p = | Lap
[0176]
[01 77] -LbP [ SAB(GPS+Image+Radar) [ 0 AB(GPS+Image+Radar)
[0178] 通過Matlab仿真，可以得到圖6中，單車融合方案中第二步AB兩車距離融合方法的 結(jié)果圖。
[0179] 實(shí)施例2，多車數(shù)據(jù)融合方案
[0180] 如圖7所示，多車融合是指本車接收到系統(tǒng)內(nèi)的多輛車共享的傳感器數(shù)據(jù)后實(shí)現(xiàn) 的數(shù)據(jù)融合。實(shí)際上增加的數(shù)據(jù)來自系統(tǒng)中多輛其他車輛，所以稱為多車融合。多車融合適 合上圖所示的應(yīng)用場(chǎng)景。利用實(shí)施例1中單車融合方法，可以得到Labp、L ACP、LADP、LAEP。然后應(yīng) 用前述所提到的模糊貼近度融合方法，可以剔除其中疏失的數(shù)據(jù)，最后得到即為最 終的取優(yōu)結(jié)果，。
[0181] 多車數(shù)據(jù)融合方案的流程框圖如圖8所示。
[0182] 多車融合方法的步驟如下：
[0183] 第一步：多次運(yùn)用實(shí)施例1中的單車融合的融合方案，可以得到多個(gè)優(yōu)化結(jié)果，如 有幾輛車，則運(yùn)用多少次;假設(shè)有四輛輔助車輛，得到四個(gè)優(yōu)化結(jié)果為L(zhǎng)abp、L ACP、Ladp、Laep。
[0184] 第二步:運(yùn)用前述中模糊貼近度融合方法，可以剔除其中疏失的數(shù)據(jù)，并根據(jù)貼近 度計(jì)算權(quán)重，最后得到。即為最終的結(jié)果。
[0185] 同樣的通過Matlab仿真，仿真時(shí)采用的系統(tǒng)評(píng)價(jià)準(zhǔn)則函數(shù)定義為：累計(jì)均方誤差 函數(shù)（sum of mean square error,SMSE):
[0187] %C_：I表示第j次蒙特卡羅仿真實(shí)驗(yàn)的t時(shí)刻的估值結(jié)果。仿真過程中進(jìn)行了 20次 的蒙特卡羅實(shí)驗(yàn)。可以得到如圖9和圖10所示的仿真結(jié)果圖。圖9為無(wú)疏失數(shù)據(jù)情況下，本發(fā) 明采用的方法和平均值法等價(jià)。圖10為有疏失數(shù)據(jù)情況下，本發(fā)明采用的方法可以有效避 免疏失數(shù)據(jù)的影響。
[0188] 對(duì)于本領(lǐng)域的技術(shù)人員來說，可以根據(jù)以上的技術(shù)方案和構(gòu)思，作出各種相應(yīng)的 改變和變形，而所有的這些改變和變形都應(yīng)該包括在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于車輛自組織網(wǎng)絡(luò)的車輛位置定位信息融合方法，其特征在于，其包括如下 步驟： S1，確定自組織網(wǎng)絡(luò)內(nèi)的目標(biāo)車輛周圍的車輛數(shù)，如車輛數(shù)為η輛，則運(yùn)行η次單車數(shù)據(jù) 融合方法;假設(shè)目標(biāo)車輛周圍有四輛車，則運(yùn)行四次單車數(shù)據(jù)融合方法； S2,運(yùn)用模糊貼近度融合方法，剔除其中疏失的數(shù)據(jù)，并根據(jù)貼近度計(jì)算權(quán)重，得到車 輛位置定位信息1^^。2. 根據(jù)權(quán)利要求1所述基于車輛自組織網(wǎng)絡(luò)的車輛位置定位信息融合方法，其特征在 于，所述步驟S1中單車數(shù)據(jù)融合方法如下：步驟S11，假設(shè)系統(tǒng)存在兩輛車Α、Β，且二者均屬 于自組織網(wǎng)絡(luò)系統(tǒng)成員，其中Α為第一視角車輛，Ρ為Α車前方的目標(biāo)車輛并且Ρ車不是自組 織網(wǎng)絡(luò)系統(tǒng)成員；系統(tǒng)集成了GPS，系統(tǒng)內(nèi)的車輛的實(shí)時(shí)時(shí)間都是通過GPS授時(shí)所得;Lon B表 示B車的煒度，LatB表示B車的經(jīng)度;aB表示B車的加速度; VB表示B車運(yùn)行速度;系統(tǒng)采用周期 性交互并檢測(cè)定位信息;P車為A車前方的目標(biāo)車輛，即測(cè)量A車到P車的距離;Lbp表示B車通 過雷達(dá)或者圖像攝像裝置檢測(cè)得到的距離目標(biāo)車輛P車的距離；（a P，VP)表示B車通過雷達(dá)或 者圖像攝像裝置檢測(cè)得到的目標(biāo)車輛P車的加速度和速度，其傳輸信息里包含方向信息； 假設(shè)傳輸時(shí)延平均為τ，Τα為A車接收到數(shù)據(jù)后開始處理的時(shí)間戳;Ta-Tb為時(shí)間差，則： Τα_Τβ= τ+Τρ rocess 其中Tprcicess為系統(tǒng)處理過程的固定延遲。在高處理速度情況下，可以近似認(rèn)為： Ta_Tb = τSa為AA'，Sb為BB'，Sp即為PP'，ASbp=(PP/_BB/ ); 對(duì)B經(jīng)緯度信息進(jìn)行預(yù)修正，得到B車在A車收到信息以后所在的位置GPS坐標(biāo)f (L〇nB'， LatB，） B' (LonB，，LatB〇 = = B (LonB，LatB)+Sb 對(duì)B傳輸?shù)哪繕?biāo)P的相關(guān)信息進(jìn)行預(yù)修正， Lb，p，= =Lbp+ Δ Sbp A車自身的傳感器數(shù)據(jù)認(rèn)為是實(shí)時(shí)獲取的，即得到GPS坐標(biāo)# (Lorw，LatA')，結(jié)合預(yù)修正 后B車GPS坐標(biāo)V (LonB'，LatB')計(jì)算得到Lab ? (gps);Lab表示A車和B車的距離;根據(jù)修正 后經(jīng)煒度坐標(biāo)計(jì)算出的距離Lab ? S' (CPS)記為Sab(cps)(矢量方向即為A車到B車的方向），誤 差為 ω ab(gps)，即Lab = Sab(gps)+ ω ab(gps); 獲取至ijB車數(shù)據(jù)，并進(jìn)行預(yù)修正后融合得到Lab = Sab(gps)+ω ab(gps)和修正后的LbW ; 步驟S12，A車通過圖像測(cè)距或雷達(dá)測(cè)距實(shí)時(shí)獲取系統(tǒng)內(nèi)B車的距離，記圖像測(cè)距結(jié)果為 SAB(Image)，k差為〇 AB(Image);雷測(cè)足巨所V導(dǎo)至丨J白勺足巨1?為SAB(Radar)，k差為〇 AB(Radar);技豐不里加 權(quán)最優(yōu)融合穩(wěn)態(tài)卡爾曼濾波器的融合方法，融合Sab (GPS )、Sab (Image ：)和Sab (Rad ar)三個(gè)數(shù)據(jù)后的 ^p：^T5^jSAB(GPS+Image+Radar) j 〇 AB(GPS+Image+Radar);艮P :步驟S13，計(jì)算Lap = Lab+Lby，其中Lab為步驟S12中融合計(jì)算的結(jié)果，Lby為步驟SI 1中得 到的修正后的結(jié)果數(shù)據(jù);記融合后的距離為： Labp = | Lap =I Lab+Lb7 p7 -I LBP+SAB(GPS+Image+Radar)+〇 AB(GPS+Image+Radar) I 〇3.根據(jù)權(quán)利要求2所述的基于車輛自組織網(wǎng)絡(luò)的車輛位置定位信息融合方法，其特征 在于:所述步驟S2中的模糊貼近度融合方法如下:假設(shè)測(cè)量值誤差是隨機(jī)誤差，測(cè)量分布是 由均值和方差所確定的正態(tài)分布;模糊化的隸屬函數(shù)選用三角形隸屬函數(shù);三角形中心為 傳感器的測(cè)量值，寬度為測(cè)量數(shù)據(jù)標(biāo)準(zhǔn)方差的4倍;對(duì)于第i個(gè)傳感器，設(shè)其對(duì)真實(shí)值W的m次 測(cè)量后的測(cè)量均值為 Xl，測(cè)量方差為測(cè)量值的模糊量表示為：目標(biāo)估計(jì)值的模糊化過程同測(cè)量值模糊化過程類似，其中則目標(biāo)估計(jì)值的模糊量為：定義基于距離度量的貼近度計(jì)算方法：sC%轉(zhuǎn)】值越大，表示_和轉(zhuǎn)越貼近;= 1表示i|和轉(zhuǎn)完全相同，表 示轉(zhuǎn)和_完全不一致;在多傳感器多數(shù)據(jù)融合中，考慮的是每個(gè)測(cè)量值1與目標(biāo)估計(jì)量Wo 之間的貼近度； _為系統(tǒng)內(nèi)第i個(gè)車輛的數(shù)據(jù)經(jīng)過第0個(gè)車輛融合所得到的測(cè)量結(jié)果數(shù)據(jù);1?為平均值 的目標(biāo)估計(jì)量，計(jì)算利用貼近度S來表征系統(tǒng)內(nèi)根據(jù)不同車輛數(shù)據(jù)融合得到的結(jié) 果數(shù)據(jù)的權(quán)重;第i個(gè)車輛結(jié)果權(quán)= 歸一化后得到的各個(gè)車輛結(jié)果數(shù)據(jù)的相 對(duì)權(quán)重為：
【專利摘要】本發(fā)明公開了一種基于車輛自組織網(wǎng)絡(luò)的車輛位置定位信息融合方法包括如下步驟：S1，確定自組織網(wǎng)絡(luò)內(nèi)的目標(biāo)車輛周圍的車輛數(shù)，如車輛數(shù)為n輛，則運(yùn)行n次單車數(shù)據(jù)融合方法；假設(shè)目標(biāo)車輛周圍有四輛車，則運(yùn)行四次單車數(shù)據(jù)融合方法；S2，運(yùn)用模糊貼近度融合方法，剔除其中疏失的數(shù)據(jù)，并根據(jù)貼近度計(jì)算權(quán)重，得到車輛位置定位信息。本發(fā)明通過根據(jù)時(shí)延內(nèi)的行駛相對(duì)距離差來減小并消除網(wǎng)絡(luò)時(shí)延對(duì)測(cè)距帶來的誤差影響，且假定自身車輛圖像測(cè)距和雷達(dá)等測(cè)距是實(shí)時(shí)的。在采用距離等數(shù)據(jù)進(jìn)行融合時(shí)，對(duì)接收到的系統(tǒng)中其他車輛的定位信息進(jìn)行預(yù)修正，然后進(jìn)行數(shù)據(jù)融合，最后針對(duì)每個(gè)輔助車輛融合的結(jié)果進(jìn)行再次融合，提高了目標(biāo)定位精度。
【IPC分類】H04W64/00, H04W4/04, H04W84/18, H04W4/02
【公開號(hào)】CN105682222
【申請(qǐng)?zhí)枴緾N201610114656
【發(fā)明人】何先燈, 蔣奮強(qiáng), 陳南, 易運(yùn)暉, 權(quán)東曉, 朱暢華, 裴昌幸, 趙楠
【申請(qǐng)人】西安電子科技大學(xué)
【公開日】2016年6月15日
【申請(qǐng)日】2016年3月1日