随着公路隧道建设的快速发展以及汽车数量的不断增加,公路隧道交通安全问题受到了广泛的关注。因此,研究有效可靠的隧道内车辆定位方法尤为重要。针对全球定位系统（Global Positioning System,GPS）信号在隧道环境内容易被阻挡而产生车辆定位中断的问题,本文采用可见光通信（Visible Light Communication,VLC）的方式来实现隧道内车辆定位,进而研究基于到达角度（Angle of Arrival,AOA）和基于接收信号强度（Received Signal Strength,RSS）的隧道内车辆定位算法。主要工作概括如下:（1）研究了隧道内可见光通信系统模型。首先阐述可见光通信系统的组成部分,对隧道环境中可见光通信链路和信道噪声模型进行了介绍;其次介绍了发光二极管（Light-emitting diode,LED）的发光特性和隧道内光源布局,结合仿真结果分析为了同时满足照明与通信需求对于平均光照强度的要求;随后列举了几种常见的基于可见光通信的定位方式,并对其中的几何测距技术定位方式及其相关的定位算法进行了详细介绍。（2）研究了隧道环境中基于到达角度的可见光车辆定位。针对传统的角度定位算法在隧道环境中精度不高的问题,提出了一种基于卡尔曼滤波（Kalman filtering,KF）的连续到达角度定位算法。该算法利用车辆在连续两个观测时刻接收到的方位角信息,根据几何关系计算得到车辆的初始位置估计,并对该初始位置估计进行卡尔曼滤波,得到精度更高的二次估计。仿真结果表明,相比传统的AOA定位算法,本文所提出的基于KF的连续AOA定位算法具有更高的定位精度。（3）研究了隧道环境中基于接收信号强度的可见光车辆定位。为了提高现有MinMax算法在隧道环境中的车辆定位精度,提出了基于灰狼优化（Grey Wolf Optimization,GWO）算法的Min-Max融合定位算法。仿真结果表明,当信噪比为5d B时,现有Min-Max算法的平均定位误差为35cm,而GWO-Min-Max融合算法的平均定位误差降至9cm,定位精度得到了明显提高。