1、2023 年第 36 卷第 1 期Electronic Sci.Tech./Jan.15，2023https:/journa-收稿日期:2021-06-08基金项目:国家自然科学基金(61271042);国家电网公司科技项目(52110118001J)National Natural Science Foundation of China(61271042);State GridCorporation of China Science and Technology Project(52110118001J)作者简介:周启平(1987 )，男，工程师。研究方向:北斗高精度定位、电力系统信息化和移
2、动通信。何伟(1986 )，男，工程师。研究方向:北斗高精度定位、无人机集群技术。基于北斗和边缘计算的车联网导航技术研究周启平1，何伟2，贾蕾3，郭俊凯1，赵建国1(1 安徽继远软件有限公司，安徽 合肥 230088;2 中国电子科技集团公司第二十研究所，陕西 西安 710068;3 四创电子股份有限公司，安徽 合肥 230011)摘要随着车辆保有量的不断增长和车联网应用的普及，车辆终端会产生大量需要实时处理的数据消息。在车辆高速移动场景下，传统的车联网导航系统由于车辆差分定位数据存在传输时延，导致车辆定位结果存在一定的偏差，无法及时获得高精度定位结果。基于此，文中提出了一种基于北斗定位和边缘
3、计算的车联网导航技术方案，采用改进的遗传算法进行终端定位请求的资源分配，有效降低整个边缘网络的服务时延，并利用基于边缘节点的优化无损卡尔曼滤波算法来提高车联网节点的定位精度。实验表明，文中所提出的方法能够为大规模车联网终端提供实时精准、低延迟和高精度的定位服务，具有较高的实际应用价值。关键词北斗定位;高精度差分定位;车联网;边缘计算;负载均衡;无损卡尔曼滤波;服务时延;遗传算法中图分类号TN961文献标识码A文章编号1007 7820(2023)01 051 09doi:10.16180/ki.issn1007 7820.2023.01.008esearch on Internet of Ve
4、hicles Navigation Technology Based onBDS and Edge ComputingZHOU Qiping1，HE Wei2，JIA Lei3，GUO Junkai1，ZHAO Jianguo1(1 Anhui Jiyuan Software Co，Ltd，Hefei 230088，China;2 The 20th esearch Institute of China ElectronicsTechnology Group Corporation，Xian 710068，China;3 Anhui Sun Create Electronics Co，Ltd，H
5、efei 230011，China)AbstractWith the continuous growth of vehicle ownership and the popularization of internet of vehicles appli-cations，vehicle terminals generate large amounts of data messages that need to be processed in real time In thescene of high speed vehicle movement，the traditional internet
6、of vehicles navigation system has a transmission delaydue to vehicle differential positioning data，which results in a certain deviation in vehicle positioning results and can-not obtain high precision positioning results in time Based on this，this study proposes a technology solution for carnetworki
7、ng navigation based on BDS positioning and edge computing An improved genetic algorithm is used to allo-cate resources for terminal positioning requests，which effectively reduces the service delay of the entire edge net-work The optimized unscented Kalman filter algorithm based on edge node is used
8、to improve the positioning accura-cy of the car network node Experiments results show that the method proposed can provide real time accurate，low latency and high precision positioning services for large scale internet of vehicles terminals，and has highpractical application valueKeywordsBDS position
9、ing;high precision differential positioning;internet of vehicles;edge computing;loadbalancing;unscented Kalman filter;service delay;genetic algorithm车联网是一种新兴的模式，由车载单元、路边单元、移动网络和配备了无线射频识别技术、图像采集设备和各种传感器的车辆组成，具备车辆通信、路况收集、资源共享、交通和安全服务等功能。利用车联网通信和网络，可将采集数据分发给其他车辆和路边设备，并获取驾驶条件、系统运行状态和道路环境等信息。车联网的发展使得人们出行
10、更加智能，让建设智慧城市成为可能，它也是未来智能车辆自主驾驶和智能交通系统的基础。高精度定位技术作为车联网业务中的一项关键技术，为用户提供了精准可靠的位置信息，可有效提升车辆行驶安全性和驾驶体验。但在实际应用中，车联网仍存在系统定位精度低、耗时长等一系列问题，因此提高车联网的定位能力和效率势在必行。15Electronic Science and Technology周启平，等:基于北斗和边缘计算的车联网导航技术研究https:/journa-近年来，国内外学者针对车联网定位和导航等方面开展了大量理论研究。文献 1 提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning
11、，SBL)的到达角卷积神经网络(Direction of Arrive，DOA)估计方法，实现了非均匀噪声条件下目标车辆的离网 DOA 估计。在该方法中，非均匀噪声协方差矩阵采用最小二乘法(Least Square，LS)估计，通过求解多项式根实现网格精化，进而细化网格点，从而减少了离网误差。该方法还根据 DOA 估计结果，在定位系统中通过每两个基站对目标车辆进行一次交叉定位。该方法有效克服了车辆在 GPS 信号较弱的地方定位精度低的问题，提高了车辆的定位精度，但该方法的定位过程存在较大传输时延。文献 2 提出了一种利用单一信号源的机会信号(Signal of Opportunity，SOP)
12、进行车联网定位的新方法。该方法基于 SOP 的到达时间差(Time Difference ofArrivals，TDOA)。由于信号中包含了车辆轨迹约束的先验信息，一定程度上有效提高了定位精度，但在受到外界信号和环境干扰时，车辆定位精度无法得到有效保障。文献 3 提出了一种传感器融合算法来对车辆定位及预测车辆未来的运动轨迹，但方向和距离测量的误差会对最终位置产生重大影响，且定位耗时较长。文献 4 提出了一种基于差分定位机制车联网定位方法，其中车辆使用无线介质将其 GPS 观测值发送到基站。基站融合接收到的 GPS 数据和本地 GPS 观测值，实现高精度车辆跟踪，但该方法数据传输耗时较长，无法满
13、足实际应用中的低时延要求。综上所述，大多数研究方法均存在定位精度较低或传输时延大的缺陷。基于此，本文提出了一种基于北斗定位和边缘计算的车联网技术研究，其可为大规模车联网终端提供实时精准、低延迟和高精度的定位服务。在本方法中，将升级后的蜂窝基站用作边缘节点，可减轻数据中心的计算压力，将计算所得差分校正信息实时播发。为解决终端的多路接入问题，本文提出了一种改进的遗传任务分配算法，该算法可以最大程度地减少服务时延，并确保边缘节点的负载均衡，同时利用基于边缘节点的优化无损卡尔曼滤波算法来提高终端定位精度。1算法原理1.1实时动态差分法技术实时动态差分法(eal Time Kinematic，TK)又称
14、为载波相位差分技术，该技术原理是在基准站上安置一台接收机，对卫星状态进行连续观测，并通过无线电传输设备实时地将观测数据及测站坐标信息传送给用户站;随后，用户站在接收卫星信号的同时，通过无线接收设备接收基准站信息，根据相对定位原理进行实时处理，解算出用户站的位置坐标5。基于数据中心的 TK 差分定位系统架构如图 1 所示，图中车联网节点等同于所述用户站。图 1 基于数据中心的 TK 差分定位系统架构Figure 1 TK differential positioning system architecturebased on data center基准站接收机所测得的载波滞后相位6 为Njr+C
15、jr(t)+jr(t)=jr(t)+Ajr(t)f+C dtjr(t)dTr(t)(1)式中，为卫星信号载波波长;Njr为基准站接收机对第j 颗卫星载波相位测量的波数;Cjr(t)为基准站接收机对第 j 颗卫星载波相位测量的多普勒偏移;jr(t)为在历元 t 时基准站接收机对第 j 颗卫星的载波相位观测值;jr(t)为在历元t时基准站接收机到第j颗卫星的真实距离;Ajr(t)为基准站接收机对第 j 颗卫星做载波相位测量的电离层效应影响系数;f 为载波频率，单位是Hz;dTr(t)为在历元 t 时基准站接收机时钟相对于卫星时钟系统的偏差;dtjr(t)为在历元 t 时第 j 颗卫星相对于卫星时钟
16、系统的偏差;C 为电磁波传播速度，单位是 ms1。根据基准站 的已知三维位置坐标和第 j 颗卫星在历元 t 时的在轨位置，计算出在历元 t 时基准站 到第 j 颗卫星的真实距离 jr(t)，进而求得卫星载波相位测量的校正值为jr(t)=jr(t)Njr+Cjr(t)+jr(t)=Ajr(t)f C dtjr(t)dTr(t)(2)同理，用户站接收机测得的载波滞后相位表示如式25周启平，等:基于北斗和边缘计算的车联网导航技术研究Electronic Science and Technologyhttps:/journa-(3)所示。Njk+Cjk(t)+jk(t)=jk(t)+Ajk(t)f C dtjk(t)dTk(t)(3)基准站接收机将相位差分校正值通过 TK BDS数据链路实时地传送给用户站接收机，然后该用户站接收机可利用校正值 jr(t)对所测载波滞后相位进行修正，即将式(2)代入式(3)，进行变形处理后可表示为式(4)jr(t)+(Njk Njr)+Cjk(t)Cjr(t)+jk(t)jr(t)=jk(t)+Ajk(t)Ajr(t)f C dtjr(t)dTr(t)=jk(t