失眠网 > 卡尔曼滤波对gps轨迹数据清洗_基于GPS的智能交通系统车辆定位精度提升技术

卡尔曼滤波对gps轨迹数据清洗_基于GPS的智能交通系统车辆定位精度提升技术

时间：2022-01-30 05:54:50

摘要

智慧交通系统已经开始利用不同的传感技术来提升自身的性能和质量。但是，智能交通系统的应用都依赖于高精度的车辆定位信息，而 GPS 就是全球最常用的车辆定位工具。传统的车辆定位都非常依赖 GPS 技术，但是 GPS 定位并非在所有环境下都非常的精确。本论文提供了一个集成算法，尽可能利用可能采集到的所有数据，包括 GPS、雷达识别、V2V，V2I 通信、和航向估计数据。同时，研究了一个位置算法，该算法只会利用这些数据中最关键的部分。利用虚拟场景对以上算法在不同场景下进行正确性检验。仿真结果显示，使用本论文的算法可以在 GPS 信号虚弱的时候，有效提升定位精度。

介绍

随着车辆需求的提升，交通拥堵越来越严重，导致交通事故的发生也越来越频繁。传统方法希望通过改造现有设施，新建道路的方式解决拥堵问题。但是，通过智慧交通系统可以更智能的解决这些问题，智慧交通利用多种协同技术，已经在提升道路安全，减少拥堵方面取得成果，这一切都依赖 GPS 的定位效果。由于卫星数目的缺失，在城市峡谷，隧道等环境下，GPS 的定位精度不足是现有智慧交通系统的瓶颈所在。

目前通过 V2I，即增加路侧设备可以提升定位精度，但是这种方式成本昂贵，只能作为一个可选项进行。而 V2V 和 V2P 方式，由于首先要基于 GPS 的绝对位置，才能计算车辆和车辆、车辆和行人的相对位置，然后再进行定位的优化。另一个有效的提升方法是地图匹配技术，通过将包含地图和交通信息的数据库合并到汽车位置中，但是这种方式的计算时间成本太高，而且同样依赖 GPS 的精度。

由于上述的方法基本相互独立，但是却让汽车与外部世界有非常多的联系，这个在城市范围尤其明显，造成很多不必要的联系。本论文提出一个智能算法，过滤这些联系，仅保留其中最重要的部分。

建模

汽车的位置信息使用公式(1)表示，同一时刻的测量单元的位置使用公式(2)表示。假定本实验中有 N 辆车和 M 个测试单元。

系统设计类似于卡尔曼滤波器算法，定义目标以及约束函数如下：

图 1 目标函数

图 2 约束函数

实验结果

实验模拟场景如下:

图 3 交通网络

图 4 位置信息误差对比图

从图上可以看出集成算法优化后的位置信息误差明显好于其他组合方法。

图 5 集成算法仿真结果

从上图可以看出，GPS 的性能几乎满足绝大多数环境，除了一些室内情况，比如隧道或者非常密集的场景。从 GPS+RFID 曲线可以看出，RFID 技术可以提升定位的精度，尤其在室内环境效果显著，但是，当 GPS 信号充足的情况下，RFID 的提升就非常微弱。GPS+V2V 的效果刚好相反，V2V 可以在 GPS 信号充足的情况下，也有明显的提升，因为城市区域有很多连接获取充足的信息，但是在室内场景，连接不足的情况下提升就不明显。

总结

本论文提出了智能和集成两种算法优化智能交通系统的定位精度问题，由于在实际生活中，汽车可能处于任何场景下，传统的汽车定位技术依赖 GPS，但是 GPS 在某些场景表现效果不佳。集成算法集成 V2I、V2V、RFID、和 DR 算法的优点，在某些极端环境下 GPS 位置损失 15%的，集成算法可以将精度提升，有些区域甚至可以超过 50%。虽然，智能算法还没有精度统计结果，但是理论上可以和集成算法有相同的优化表现。