基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò )的公交車(chē)載節點(diǎn)定位算法研究

WSN(Wireless Sensors Network)是集傳感器技術(shù)、MEMS技術(shù)和網(wǎng)絡(luò )技術(shù)于一體的一種信息獲取和信息處理技術(shù)[1]，它具有自組織、自適應能力，在智能交通方面具有獨特的優(yōu)點(diǎn)和廣闊的應用前景[2]。

在智能公交系統中，車(chē)輛位置的準確求取和傳遞是其他系統功能實(shí)現的先決條件。當前已經(jīng)有了一些利用無(wú)線(xiàn)傳感器搭建智能公交系統的通信網(wǎng)絡(luò )的方案[4-6]，但這些方案均利用其他手段實(shí)現車(chē)輛的定位，鮮有利用無(wú)線(xiàn)傳感器自身的TOF測距功能實(shí)現車(chē)輛定位功能。而利用基于TOF的無(wú)線(xiàn)傳感器實(shí)現公交車(chē)載節點(diǎn)的定位可以降低系統建設和實(shí)用成本，對公交系統智能化改造具有參考意義。

在無(wú)線(xiàn)傳感器定位算法中，由于Range-free定位算法要求大密度的參考節點(diǎn)，所以不適合智能公交系統車(chē)輛定位。而通?；赥OA、TDOA以及AOA的定位技術(shù)需要添加額外的硬件，導致系統的定位成本增加?；赗SSI測距的方法雖然易于實(shí)現，但由于其有效定位距離近，遠距離情況下定位精度較低，因此很難單獨應用。近年來(lái)，英國Jennic公司最新推出了采用TOF(Time Of Flight)測距技術(shù)的ZigBee芯片JN5148，能夠有效地提高無(wú)線(xiàn)傳感器測距精度。本文即以此為背景對公交車(chē)載節點(diǎn)的定位算法和策略進(jìn)行了深入研究。

1 基于TOF/RSSI定位算法分析研究

為了充分發(fā)揮JN5148的測距能力，本文對其進(jìn)行了測距實(shí)驗，并對其在車(chē)載節點(diǎn)定位上的應用方法進(jìn)行了研究和討論。

1.1 TOF測距效果實(shí)驗分析

JN5148通過(guò)測定無(wú)線(xiàn)信號在兩節點(diǎn)間雙向傳遞時(shí)間計算節點(diǎn)間距離[5-6]，同時(shí)其數據幀中包含RSSI參數。JN5148芯片在戶(hù)外的測距實(shí)驗曲線(xiàn)如圖1所示，圖1(a)是在300 m范圍內每10 m進(jìn)行一次測量的測距誤差圖;圖1(b)是10 m范圍內每0.2 m進(jìn)行一次測量的測距誤差圖。

1.3 車(chē)載節點(diǎn)定位方案分析

為了提高車(chē)載節點(diǎn)定位精度，考慮了以下幾種改進(jìn)方案：

(1)縮短固定參考節點(diǎn)間距離

通過(guò)增加固定節點(diǎn)的數量，以縮短相鄰固定節點(diǎn)間的平均距離、優(yōu)化幾何構型。如可將圖2(a)中固定節點(diǎn)A、B間距離縮短到100 m。

(2)引入高度因素構建三維定位

通過(guò)調整固定參考節點(diǎn)高度(如：將固定節點(diǎn)C安裝在附近高樓上)，構建立體三維定位，以改善固定參考節點(diǎn)與待測節點(diǎn)的幾何構型。

(3)采用線(xiàn)性定位思路

根據實(shí)際道路特點(diǎn)，忽略道路寬度，采用線(xiàn)性定位法，僅考慮車(chē)載節點(diǎn)在道路上的一維位置。

綜合考慮以上三種改進(jìn)方法，第一種方案的系統造價(jià)高，構建的網(wǎng)絡(luò )復雜;第二種方案受道路環(huán)境影響較大，操作困難：第三種方案可將無(wú)線(xiàn)傳感器固定在路中間(如信號燈上、道路指引牌上等)，通過(guò)無(wú)線(xiàn)傳感器測距，直接估算車(chē)輛的位置，對WSN節點(diǎn)的要求低，較為可行。

2 車(chē)載節點(diǎn)組合定位思路研究

在公交車(chē)線(xiàn)性定位過(guò)程中，可利用里程儀信息，里程儀的測距誤差一般在1%左右[8]。若公交車(chē)受復雜路況等因素影響，僅用里程儀定位將產(chǎn)生較大誤差。如圖3所示的城市道路示意圖中，僅由道路轉盤(pán)(綠島)產(chǎn)生的差異就會(huì )使公交車(chē)往返路程差超過(guò)30 m。為了提高車(chē)輛定位的魯棒性和精度，本文提出了使用里程儀與無(wú)線(xiàn)傳感器的TOF/RSSI測距相結合進(jìn)行車(chē)載節點(diǎn)組合定位的方法。

根據無(wú)線(xiàn)傳感器的TOF/RSSI以及車(chē)輛里程儀的測距特點(diǎn)，定位算法的主要思想如下：車(chē)載節點(diǎn)在離固定節點(diǎn)較近時(shí)采用RSSI測距定位，同時(shí)計算里程儀誤差修正參數;車(chē)輛節點(diǎn)距離固定節點(diǎn)較遠時(shí)，采用由TOF測距定位修正的里程儀進(jìn)行定位的組合定位思路。詳細的定位算法流程如圖4所示。

車(chē)載節點(diǎn)將RSSI值與設定閾值比較，當RSSI值大于閾值時(shí)，說(shuō)明節點(diǎn)即將到達或剛開(kāi)始遠離某固定節點(diǎn);然后判斷RSSI值的變化趨勢，RSSI值減小則說(shuō)明節點(diǎn)在前一個(gè)數據采集時(shí)刻車(chē)輛與固定節點(diǎn)位置最近，此時(shí)利用RSSI值進(jìn)行測距定位，并使用RSSI測距值和里程儀測距值估計里程儀偏差值。利用無(wú)線(xiàn)傳感器RSSI估計里程儀的偏差值算法流程如圖5(a)所示。

當公交車(chē)輛繼續遠離固定節點(diǎn)時(shí)，所采集的RSSI值小于閾值，開(kāi)始進(jìn)入基于里程儀和TOF組合定位模式。利用TOF修正里程儀偏差的算法如圖5(b)所示，其中，dODM為里程儀測距值，dTOF為T(mén)OF測距值，?啄TOF為T(mén)OF測距誤差。利用車(chē)載節點(diǎn)存儲多個(gè)TOF測距值，與相應里程儀測距值相減，可得到一組差值序列。該歷史差值序列可以用于求解里程儀偏差和刻度系數誤差，對里程儀誤差進(jìn)行實(shí)時(shí)補償。

一般來(lái)說(shuō)，當里程儀測距值與TOF測距值的差值大于兩倍的TOF測距誤差時(shí)，說(shuō)明里程儀定位誤差較大，需要進(jìn)行修正。通過(guò)差值序列獲取方式的不同，還可以將該補償算法分為靜態(tài)TOF校正法(利用某固定時(shí)段的差值序列)和動(dòng)態(tài)TOF校正法(利用實(shí)時(shí)更新的差值序列)。

3 組合定位算法的驗證

為了驗證上述組合算法的有效性，利用MATLAB對上述算法進(jìn)行了仿真。TOF及RSSI的測距誤差按式(1)、式(2)的誤差模型進(jìn)行設置;里程儀的刻度系數誤差設為1%，里程儀的初始偏差設為16 m。

圖6(a)為模擬車(chē)載節點(diǎn)離開(kāi)固定節點(diǎn)時(shí)利用RSSI修正里程儀誤差結果。從圖中可以看出，利用RSSI估計并修正里程儀測距誤差的效果十分明顯。

將TOF測距值與對應里程儀測距值的差值序列進(jìn)行一階線(xiàn)性擬合，可求解刻度系數誤差和里程儀偏差，并對里程儀數據進(jìn)行修正。仿真中靜態(tài)校正法采用0 m～200 m的差值序列進(jìn)行里程儀誤差的補償，結果如圖6(b)所示。動(dòng)態(tài)校正法實(shí)時(shí)使用修正點(diǎn)前，200 m的差值序列進(jìn)行里程儀誤差的補償，結果如圖6(c)所示。兩種算法結果都表明：TOF校正后的里程儀測距精度遠高于TOF和里程儀自身的測距精度。

表1中匯集了其中5次的仿真結果。其中，組合算法1包含了RSSI校正和靜態(tài)TOF校正，組合算法2包含了RSSI校正和動(dòng)態(tài)TOF校正。

由表1可知，基于TOF/RSSI的公交車(chē)載節點(diǎn)組合定位算法定位效果優(yōu)于三種獨立的測距定位方法，定位標準差小于5 m(與GPS定位精度相當)。組合算法1定位標準差優(yōu)于組合算法2;組合算法2的魯棒性要強于組合算法1，但其計算量較大。兩種組合算法均在一定程度上改善了TOF測距誤差波動(dòng)大、RSSI遠程測距誤差大、里程儀測距在車(chē)輛非直線(xiàn)行駛時(shí)定位誤差大的缺點(diǎn)。

本文對基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò )的車(chē)載節點(diǎn)定位方法進(jìn)行了研究，測試分析了新型的TOF無(wú)線(xiàn)傳感器芯片JN5148的測距效果，研究了固定節點(diǎn)分布對車(chē)輛定位的影響，提出了基于TOF/RSSI及車(chē)輛里程儀的組合車(chē)輛定位算法，并討論了靜態(tài)和動(dòng)態(tài)兩種TOF誤差修正模式。仿真結果表明，組合定位算法精度能夠滿(mǎn)足實(shí)際應用要求，結合無(wú)線(xiàn)傳感器網(wǎng)絡(luò )本身的良好通信能力，有助于經(jīng)濟地實(shí)現公交系統智能化改造，具有較好的應用參考價(jià)值。