆中，实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅
格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重对目标路网内车辆进行定位解算。
[0067]
优选地，所述的系统还包括：
[0068]
卫星定位观测量定权模型更新模块，用于设置在区域定位信息管理单元中，接收到目标路网内车辆实时发送的本车的卫星定位观测数据后，对车辆所属的栅格区域对应的卫星定位观测量定权模型进行更新。
[0069]
由上述本发明的实施例提供的技术方案可以看出，本发明提出的基于车路协同的车辆的卫星动态定位方法能够充分运用车路协同系统模式的核心优势，利用局域路网内邻车集与路侧系统的感知、汇集、处理能力，为车辆自身实施卫星定位的定权更新提供有利支持，进而在复杂城市道路环境下提升卫星定位性能，强化卫星定位对车辆所处道路空间环境的主动跟踪与适应能力，对于支持众多新型协作化智能交通系统应用具有重要潜力与应用价值。
[0070]
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0071]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0072]
图1为本发明实施例提供的一种基于车路协同的车辆的卫星动态定位方法的实现原理图；
[0073]
图2为本发明实施例提供的一种基于车路协同的车辆的卫星动态定位方法流程图；
[0074]
图3为本发明实施例提供的一种基于地理空间信息的栅格区域划分原理示意图；
[0075]
图4为本发明实施例提供的一种基于神经网络的区域权重模型训练预测过程示意图；
[0076]
图5为本发明实施例提供的一种中各可观测卫星的权重时变结果图；
[0077]
图6为本发明实施例提供的一种中不同权重方案下的定位性能对比图；
[0078]
图7为本发明实施例提供的一种基于车路协同的车辆的卫星动态定位系统的结构图。
具体实施方式
[0079]
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0080]
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加
一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
[0081]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0082]
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0083]
基于上述背景，本发明立足于新型智能交通系统车路协同模式的核心优势，提出了一种可以有效利用车辆间、车路间协同交互信息条件的车辆的卫星动态定位方法，为车辆卫星定位使能的智能化交通系统应用提供更为坚实的条件与基础。
[0084]
实施例一
[0085]
本实例提供的基于车路协同的车辆的卫星动态定位方法的应用场景为：已知目标路网的范围，并能够提取地理空间信息p0{l
max
,l
min
,b
max
,b
min
}，其中上标0代表目标路网总体，包括经度上界l
max
、经度下界l
min
、纬度上界b
max
、纬度下界b
min
；路网中的车辆均有基于全球定位系统(globalposition system,gps)的接收机，并且都能够输出标准rinex(receiverindependent exchange format)协议和美国国家海洋电子协会(nmea-thenational marine electronics association)协议格式数据，车-车、车-路之间能够借由信息传输模块利用无线通信网络进行信息交互，车载定位系统和安置在目标路网中路侧端的区域定位信息管理单元已经实现对该方法硬件和软件上的支持。
[0086]
本发明实施例提供的一种基于车路协同的车辆的卫星动态定位方法的实现原理图如图1所示，具体处理流程如图2所示，包括如下步骤：
[0087]
步骤s1、提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；
[0088]
步骤s2、在目标路网内采集车辆的车载卫星定位观测数据，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；
[0089]
步骤s3、基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型；
[0090]
步骤s4、实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，提取本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型，动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重完成目标路网内车辆的定位解算；
[0091]
步骤s5、目标路网内车辆实时将本车的卫星定位观测数据发送至目标路网中路侧端的区域定位信息管理单元，对其所含卫星定位观测量定权模型进行更新。
[0092]
其中：
[0093]
步骤s1的具体过程为：
[0094]
目标路网为路侧定位管理单元覆盖区域范围，提取目标路网的地理空间信息，根
据地理空间信息将目标路网划分为若干栅格区域，并确定各个栅格区域的建模范围。目标路网涵盖的不同栅格区域具有差异较大的卫星定位观测环境，因此对卫星的定位解算将造成的不同程度的误差，需要分区域建模表征对卫星信号的影响程度。
[0095]
步骤s1进一步包括以下子步骤：
[0096]
s1.1、对于给定的使用基于车路协同的车辆的卫星动态定位方法的目标路网，确定目标路网在地图上的概略范围，提取目标路网的地理空间信息，得到路网地理空间信息集合p0{l
max
,l
min
,b
max
,b
min
}，包括目标路网的经度上界l
max
、经度下界l
min
、纬度上界b
max
、纬度下界b
min
，上标0代表目标路网。
[0097]
s1.2、根据栅格区域单位经度跨度l
region
、栅格区域单位纬度跨度b
region
，将目标路网按照经度坐标、纬度坐标分为m
l
份和mb份，得到m
l
×
mb个栅格区域，从而将目标路网划分为若干栅格区域。
[0098]
在本实施例中，考虑将目标路网经度和纬度分成m
l
＝5份、mb＝5份，共得到25个栅格区域，将目标路网的地理空间信息属性拓展为
[0099]
s1.3、确定栅格区域的建模范围，对所有栅格区域依次编号，并确定栅格区域的的建模范围的经度上界为l
imax
，经度下界为l
imin
、纬度上界为b
imax
和纬度下界为b
imin
，其中i为栅格区域编号，且各栅格区域模型相互独立。本发明实施例提供的一种基于地理空间信息的栅格区域划分原理示意图，如图3所示，栅格区域i的地理空间信息为pi{i,l
imax
,l
imin
,b
imax
,b
imax
,p
t*
}，标注编号的若干栅格区域表征了各自所在区域路网信息的特征，包括：
[0100]
(1)具有少量路段，例如1号栅格区域；
[0101]
(2)具有大量路段，例如5号和11号栅格区域；
[0102]
(3)几乎没有路段，例如25号栅格区域。
[0103]
步骤s2的具体过程为：
[0104]
在目标路网内采集车辆的车载卫星定位观测数据，为各栅格区域构建对应的区域历史数据集，对所有车载卫星定位接收机，在完成服务于本车的卫星定位解算后，将车载卫星定位观测数据发送到路侧端的区域定位信息管理单元，可完成对观测数据样本数据的积累。
[0105]
步骤s2进一步包括以下子步骤：
[0106]
s2.1、目标路网中装配卫星定位接收机的车辆，在完成当前时刻的定位解算后，从卫星定位接收机的实际观测数据中提取卫星定位观测数据、定位结果信息以及辅助信息，上述实际观测数据包括rinex(receiverindependentexchangeformat，与接收机无关的交换格式)和nmea(nationalmarineelectronicsassociation，国家海洋电子协)格式信息。接收机采集频率f＝1hz，即一秒钟进行一次定位解算，一段采集时间内所有栅格区域都将采集若干份观测数据样本，构成原始观测数据样本，其中：
[0107]
(1)卫星定位观测数据，包括utc时间t、可见卫星sat
t
(prn1,prn2,...,prnn)、可视卫星仰角α
t,k
、方位角β
t,k
、信噪比γ
t,k
、伪距χ
t,k
、载波相位δ
t,k
、多普勒频移ε
t,k
，其中，prnn是第n颗可见卫星的prn号、下标t为utc时间、k为当前时刻第k颗可见卫星，k∈[1,n]；
[0108]
(2)定位决策信息，包括定位解算所得车辆三维坐标(b
t
,l
t
,h
t
)、伪距残差ξ
t,k
、几何精度因子集合dop
t
，其中下标t为utc时间、k为当前时刻第k颗可见卫星；
[0109]
(3)辅助信息，包括采样频率f、卫星定位终端系数σr、卫星定位终端 id号r、区域
属性n
t
，其中下标t为utc时间，其中：接收机系数是对不同等级接收机定位解算得到的残差结果的一种修正因子。
[0110]
s2.2、基于各观测数据样本的定位决策信息和路网地理空间信息，确定该观测数据样本的区域属性n
t
，具体判定依据为：
[0111][0112]
其中，l
region
、b
region
表示栅格区域单位经度跨度、纬度跨度，l
max
、l
min
、b
max
、b
min
表示目标路网的经度上界、经度下界、纬度上界、纬度下界，m
l
、mb表示将目标路网按照经度坐标、纬度坐标分为的份数，l
t
和b
t
为定位决策信息中的经度和纬度，nb、n
l
为该观测数据样本对应的经度、纬度份数的序号，floor(*)表示向下取整函数，n
t
为该数据样本的区域属性。
[0113]
s2.3、选择2021年1月15日utc＝073510的接收机实际观测数据样本，根据观测数据样本的区域属性n
t
，按照栅格区域范围将观测数据样本对应至栅格区域进行汇集，由式(1)判断得到该观测数据样本的区域属性为5，即该观测数据样本将借由无线通信网络被传输至5号栅格区域的区域历史数据集，为后续进行数据处理和建模扩充观测数据样本数据量。依次对采集的所有观测数据样本判断区域属性后，通过无线通信网络传输至对应栅格区域，构建各个栅格区域的区域历史数据集。其中表示不同时刻不同卫星的对应观测数据样本。无线通信网络代表包括但不限于4g/5g 公网通信、wi-fi、dsrc等。
[0114]
步骤s3的具体过程为：
[0115]
基于区域历史数据集，对栅格区域所含观测数据样本进行属性拓展与模型训练，同一栅格区域下，采集的观测数据样本由于在相似的观测环境下获得，从解算结果中也可以提取出相似的特征，因此，设定部分特征值阈值筛除无效观测数据样本，采用智能算法对该栅格区域的观测环境进行建模，生成与各栅格区域观测环境对应的卫星定位观测量定权模型。
[0116]
步骤s3进一步包括以下子步骤：
[0117]
s3.1、基于区域历史数据集，对栅格区域的所有观测数据样本拓展可用性属性y
t,k
，具体步骤包括：
[0118]
(1)设定卫星仰角门限值α
min
＝15，信噪比门限值γ
min
＝24，伪距残差门限值ξ
max
＝5m；
55.9，利用式(5)的接收机系数修正后，由式(2)判断，伪距残差没有通过门限值，得y
073510,4
＝0。
[0134]
s3.3、对栅格区域所含观测数据样本进行属性拓展与模型训练，具体步骤包括：
[0135]
(1)在每个栅格区域下，对采集的所有观测数据样本，提取可用性属性y
t,k
为1的观测数据样本；
[0136]
(2)基于上述观测数据样本，提取特征量包括：仰角α
t,k
、方位角β
t,k
、信噪比γ
t,k
、原始伪距χ
t,k
、载波相位δ
t,k
、多普勒频移ε
t,k
；
[0137]
(3)基于上述观测数据样本，提取目标量包括修正后伪距残差
[0138]
(4)本发明实施例提供的一种基于神经网络的区域权重模型训练预测过程示意图如图4所示。
[0139]
对特征量和目标量进行观测数据样本注入与迭代建模训练，本实施例选用bp神经网络，选取合适的参数，对特征量和目标量进行训练，设置合适的隐藏层，选择网络输出值与拟合目标值的最小误差均方根作为代价函数，在到达最大迭代次数或者代价函数到达设定阈值时，终止迭代生成对应栅格区域的观测量性能参数定权模型，该观测量性能参数定权模型的参数名称和设定值如表1所示。
[0140]
表1观测量性能参数定权模型的参数名称和设定值
[0141][0142][0143]
其中，激活函数sigma和代价函数为：
[0144][0145]
其中，f(x)为激活函数，e为代价函数，p为样本总量，j为输出层神经元数量，di(p)、yi(p)分别表示对应第p个样本当前输出层第i个神经元的估计输出值、给定的目标真值。
[0146]
步骤s4的具体过程为：
[0147]
目标路网内运行的各个车辆实时提取本车协同邻车的卫星定位观测数据，计算概
略位置以确定所属栅格区域，结合本车、邻车观测数据以及所属栅格区域卫星定位观测量定权模型，动态计算各可视卫星定位观测量的权重，基于所得权重完成定位解算。
[0148]
步骤s4进一步包括以下子步骤：
[0149]
s4.1、目标路网内运行的各个车辆实时提取本车卫星定位观测数据，并实时接收协同邻车的观测数据，以实际观测数据样本为例，本车观测数据和邻车观测数据的卫星定位观测数据包括：utc时间t＝073510；当前可见卫星集合sat
073510
(3,4,9,16,26,27,29,31)；卫星状态信息，如prn＝4的卫星的仰角α
073510,4
＝55、方位角β
073510,4
＝290、信噪比γ
073510,4
＝44；原始伪距χ
073510,4
＝19740068.380；载波相位δ
073510,4
＝103734739.0612；多普勒频移ε
073510,4
＝722.173；辅助信息，包括采集频率f＝1hz、卫星定位终端系数σ1＝7.67、卫星定位终端id号r＝1。
[0150]
s4.2、计算本车的概略位置，以确定本车所属栅格区域，结合本车、邻车观测数据以及所属栅格区域卫星定位观测量定权模型，动态计算各可视卫星定位观测量的权重，具体步骤包括：
[0151]
(1)利用本车的原始卫星定位观测信息，采用等权值策略初步实施定位解算，得到本车的概略位置，根据上述栅格区域判别依据，求出本车的区域属性n
t
＝5。
[0152]
(2)确定本车和车-车通信范围内的各个协同邻车构成的车辆簇 j{0,1,2,3}，j＝0时表示本车，依据本车的区域属性n
t
＝5，将本车和其邻车的卫星定位观测数据发送到5号栅格区域定位信息管理单元中，经过区域卫星定位观测量定权模型处理和计算得到第j辆车在t时刻k号可见卫星的伪距残差预测值见式(4)。
[0153][0154]
其中，g
θ
(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，分别表示j号车辆在t时刻观测到的第k颗卫星的仰角、方位角、信噪比。
[0155]
在该时刻下，从本车卫星定位终端所得观测数据中提取出最终用于解算的卫星集合经过模型预测得到预测伪距残差，分别是 [0.9763,1.0766,1.1243,3.7337,1.3813]，预测伪距残差能一定程度表征定位解算时各卫星的伪距方差，是绝对权重的重要部分。
[0156]
(3)综合本车卫星定位观测数据，计算各可视卫星的剩余水平精度特征值rpdopk，剩余水平精度特征值展示了每颗卫星在整颗卫星配置中的作用，某一颗卫星的剩余水平精度特征值定义为该颗卫星不在可见集时，剩余卫星构成的水平精度特征值占考虑所有可视卫星的水平精度特征值的比例，该比例越大，则说明考虑的卫星占整体星座配置中的贡献度越高：
[0157][0158]
其中，其中k表示第k颗可视卫星，表示第颗卫星不在可见集时的水平精度特征值，pdop表示考虑所有可见卫星配置时的水平精度特征值。
[0159]
对实施例中车辆该时刻所有可视卫星求rpdopk，得rpdop4＝1.8092,rpdop
16
＝1.6614,rpdop
26
＝1.8109,rpdop
27
＝2.7432, rpdop
31
＝2.0789。
[0160]
(4)对于车辆簇所有邻车，即{jj}，j≥1，综合各车辆的卫星定位观测数据、栅格区域n
t
卫星定位观测量定权模型，分布计算邻车在t时刻第k颗可视卫星的伪距残差预测值邻车的伪距残差能表征当前时刻该区域整体环境的观测质量。
[0161][0162]
(5)结合各可视卫星的本车伪距残差预测值和剩余水平精度特征值 rpdopk，以及车辆簇中所有邻车的伪距残差预测值采用t-s模糊推理方法计算t时刻第k颗可视卫星定位观测量权重w
t,k
：
[0163][0164]
其中h(*)表示定权用的t-s模糊推理方法。
[0165]
该模型中的t-s模糊推理方法以本车伪距残差预测值、本车精度因子集合、邻车伪距残差预测值为输入，权重为输出，共设置模糊规则27条，对同一时刻下每颗可视卫星单独求出权重值，各视卫星的模糊推理输出值为 w
073510,4
＝1.3810 w
073510,16
＝1.1357 w
073510,26
＝1.0414 w
073510,27
＝0.0944w
073510,31
＝0.6899，可以看出，26号卫星在该时刻观测质量较低，分配权重最低；4号卫星观测质量更优，分配权重最高。
[0166]
(4)对所得权重信息归一化处理，得到用于位置解算的定权矩阵w
t
，定权矩阵w
t
为n
×
n维对角阵，维度随着当前可用卫星数n变化而变化。
[0167][0168]
s4.3、基于所得各可视卫星的定权矩阵w
t
，完成车辆的定位解算。
[0169]
对实施例中车辆在该时刻所得各可视卫星权重，进行归一化处理，得到最终应用于定位解算的定权矩阵为：
[0170][0171]
相应的可视卫星集合为在t＝073056～074214时段内，得到实施例中各可观测卫星的权重时变结果，图5给出了前100个历元的权重分配情况。
[0172]
将定权矩阵w
t
应用于定位完好性监测、定位解算等过程中，为车辆定位信息的运用提供更安全可靠的保障。定位解算选择伪距观测量定位采用加权最小二乘法进行求解，
完好性监测采用加权最小二乘残差法进行完好性监测，具体公式见式(9)～(12)
[0173]
x＝(h
t
wh)-1
hwz(9)
[0174][0175][0176][0177]
其中，h为观测矩阵；z为观测向量；ε为误差矢量；w为所应用的权重矩阵；a矩阵和s矩阵均为解算过程中求得的矩阵；n为可视卫星总数；λ
w,min
为满足漏检概率要求的卡方分布非中心化参数的最小值，只与当前可视卫星总数有关，可通过查表获得，以本实施例所述时刻为例，可视卫星数为5，此时λ
w,min
＝8.2；h
pl
为水平保护级别，根据gnss应用的告警率要求和实际的量测状态计算出来的实时定位误差保护阈值，它对水平定位误差(hpe)的包络情况可以反应完好性监测可用性的性能，其中，hpe按下式计算：
[0178][0179]
其中，x和y指当前时刻定位解算得出的ecef坐标系下的横坐标和纵坐标，和指当前时刻ecef坐标系下的真值。
[0180]
计算实施例中所有历元的水平保护级别和水平定位误差后，将所得完好性监测及定位性能与其他经典定权方案进行比较，可验证本发明所提出定权方法的定位性能优势。
[0181]
图5为本发明实施例提供的一种中各可观测卫星的权重时变结果图，图6为本发明实施例提供的一种中不同权重方案下的定位性能对比图，主要对比的方案包括：
[0182]
(1)等权策略(图中简称“等权”)；
[0183]
(2)仰角定权参数模型(图中简称“仰角权”)；
[0184]
(3)信噪比定权参数模型(图中简称“信噪比权”)；
[0185]
(4)仰角信噪比组合定权模型(图中简称“参数组合权”)；
[0186]
(5)本发明提出的基于车路协同的车辆的卫星动态定位方法(图中简称“协同权”)；
[0187]
步骤s5的具体过程为：
[0188]
s5、目标路网内运行的各个车辆实时将本车卫星定位观测数据发送至区域定位信息管理单元，即对每一组使用基于车路协同的卫星定位动态调权方法进行定位解算的数据，在完成定位解算后能生成具有特征值的观测数据样本，通过无线通信网络，对该栅格区域所含当前区域历史数据集进行增量更新，并基于更新历史数据集，利用所述步骤4，对卫星定位观测量定权模型进行更新
[0189]
实施例二
[0190]
本发明实施例提供的一种基于车路协同的车辆的卫星动态定位系统的结构图如图7所示，包括如下的模块：
[0191]
栅格区域划分模块71，用于设置在区域定位信息管理单元中，提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；
[0192]
区域历史数据集构建模块72，用于设置在区域定位信息管理单元中，在接收到目标路网内车辆采集的车载卫星定位观测数据后，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；
[0193]
卫星定位观测量定权模型获取模块73，用于设置在区域定位信息管理单元中，基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型，并发送给车辆定位解算模块；
[0194]
车辆定位解算模块74，用于设置在目标路网内车辆中，实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重对目标路网内车辆进行定位解算。
[0195]
卫星定位观测量定权模型更新模块75，用于设置在区域定位信息管理单元中，接收到目标路网内车辆实时发送的本车的卫星定位观测数据后，对车辆所属的栅格区域对应的卫星定位观测量定权模型进行更新。
[0196]
用本发明实施例的系统进行基于车路协同的车辆的卫星动态定位的具体处理过程与前述方法实施例类似，此处不再赘述。
[0197]
综上所述，本发明提出的基于车路协同的车辆的卫星动态定位方法能够充分运用车路协同系统模式的核心优势，利用局域路网内邻车集与路侧系统的感知、汇集、处理能力，为车辆自身实施卫星定位的定权更新提供有利支持，进而在复杂城市道路环境下提升卫星定位性能，强化卫星定位对车辆所处道路空间环境的主动跟踪与适应能力，对于支持众多新型协作化智能交通系统应用具有重要潜力与应用价值。
[0198]
本发明可适用于不同类型导航卫星在城市道路环境中的应用，对不同类型路网条件、不同形态道路周边建筑及遮挡条件、不同路网规模具有通用性，工程应用价值显著。
[0199]
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
[0200]
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0201]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法
实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0202]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
技术特征：1.一种基于车路协同的车辆的卫星动态定位方法，其特征在于，包括：步骤s1、提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；步骤s2、在目标路网内采集车辆的车载卫星定位观测数据，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；步骤s3、基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型；步骤s4、实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重对目标路网内车辆进行定位解算。2.根据权利要求1所述的方法，其特征在于，所述的方法还包括：步骤s5、目标路网内车辆实时将本车的卫星定位观测数据发送至区域定位信息管理单元，区域定位信息管理单元对车辆所属的栅格区域对应的卫星定位观测量定权模型进行更新。3.根据权利要求1或者2所述的方法，其特征在于，所述的步骤s1包括：s1.1、确定目标路网在地图上的概略范围，提取目标路网的地理空间信息，得到路网地理空间信息集合p0{l
max
,l
min
,b
max
,b
min
}，所述路网地理空间信息集合p0包括目标路网的经度上界l
max
、经度下界l
min
、纬度上界b
max
、纬度下界b
min
，上标0代表目标路网；s1.2、根据栅格区域单位经度跨度l
region
、栅格区域单位纬度跨度b
region
，将目标路网按照经度坐标、纬度坐标分为m
l
份和m
b
份，将目标路网划分为m
l
×
m
b
个栅格区域，将目标路网的地理空间信息属性拓展为s1.3、对所有栅格区域依次编号，并确定栅格区域的建模范围的经度上界为l
imax
，经度下界为l
imin
、纬度上界为b
imax
和纬度下界为b
imin
，其中i为栅格区域编号，且各栅格区域模型相互独立。4.根据权利要求3所述的方法，其特征在于，所述的步骤s2包括：s2.1、目标路网中装配卫星定位接收机的车辆在完成当前时刻的定位解算后，从卫星定位接收机的实际观测数据中提取卫星定位观测数据、定位决策信息以及辅助信息，卫星定位接收机按照设定的采集频率在一段采集时间内针对各个栅格区域都分别采集若干份观测数据样本，将所有的观测数据样本构成原始观测数据样本；s2.2、基于各观测数据样本的定位决策信息和路网地理空间信息，确定该观测数据样本的区域属性n
t
，具体判定依据为：
其中，l
t
和b
t
为定位决策信息中的经度和纬度，floor(*)表示向下取整函数；s2.3、根据观测数据样本的区域属性n
t
和栅格区域范围确定观测数据样本对应的栅格区域，将观测数据样本按照对应的栅格区域进行分类汇集，得到各个栅格区域的区域历史数据集。5.根据权利要求4所述的方法，其特征在于，所述的步骤s3包括：s3.1、设定卫星仰角门限值α
min
，信噪比门限值γ
min
，伪距残差门限值ξ
max
；对卫星接收机采集的伪距残差值进行修正补偿，得到修正后伪距残差和伪距残差门限值ξ
max
；s3.2、基于区域历史数据集，将不满足卫星仰角门限值α
min
、信噪比门限值γ
min
和伪距残差门限值ξ
max
的观测数据样本的可用性属性y
t,k
设置为0，判断观测数据样本x
t,k
的可用性属性y
t,k
的公式为：其中，符号∨表示逻辑判断“或”；s3.3、在每个栅格区域下，对采集的所有观测数据样本，提取可用性属性y
t,k
为1的观测数据样本；从所述观测数据样本中提取特征量，该特征量包括：仰角α
t,k
、方位角β
t,k
、信噪比γ
t,k
、原始伪距χ
t,k
、载波相位δ
t,k
和多普勒频移ε
t,k
；从所述观测数据样本中提取包括修正后伪距残差的目标量。利用bp神经网络对观测数据样本的所述特征量和目标量进行迭代建模训练，设置bp神经网络的隐藏层，选择bp神经网络的输出值与拟合目标值的最小误差均方根作为代价函数，在到达最大迭代次数或者代价函数到达设定阈值时，终止所述特征量和目标量的迭代建模训练，生成对应栅格区域的观测量性能参数定权模型。6.根据权利要求5所述的方法，其特征在于，所述的观测量性能参数定权模型的参数名称包括：特征变量、目标变量、区域编号、输入层节点数、隐含层层数与各层节点数、输出层节点数、隐含层激活函数、输出层激活函数、代价函数和学习率，所述特征变量包括：仰角、方位角、信噪比、原始伪距、载波相位和多普勒频移，所述目标变量包括伪距残差；
其中，激活函数sigma和代价函数为：f(x)为激活函数，e为代价函数，p为样本总量，j为输出层神经元数量，d
i
(p)、y
i
(p)分别表示对应第p个样本当前输出层第i个神经元的估计输出值、给定的目标真值。7.根据权利要求5所述的方法，其特征在于，所述的步骤s4包括：s4.1、目标路网内运行的各个车辆实时提取本车的卫星定位观测数据，并实时接收协同邻车的卫星观测数据；s4.2、利用本车的卫星定位观测数据，采用等权值策略初步实施定位解算，得到本车的概略位置，根据本车的概略位置和栅格区域的建模范围，得到本车所属的栅格区域；确定本车和车-车通信范围内的各个协同邻车构成的车辆簇，将本车和其邻车的卫星定位观测数据发送到本车所属的栅格区域的定位信息管理单元中，定位信息管理单元利用本栅格区域的卫星定位观测量定权模型计算得到车辆簇中的第j辆车在t时刻k号可见卫星的伪距残差预测值见式(4)。其中，g
θ
(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，(*)表示第θ号栅格区域对应的卫星定位观测量定权模型，分别表示j号车辆在t时刻观测到的第k颗卫星的仰角、方位角、信噪比。综合本车的卫星定位观测数据，计算各可视卫星的剩余水平精度特征值rpdop
k
，剩余水平精度特征值越大，则说明卫星占整体星座配置中的贡献度越高：其中，其中k表示第k颗可视卫星，表示第颗卫星不在可见集时的水平精度特征值，pdop表示考虑所有可见卫星配置时的水平精度特征值。对于车辆簇所有邻车，综合各车辆的卫星定位观测数据、栅格区域n
t
的卫星定位观测量定权模型，计算邻车在t时刻第k颗可视卫星的伪距残差预测值计算邻车在t时刻第k颗可视卫星的伪距残差预测值结合各可视卫星的本车伪距残差预测值和剩余水平精度特征值rpdop
k
，以及车辆簇中所有邻车的伪距残差预测值采用t-s模糊推理方法计算t时刻第k颗可视卫星定位观测量权重w
t,k
：其中，h(*)表示定权用的t-s模糊推理方法。
8.根据权利要求7所述的方法，其特征在于，所述的基于各可视卫星的观测量权重对目标路网内车辆进行定位解算，包括：对车辆在当前时刻的各个可视卫星定位观测量权重进行归一化处理，得到应用于定位解算的定权矩阵w
t
，定权矩阵w
t
为n
×
n维对角阵，维度随着当前可用卫星数n变化而变化；利用所述定权矩阵w
t
采用加权最小二乘法对车辆进行伪距观测量位置解算，并对车辆的位置解算结果进行完好性监测；所述车辆的位置解算和完好性监测的具体公式见式(9)～(12)x＝(h
t
wh)-1
hwz(9)(9)(9)其中，h为观测矩阵；z为观测向量；ε为误差矢量；w为所应用的权重矩阵；a矩阵和s矩阵均为解算过程中求得的矩阵；n为可视卫星总数；λ
w,min
为满足漏检概率要求的卡方分布非中心化参数的最小值，与当前可视卫星总数有关。9.一种基于车路协同的车辆的卫星动态定位系统，其特征在于，包括：栅格区域划分模块，用于设置在区域定位信息管理单元中，提取目标路网的地理空间信息，根据地理空间信息将目标路网划分为若干栅格区域，确定各栅格区域的建模范围；区域历史数据集构建模块，用于设置在区域定位信息管理单元中，在接收到目标路网内车辆采集的车载卫星定位观测数据后，基于车辆的车载卫星定位观测数据为各栅格区域构建对应的区域历史数据集；卫星定位观测量定权模型获取模块，用于设置在区域定位信息管理单元中，基于各栅格区域的区域历史数据集，对各栅格区域所含观测数据样本进行属性拓展与模型训练，生成与各栅格区域对应的卫星定位观测量定权模型，并发送给车辆定位解算模块；车辆定位解算模块，用于设置在目标路网内车辆中，实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，基于各可视卫星的观测量权重对目标路网内车辆进行定位解算。10.根据权利要求9所述的系统，其特征在于，所述的系统还包括：
卫星定位观测量定权模型更新模块，用于设置在区域定位信息管理单元中，接收到目标路网内车辆实时发送的本车的卫星定位观测数据后，对车辆所属的栅格区域对应的卫星定位观测量定权模型进行更新。
技术总结本发明提供了一种基于车路协同的车辆的卫星动态定位方法和系统。包括：提取目标路网的地理空间信息，将目标路网划分为若干栅格区域，确定各栅格区域的建模范围，为各栅格区域构建区域历史数据集；对各栅格区域的观测数据样本进行属性拓展与模型训练，生成各栅格区域对应的卫星定位观测量定权模型；实时计算目标路网内车辆的概略位置，确定车辆的所属栅格区域，根据本车辆与协同邻车的卫星定位观测数据、所属栅格区域的卫星定位观测量定权模型动态计算各可视卫星的观测量权重，对目标路网内车辆进行定位解算。本发明运用车路协同系统，利用局域路网内邻车集与路侧系统的感知、汇集、处理能力，为车辆自身实施卫星定位的定权更新提供有利支持。更新提供有利支持。更新提供有利支持。
技术研发人员：刘江 谭思伦 蔡伯根 王剑 陆德彪 上官伟 姜维
受保护的技术使用者：北京交通大学
技术研发日：2022.01.17
技术公布日：2022/7/5
