[发明专利]一种适用于密集车辆场景的协同定位方法

说明书

本发明公开了一种适用于密集车辆场景的协同定位方法，应用于5G系统中的各个车辆，包括：获取与自身通信范围内其他各车辆之间的距离、角度以及自身通信范围内各路边单元的位置信息，并从自身通信范围内确定协作车辆，形成车辆联盟；若当前迭代次数未达到预设次数，确定自身在n时刻的预测信息和测量信息，测量信息包括：根据从协作车辆接收到的第一输出概率信息确定的输入概率信息、以及根据输入概率信息和预测信息确定的第二输出概率信息；根据预测信息和输入概率信息，获得自身在n时刻的定位信息；在当前迭代次数达到预设次数时，将本次迭代得到的定位信息确定为自身在n时刻的定位结果，从而在保证协同定位精度的同时，减少通信开销和计算复杂度。

技术领域

本发明属于无线定位技术领域，具体涉及一种适用于密集车辆场景的协同定位方法。

背景技术

车辆安全、智能的行驶需求已经成为普遍关注的焦点问题，随着第五代通信技术的发展，智能交通系统成为可能。在智能交通系统中，车辆定位在自动驾驶、室内停车场等场景中成为必不可少的技术。目前，车辆定位主要采用GNSS(Global NavigationSatellite System，全球导航卫星系统)定位方式，但在城市峡谷和立交桥等地方，GNSS卫星定位由于测距问题，导致定位的误差通常较大。

近年来，5G毫米波定位成为GNSS定位的新兴替代方案。5G定位技术主要包括基于基站和基于用户的两种定位方式。但是，在拥堵的交叉路口等车辆密集的场景中，大量车辆接入基站容易产生网络拥塞、高时延等问题，导致车辆无法定位。

而相关技术中，协同定位是基于用户的定位方式中的常用手段。协同定位方法利用非贝叶斯和基于贝叶斯的协作定位。从定位精度来说，基于贝叶斯的协同定位优于非贝叶斯的方法，其中，基于和积算法的协同定位方法是一种典型的基于贝叶斯的协同定位方法，该方法根据锚节点的定位信息，和节点间通过消息传递的方式传递后验概率进行位置估计。然而，当节点数量较大时，该算法存在计算复杂度高，通信开销大的问题。

可见，密集车辆环境下，协同定位方法仍存在计算复杂度高、通信开销大等亟待解决的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种适用于密集车辆场景的协同定位方法，应用于5G系统中的各个车辆，包括：

分别获取与自身通信范围内其他各车辆之间的距离和角度；

分别获取自身通信范围内，各路边单元的位置信息；

根据所述位置信息以及所述与自身通信范围内其他各车辆之间的距离和角度，从自身通信范围内确定协作车辆，形成车辆联盟；

判断当前迭代次数是否达到预设次数；若否，确定自身在n时刻的预测信息和测量信息，其中，所述测量信息包括：根据从自身对应的协作车辆接收到的第一输出概率信息确定的输入概率信息、以及根据所述输入概率信息和所述预测信息确定的第二输出概率信息；

根据所述预测信息和所述输入概率信息，确定自身在n时刻的定位信息；

在当前迭代次数达到预设次数时，将本次迭代得到的定位信息确定为自身在n时刻的定位结果。

在本发明的一个实施例中，所述根据所述位置信息以及所述与自身通信范围内其他各车辆之间的距离和角度，从自身通信范围内确定协作车辆，形成车辆联盟的步骤，包括：

根据所述位置信息以及所述与自身通信范围内其他各车辆之间的距离和角度，确定自身在n时刻的效用函数值；

根据所述效用函数值，确定自身在n时刻的配置改变概率；

获取自身通信范围内各个车辆在n时刻的配置改变概率，并将自身通信范围内配置改变概率大于等于0的车辆确定为协作车辆，形成车辆联盟。

在本发明的一个实施例中，按照如下公式确定自身在n时刻的效用函数值：