考虑通信时延的智能网联汽车协同定位方法

作者：闵海根^*; 李尧; 汪建球; 张磊; 李杰; 童星; 吴霞; 赵祥模

来源：中国公路学报, 2023, 36(06): 220-234.

DOI：10.19721/j.cnki.1001-7372.2023.06.019

• 交通工程
• 协同定位
• 误差补偿
• 通信时延
• 信息融合

为了满足网联环境下自动驾驶车辆安全行驶的需求，必须实现车辆全时空高精度定位。针对单车定位(Single Vehicle Localization, SVL)方法的不足，提出了一种基于双层滤波结构的智能网联汽车协同定位框架。首先，基于卡尔曼滤波对各车辆状态进行修正；然后设计基于联邦卡尔曼滤波的协同定位估计方法，通过构建一个主滤波器和多个局部滤波器，将本车状态与修正后的邻车状态进行融合；使用多种数据拟合方法，基于真实数据构建传输时延概率模型，基于高斯分布构建处理时延概率模型；此外，提出一种通信时延误差补偿方法，并融入协同定位框架；最后，设计了5组仿真试验，评估SVL、未进行通信时延误差补偿的协同定位方法(CLWC)和基于通信时延误差补偿的协同定位方法(CLC)的定位性能，并深入分析了速度和行驶方向对定位结果的影响。研究结果表明：在城市道路环境下，CLWC相较于SVL,精度提高了15%～23%;在空旷道路环境下，通信时延较小情况时，CLWC优于SVL,CLC在CLWC基础上将精度进一步提高了5%～13%。在长直道、弯道、隧道等场景，CLC能够保证定位轨迹平滑，精度明显高于SVL,同时进一步验证了存在通信时延情况下，车辆速度对协同定位的影响。所提方法不仅克服了SVL误差累积的缺陷，同时有效降低了通信时延的影响，可为车辆提供连续稳定的高精度位置。

• 单位
  长安大学