面向智能网联汽车定位的协同地图匹配算法

摘要：

为实现智能网联环境下低成本、高精度的车辆定位,研究了基于自适应遗传Rao-Blackwellized粒子滤波的协同地图匹配算法.利用联网车辆的定位信息和道路约束条件消除公共偏差,提高车辆定位精度.将自适应遗传算法引入到粒子滤波的重采样过程中,增加粒子的多样性,解决传统粒子滤波算法中容易出现的"粒子退化"和"粒子耗尽"问题.通过仿真实验与传统粒子滤波以及卡尔曼平滑粒子滤波下的定位结果进行了对比,同时分析了不同联网车辆数目对定位精度的影响.通过实际测试验证了算法在实际应用中的定位效果.实测结果表明:以典型十字路口为例,在联网车辆数目为4的情况下,协同地图匹配算法的定位误差范围为1.67 m,分别为原始GNSS定位以及单车地图匹配定位结果的41.03％和56.80％.同时,该算法的统计定位精度(CEP)达到1.06 m,比GNSS原始定位精度提高了2.52 m,具有较好的定位效果.

关键词：智能交通;智能网联汽车;协同地图匹配;自适应遗传Rao-Blackwellized粒子滤波;车载定位

所属期刊栏目：39

分类号：U495(交通工程与公路运输技术管理)

资助基金：国家重点研发计划;湖北省技术创新专项重大项目;武汉理工大学双一流项目

在线出版日期：2022-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：162-171