论文部分内容阅读
智能交通是城市道路交通系统的重要发展方向,车联网(IOV, Internet of Vehicles)作为智能交通的具体实践,已得到各国的大力支持和研究。车辆定位技术是车联网系统有效运行的重要支撑技术之一,系统中几乎所有的功能应用都是以车辆准确定位为前提,车辆定位的精确度和实时性直接关系到车联网系统的实用价值和整体性能。目前广泛应用的是基于GPS的车辆定位技术,然而,GPS信号易受障碍物的干扰和阻断,在室内、隧道或高大建筑物之间时,由于可见的GPS卫星数量较小,定位精度将降低,误差将变大,甚至无法完成定位。目前主流的车联网通信技术是WAVE (Wireless Access in Vehicular Environment)技术,由IEEE802.11p与IEEE1609系列协议一起构成。WAVE系统在实际使用中需要设置大量的路边单元设备(RSU Road-Side Unit),那么利用其进行行车定位将具有很好的研究价值。本文在充分理解WAVE协议栈定义的基础上提出了一个在WAVE系统下基于高斯混合模型(Gaussian Mixture Model, GMM)的位置指纹定位方法,该方法由离线训练和在线定位两部分组成,采用GMM对离线训练阶段的指纹数据库进行聚类建模处理,并在定位阶段对结果采用多点均值方法处理,不仅降低了系统定位误差,也减少了定位阶段的运算量,提高了定位的实时性。实验结果表明,该方法有较好的定位精度和实时性,为WAVE环境下的快速定位进一步研究提供有效参考价值。本文的主要研究内容有：首先研究了车联网和车辆定位技术的发展现状,并分析了现有技术的不足。其次对WAVE协议栈及其各个层的协议修订进行了具体深入的研究,并详细分析了现有的无线定位系统所采用的测距方法、定位算法和无线通信技术等。然后对基于RSSI (Received Signal Strength Indication)的位置指纹定位算法进行了深入研究,并给出了基于GMM的位置指纹定位算法。最后采用C/S的开发模式设计并实现了一个WAVE系统下的无线定位系统原型,并通过具体的实验测试验证了该原型的可行性。