《1 引言》
1 引言
GPS (全球卫星定位系统) 车辆监控系统是现代高自动化的先进综合管理系统, 它融合多种高新技术于一体, 对各种移动车辆进行实时跟踪, 从而给予一定的控制与管理。通过对GPS、航位推算 (DR) 、地图匹配 (MM) 和数据信标发射机 (DBT) 四种定位方式的不同组合, 形成各种组合定位模式, 以获取移动车辆的实时位置信息, 然后通过无线通信网把车辆的实时位置信息传输到监控中心, 监控中心调度员根据当时数字地图上车辆的分布情况, 通过无线通信网向移动车辆发出控制与管理指令。
作为一个实用且具有广泛推广价值的GPS车辆监控系统, 它必须具备以下6个优点:快 (快速响应即时报警) ; 准 (准确显示车辆的实时位置) 全 (大范围内有线无线联网) ;容量大;精 (精确数字地图的生成和自动修正) ;廉 (总体投资少) 。但从资料显示, 目前已投入应用的GPS车辆监控系统的主要特点是:慢 (响应速度慢) 、容量小、数字地图更新缓慢、不能实现实时跟踪显示
作者结合在实际工程中所遇到的问题和针对这些问题的解决方案, 从GPS车辆监控系统的三个核心单元:数字地图、无线通信以及GPS入手, 分析了三个单元在工程应用中存在的问题, 简单介绍了笔者在实际工程应用中解决这些问题的方案, 这对于设计和实现高性能、有推广价值的GPS车辆监控系统, 具有一定的指导性、可操作性和示范意义。
《2 GPS车辆监控系统的框架结构》
2 GPS车辆监控系统的框架结构
车辆监控系统的框架结构可以抽象成4个部分:车载单元 (也称定位单元) ;监控中心 (显示部分) ;全球卫星定位系统;无线通信网络。图1所示是一个投入实际工程应用的车辆监控系统框架结构图, 图中的4个粗虚线框包含的区域分别表示以上4个部分。
《3 数字地图存在的问题及解决方法》
3 数字地图存在的问题及解决方法
从图1可以看出, 数字地图 (GIS) 是GPS车辆监控系统的基石。在车载单元的地图匹配算法中, 它直接参与车辆实时位置的获取, 在监控中心用来显示车辆的实时位置。由此可见, 数字地图的精度会直接影响GPS车辆监控系统的总体性能。目前, 在数字地图中能够影响地图匹配算法性能的3个主要问题是:
《图1》
图1 GPS车辆监控系统框架结构 Fig.1 Frame structure chart of GPS vehicle monitoring
1) 图2
a所示为道路轮廓图, 它用区域来表示道路, 真实反映了现实世界中的道路;
图2 b所示是图2 a道路在数字地图中的简化模型, 这是目前普遍应用于车载导航数字地图中的线型道路网络模型。在现实中, 当车辆在道路上正常行驶时, 其行驶路线可能偏离道路中心线 (即数字地图中的线性道路) , 或者行驶角偏离道路中心线的切线方向, 而这种可能性与传感器本身的误差和算法缺陷毫无关系。如图2 a所示, 在现实中, 车辆是在A点开始转弯的, 其实际行车路线是图2 b所示中的CAB曲线 (CAB曲线是笔者添加的) , 而在数字地图中其行车路线是COB, 经过笔者实地勘察CO间的距离有60 m左右。
2) 目前的车载导航数字地图多为二维 (图3
a) 而非三维 (图3 b) , 道路数据结构中普遍缺乏高程信息, 这种数字地图适用于地面比较平坦的地方, 在地面不是很平坦且道路很不平整的场合下, 将会导致定位精度的下降, 并且随着航位推算时间的增加, 地图匹配的误差也会逐渐增大。
另外, 目前的数字地图道路网络模型都没有很好地表示道路转弯。对于十字路口, 通常简化成四个相互连接的道路中心线和对应的一个道路节点O (见图4 a) 。事实上, 车辆穿越道路需要一个过程, 并且需要一个转弯半径, 真正的道路网络应该如图4 b所示, 可以看到在一个十字路口上实际需要10个道路路段和4个道路节点。图4中O, A, B, C和D表示道路节点, 其中图4 a表示简化的模型, 图4 b表示实际道路网络模型。事实上, 在选择何种模型时总存在如下的困境:a.
图4 a简化的模型不精确, 在十字路口拐弯并不是按照车辆运行轨迹设置对应的道路, 而是采用简单、且基本能够表示道路网络的模型;b.
图4 b能够真实地反映车辆运行轨迹, 但是由此将使道路网络数据库的体积增大1倍多, 加大了制作工作量, 增加了系统调入调出数据库的开支, 使得地图匹配算法更加复杂, 并且降低鲁棒性。另外, 在同一个转弯口, 不同的驾驶人员、不同的车辆、不同的驾驶时间都可能造成转弯半径的不一致。
3) 在数字地图中, 单路线道路网络模型在表示
《图4》
图4 数字地图道路网络的两种模型比较 Fig.4 A comparison between two models of road networks
实际道路网络上存在一些困难。如图5所示, 在一条道路上有多个车道, 如果用一条曲线表示整个道路, 将使精度降低;如果每个车道都采用一条相应的路心线, 将使数据大量冗余, 并且增加数据处理和地图匹配以及最优路径算法的复杂性。此外, 这种单路线模型在表达几乎平行道路的分叉上存在很大的困难。
图5 a中一条道路在EF段可以有两个行驶路径, 其中之一是上高架桥, 且两者在水平面上几乎平行而且这两条分叉道路的路边几乎和原道路路边平行 (图5 b所示) , 这种道路情形一般只能表示成图5 c所示的情形, 然而由于车辆由SP进入RU或QT几乎不发生转弯, 因此很难把实际情形表示出来。
《图5》
图5 路心线模型在表示实际道路网络上的缺陷 Fig.5 Drawbacks of center-line model to represent practical road networks
解决方案:对于问题1和问题3, 可以通过GIS的全球标准化加以约束。问题1可以规定在制作GIS时, 对“V”字形十字路口进行特殊处理。例如, V字两边道路宽度之和大于某个阈值, 且V字的顶角小于某个阈值, 必须在道路网络中增加如图2 b 曲线CAB表示的道路段。问题3可以规定增加PQ和PR道路段的长度, 使道路段SP和道路段PQ的道路转角θ小于某个阈值 (如20°) ;或者规定道路段SP和道路段PQ的转角θ小于某个阈值 (如60°) 且PQ和PR道路段的长度必须小于某个阈值。对于问题2, 就采用目前简化的道路网络模型, 但是在地图匹配算法中, 可通过数字地图数据库给出的道路穿越对和道路节点, 在算法中增加转弯半径这个属性, 通过程序算法来修正道路轨迹。
《4 无线通信网络系统存在的问题及解决方案》
4 无线通信网络系统存在的问题及解决方案
在论述第4、第5章之前, 提出以下假设条件:车载单元实时获得的车辆位置信息就是车辆目前在道路上的真实位置。
电子类产品的生命周期普遍比汽车产品的寿命要短。通常, 一种汽车产品的销售周期能达到电子类产品的3倍。如果汽车产品每6年为一个更新换代周期, 电子类产品如蜂窝式电话的更新换代周期可能只有2年。由于车辆实际上变得更加耐用, 寿命也更长, 因此汽车原始设备制造 (OEM) 厂商们在设计生产过程中尽可能地拖延电子类产品与汽车相结合的进程
从图1可以看出, 一个车辆监控系统在硬件上分为监控中心和移动车载单元两大部份。其中移动车载单元负责实时采集车辆的位置信息, 监控中心就是把采集的车辆位置信息实时地显示在数字地图上, 而无线通信系统就是架设在移动车台和监控中心之间的一座桥梁, 移动车台上报的车辆实时位置信息就是这座桥梁上的“汽车”。为了保持一座桥梁或者一条道路的畅通性, 交通部门通常采用两种方法:一种是增加桥梁或者道路的流通量 (硬件设施) , 如拓宽道路、架设立交桥等;另一种是通过交通法规减少车流量 (软件设施) , 如在某个时间段禁止某些车辆通过。在实时车辆监控系统中, 为了保持无线通信系统这座桥梁的畅通性, 人们也采用了和交通部门相似的两种方法。其主要解决方案多用于硬件设施上;在软件方面主要是通过延长向监控中心上报信息 (车辆位置信息) 的时间间隔来减少数据流量。譬如, 笔者在南京某银行运钞车实时监控系统中, 采用的是每隔3 s向监控中心发送一次车辆实时位置信息;而在“香港消防署第三代调派系统” 中采用的是每隔8 s向监控中心上报一次车辆的实时位置信息。这样会严重影响车辆的实时位置精度。简单地算一下, 如果车辆以100 km/h的速度行驶, 每延误2 s时间, 造成的车辆位置误差大约为50 m。
解决方案:提出基于GIS/DR协议的地图匹配算法。其原理如图6所示:图中Pr (t1) 表示车辆在t1时刻的实时位置信息, 为车载单元最近上报给监控中心的车辆位置信息;Pa (Pr (t1) , Pam, t) 表示车辆在t时刻的预测位置信息, 其中参数Pam表示地图数据库信息;Pp (t) 表示车载单元在t时刻获得的车辆实时位置信息;R表示误差阈值半径。车载单元和监控中心用同一个函数Pa ( ) 预测车辆的实时位置信息, 当车载单元探测到Pp (t) 和Pa (Pr (t1) , Pam, t) 之间的位置距离大于阈值R时, 车载单元将向监控中心上报t时刻的车辆位置信息Pp, 以此更新监控中心的车辆位置信息Pr。实验仿真结果显示:在车辆定位精度相同条件下, 与前面所提到的“通过延长向监控中心上报信息的时间间隔来减少数据流量”方法相比, 基于GIS/DR协议的地图匹配算法估计可减少30 % ~40 %的数据流通量, 对于具有固定路线的车辆 (如市内公交车) 监控估计可减少80 %的数据流通量。
《5 GPS存在的问题及解决方案》
5 GPS存在的问题及解决方案
GPS通过测量从接收机到四颗卫星的伪距离来确定接收机的三维位置和时钟误差。伪距测量受很多误差因素的影响, 包括卫星时钟和星历、选择可用性 (SA) 、电离层延迟、对流层延迟、多径延迟和热噪声等
对于车辆导航用GPS, 其多径现象经常会出现在开阔区 (如郊区) 和非开阔区 (如城区) 的交界处。城区是GPS盲点较多的地方 (如在香港大约有70 %~80 %的区域是GPS盲区) 。通过笔者实地跑车试验发现, 如果仅在香港城区内跑车, 可能会一直收不到GPS信号。这就意味着在车辆进入GPS盲区前受到了GPS多径误差的干扰, 在车辆进入GPS盲区后这个多径误差干扰会在相当长时间内影响车辆的位置精度, 直到车辆重新收到正确的GPS信号更正车辆位置为止。图7所示为笔者在香港实地跑车的实验结果, 笔者把图分成了A, B, C, D四个区域。其中A区为GPS多径区, C区内的F点为GPS多径点; B区和D区分别因为A区和C区内的多径误差导致匹配算法中车辆位置滞后, 从而引起错配现象。出现这种情况后, 只能在收到正确的GPS信号后才能纠正地图匹配算法中的错配, 得到车辆的实际位置。图7所示中的E点即为接收到的正确的GPS信号, 从而系统从E点开始重新得到正确的车辆实时位置信息。
解决方案:利用神经元在地图匹配算法中识别GPS多径误差。其基本思想是:利用车辆当时的位置、行驶速度、方向和精确的数字地图预测车辆在下一时刻的位置P1 , 下一时刻GPS显示的车辆位置为P2 , 利用P1来辨识和检测P2是否含有GPS多径误差。图8为图7的实地跑车数据采用此方案的仿真结果, 可以看出系统能够很好地辨识GPS多径误差。
《图8》
图8 香港实地跑车实验数据重新仿真效果 Fig.8 Simulate result chart of Hong Kong experiment data
《6 结论》
6 结论
总结东南大学仪器科学与工程系导航与定位研究所研制开发的GPS/DR/MM组合导航系统在“香港消防署第三代调派系统”的实际应用中, 客户所提出的问题和笔者在跑车时所发现的问题, 以及作者为解决这些问题而采取的一些方案。通过这些方案的实际应用, 发现它能够较好地解决GPS车辆监控系统中存在的问题, 并且取得了良好的实地跑车效果。
京公网安备 11010502051620号
