一种基于边缘计算网关的车路协同辅助定位系统及方法与流程

1.本发明涉及智能网联汽车技术领域，具体而言，涉及一种基于边缘计算网关的车路协同辅助定位系统及方法。


背景技术：

2.目前，车路协同已经成为智慧交通、智慧城市的重要组成部分，并且已经成为了智慧道路未来的发展方向，其中，车辆高精度定位是实现智慧交通、自动驾驶的必要条件。
3.现有技术中，通常采用车用无线通信技术(即v2x)搭载全球卫星定位系统（即gnss）进行车辆高精度定位。这种定位系统是基于实时动态测量（即rtk）的高精度gnss增强定位技术，即这种定位系统需要不断地接收卫星数据，并不断地对电离层误差、轨道误差以及路径效应等误差进行优化；同时，移动车辆还需要根据自车位置及基准站误差信息不断纠正自车定位才能达到精准定位。但是，由于卫星信号无法完全覆盖，在偏远山区或道路上遇到高楼林立、隧道以及高架桥等环境比较复杂的地方时，会导致gps信号较差，使得移动车辆的定位不准。


技术实现要素：

4.本发明解决的问题是：在卫星信号无法覆盖或gps信号差的地方，如何实现移动车辆在道路上的精确定位。
5.为解决上述问题，本发明提供一种基于边缘计算网关的车路协同辅助定位系统，包括设置于标定车辆上的车载终端、分别设置于所述标定车辆所行驶道路侧的灯杆上的边缘计算网关以及分别与所述边缘计算网关连接的数据采集单元和云服务器；所述数据采集单元用于采集所述道路的道路信息；所述边缘计算网关用于将所述道路信息发送至所述云服务器；所述云服务器用于根据所述道路信息生成道路模型，并将所述道路模型发送至各所述边缘计算网关；所述边缘计算网关还用于当所述标定车辆行驶于所述道路的检测区间时，根据所述检测区间内各所述边缘计算网关与所述车载终端之间v2x通讯的信号强度值以及所述检测区间内各所述边缘计算网关的网关坐标计算所述标定车辆的车辆坐标，从各所述车辆坐标中选取有效车辆坐标，并根据所述有效车辆坐标确定所述标定车辆的位置信息。
6.可选地，所述边缘计算网关包括数据提取模块、v2x无线通讯模块和ai处理模块；所述数据提取模块用于将对应所述数据采集单元所采集的所述道路信息发送至所述云服务器；所述v2x无线通讯模块用于与所述车载终端进行v2x通讯；所述ai处理模块用于确定所述标定车辆的所述位置信息。
7.可选地，所述ai处理模块具体用于：在所述道路模型中标定出所述检测区间；
当所述标定车辆驶入所述检测区间时，获取所述检测区间内各所述边缘计算网关的所述网关坐标以及所述检测区间内各所述边缘计算网关与所述车载终端之间v2x通讯的所述信号强度值；根据各所述信号强度值计算出所述检测区间内各所述边缘计算网关与所述标定车辆之间的直线距离；根据所述检测区间内各所述边缘计算网关的所述网关坐标、各所述边缘计算网关与所述标定车辆之间的直线距离计算出所述标定车辆的所述车辆坐标；从各所述车辆坐标中选取所述有效车辆坐标；根据所述有效车辆坐标确定所述标定车辆的所述位置信息。
8.可选地，所述信号强度值的计算公式为：，其中，rssi为所述信号强度值，b为信号发射端和信号接收端相隔1米时的信号强度值，l为所述信号发射端与所述信号接收端之间的距离，n为信号路径衰减因子。
9.可选地，所述从各所述车辆坐标中选取所述有效车辆坐标包括：从各所述车辆坐标中任意选取一个作为参考坐标，其余所述车辆坐标作为待定坐标；将各所述待定坐标分别与所述参考坐标进行比较；当所述待定坐标与所述参考坐标之间的差值位于预设坐标范围时，将所述待定坐标和所述参考坐标作为所述有效车辆坐标；当各所述待定坐标与所述参考坐标之间的差值均超出所述预设坐标范围时，从所述待定坐标中选取一个作为所述参考坐标，并重新将各所述待定坐标分别与所述参考坐标进行比较，直至选出所述有效车辆坐标。
10.可选地，所述ai处理模块还用于根据所述标定车辆的所述位置信息将所述标定车辆标记在所述道路模型中。
11.可选地，所述数据采集单元包括设置于所述道路侧的灯杆上的高清摄像头，所述高清摄像头用于采集所述道路的画面；所述云服务器用于通过合成算法将所述高清摄像头所采集的所述道路的画面合成所述道路模型。
12.可选地，所述边缘计算网关还包括位置传感器，所述位置传感器用于记录所述道路侧的灯杆的位置坐标，将所述灯杆的位置坐标作为所述边缘计算网关的所述网关坐标。
13.可选地，所述数据提取模块包括rs485、rs232、pwm和多路以太网接口。
14.本发明还提供一种基于边缘计算网关的车路协同辅助定位方法，基于上述任一所述的基于边缘计算网关的车路协同辅助定位系统，包括以下步骤：获取标定车辆所行驶道路的道路信息；将所述道路信息发送至云服务器，由所述云服务器根据所述道路信息生成道路模型，并将所述道路模型发送至各边缘计算网关；当所述标定车辆行驶于所述道路的检测区间时，根据所述检测区间内各所述边缘计算网关与车载终端之间v2x通讯的信号强度值以及所述检测区间内各所述边缘计算网关的网关坐标计算所述标定车辆的车辆坐标，从各所述车辆坐标中选取有效车辆坐标，并根据所述有效车辆坐标确定所述标定车辆的位置信息。
15.与现有技术相比，本发明通过标定车辆所行驶的道路侧旁的各数据采集单元采集道路信息，通过道路侧旁的各边缘计算网关将对应数据采集单元所采集的道路信息发送至云服务器，由云服务器根据所有道路信息生成道路模型并发送至各边缘计算网关；当标定车辆行驶于道路的检测区间时，检测区间内各边缘计算网关均与车载终端进行v2x通讯，并产生相应数量的信号强度值，检测区间内的任意一个边缘计算网关获取到相应数量的信号强度值以及检测区间内各边缘计算网关的网关坐标后，通过计算可得到标定车辆的车辆坐标，检测区间内的每个边缘计算网关均进行相同的操作后得到相应数量的车辆坐标，然后由检测区间内任意一个边缘计算网关对这些车辆坐标进行分析判断，从这些车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息，如此，以实现车辆精准定位。这样，即使车辆行驶到没有卫星信号或gps信号差的道路上，仍然可以通过基于边缘计算网关的车路协同辅助定位系统进行车辆精准定位，而无需通过接收卫星数据进行定位，从而可以脱离gps定位，实现车路协同辅助定位和道路内的辅助驾驶行为，以便于在车联网应用中能够实时采集车辆的位置信息，更好地进行车路协同管理。另外，在车联网应用中，与硬件建设和软件算法成本较高的高精度rtk定位系统相比，采用边缘计算网关进行辅助定位的硬件建设成本较低，而且，利用v2x通讯的低延时性及边缘计算网关的边缘计算能力，可以满足车辆的实时动态位置更新，为车路协同提供安全可靠的实际体验。
附图说明
16.图1为本发明实施例中基于边缘计算网关的车路协同辅助定位系统的原理示意图；图2为本发明实施例中边缘计算网关的结构框图；图3为本发明实施例中标定车辆驶入检测区间时的原理示意图；图4为本发明实施例中基于边缘计算网关的车路协同辅助定位方法的流程图。
17.附图标记说明：10、数据采集单元；20、车载终端；30、边缘计算网关；31、数据提取模块；32、v2x无线通讯模块；33、ai处理模块；40、云服务器。
具体实施方式
18.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
19.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
20.由于卫星信号无法全面覆盖，使得车辆所行驶的道路上出现局部路段（比如高楼林立的路段、偏远的山区路段、隧道等）没有卫星信号或gps信号差。目前，通常采用v2x搭载gnss进行车辆高精度定位，当车辆行驶在具有卫星信号或gps信号良好的路段上时，采用这种定位方式可以实现精准定位，但当车辆行驶到没有卫星信号或gps信号差的路段上时，会出现无法接收到卫星数据或接收卫星数据时存在较大延时的情况，导致车辆定位不准。本
发明的基于边缘计算网关的车路协同辅助定位系统则可以解决车辆行驶到没有卫星信号或gps信号差的路段上时定位不准的问题，也就是说，车辆在道路上行驶过程中，同时采用两种定位方式，一种是以v2x搭载gnss进行车辆高精度定位的主要定位方式，另一种是采用本发明的基于边缘计算网关的车路协同辅助定位系统进行车辆高精度定位的辅助定位方式。
21.结合图1所示，本发明实施例提供一种基于边缘计算网关的车路协同辅助定位系统，包括设置于标定车辆上的车载终端20、分别设置于标定车辆所行驶道路侧的灯杆上的边缘计算网关30以及分别与边缘计算网关30连接的数据采集单元10和云服务器40；数据采集单元10用于采集道路的道路信息；边缘计算网关30用于将道路信息发送至云服务器40；云服务器40用于根据道路信息生成道路模型，并将道路模型发送至各边缘计算网关30；边缘计算网关30还用于当标定车辆行驶于道路的检测区间时，根据检测区间内各边缘计算网关30与车载终端20之间v2x通讯的信号强度值以及检测区间内各边缘计算网关30的网关坐标计算标定车辆的车辆坐标，从各车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息。
22.具体地，车载终端20设置在标定车辆上，以便于标定车辆通过车载终端20与边缘计算网关30进行v2x通讯，其中，标定车辆指的是在道路上行驶的众多车辆中，选定其中一个对其进行定位，该选定的车辆即为标定车辆。标定车辆所行驶的道路侧旁的每个灯杆上都设置有边缘计算网关30，且每个边缘计算网关30都连接有一个数据采集单元10，同时，各边缘计算网关30均与云服务器40通讯连接。每个数据采集单元10所采集的道路信息为标定车辆所行驶的道路的局部路段信息，所有数据采集单元10能够全面采集标定车辆所行驶的道路的全路段信息，边缘计算网关30将其对应的数据采集单元10（即与该边缘计算网关30连接的数据采集单元10）所采集的道路信息发送至云服务器40，云服务器40根据所有边缘计算网关30发送的道路信息生成道路模型，并将生成的道路模型发送至各边缘计算网关30。当标定车辆行驶于道路的检测区间时，检测区间内各边缘计算网关30均与车载终端20进行v2x通讯，并产生相应数量的信号强度值，由于边缘计算网关30具有环网特性，故检测区间内每个边缘计算网关30都可以获取检测区间内其他边缘计算网关30与车载终端20之间v2x通讯的信号强度值以及其他边缘计算网关30的网关坐标。以检测区间内的某一个边缘计算网关30为例进行说明，该边缘计算网关30获取到相应数量的信号强度值以及检测区间内各边缘计算网关30的网关坐标后，通过计算可得到标定车辆的车辆坐标，检测区间内的每个边缘计算网关30均进行相同的操作后得到相应数量的车辆坐标，然后由检测区间内某一个边缘计算网关30对这些车辆坐标进行分析判断，从这些车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息，如此以实现车辆精准定位。
23.这样，即使车辆行驶到没有卫星信号或gps信号差的道路上，仍然可以通过基于边缘计算网关的车路协同辅助定位系统进行车辆精准定位，而无需通过接收卫星数据进行定位，从而可以脱离gps定位，实现车路协同辅助定位和道路内的辅助驾驶行为，以便于在车联网应用中能够实时采集车辆的位置信息，更好地进行车路协同管理。另外，在车联网应用中，与硬件建设和软件算法成本较高的高精度rtk定位系统相比，采用边缘计算网关30进行
辅助定位的硬件建设成本较低，而且，利用v2x通讯的低延时性及边缘计算网关30的边缘计算能力，可以满足车辆的实时动态位置更新，为车路协同提供安全可靠的实际体验。
24.进一步地，边缘计算网关30具有光纤、以太网、rs485、rs232、pwm、i/o接口等多种数据接入功能，同时支持5g、v2x等无线网络，可以与设置有车载终端20的车辆进行交互。通过有线接口和无线信号连接，可以获取道路的实时信息，再通过自身强大的边缘计算能力对数据进行ai等算法处理，将车辆在道路中的位置和状态信息实时反馈，为车辆提供实时数据。
25.可选地，数据采集单元10包括设置于道路侧的灯杆上的高清摄像头，高清摄像头用于采集道路的画面；云服务器40用于通过合成算法将高清摄像头所采集的道路的画面合成道路模型。
26.本实施例中，通过高清摄像头来采集道路的画面，并由云服务器40通过合成算法将高清摄像头所采集的道路的画面合成道路模型，如此，以实现道路模型的建立。
27.进一步地，数据采集单元10中的高清摄像头、位于标定车辆所行驶道路侧旁的灯杆以及设置在灯杆上的边缘计算网关30共同构成智慧灯杆，边缘计算网关30作为智慧灯杆的核心设备来确定标定车辆的位置信息。
28.进一步地，建立道路模型时，标定车辆所行驶的道路的两侧会均匀分布智慧灯杆，道路同一侧的智慧灯杆之间通常间距在50米。将边缘计算网关30和数据采集单元10中的高清摄像头安装于智慧灯杆上，并调试好高清摄像头的拍摄角度，以保证道路两侧的所有智慧灯杆上的高清摄像头所拍摄的画面能覆盖整个道路。
29.进一步地，数据采集单元10还包括设置于标定车辆所行驶道路侧的灯杆上的雷达和设置于标定车辆所行驶道路的标志标牌上的地面传感器。
30.可选地，结合图2所示，边缘计算网关30包括数据提取模块31、v2x无线通讯模块32和ai处理模块33；数据提取模块31用于将对应数据采集单元10所采集的道路信息发送至云服务器40；v2x无线通讯模块32用于与车载终端20进行v2x通讯；ai处理模块33用于确定标定车辆的位置信息。
31.本实施例中，边缘计算网关30包括多种模块，分别是数据提取模块31、v2x无线通讯模块32和ai处理模块33，数据提取模块31将数据采集单元10所采集的道路信息从数据采集单元10中提取出来并发送至云服务器40，以便于云服务器40根据道路信息建立道路模型，同时，通过v2x无线通讯模块32与车载终端20进行v2x通讯，并产生信号强度值，ai处理模块33则根据信号强度值和边缘计算网关30的网关坐标计算标定车辆的车辆坐标，从各车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息。如此，边缘计算网关30通过设置不同的模块来实现不同的操作过程，多个模块之间的相互协同作用，以实现车辆在道路上的精准定位。
32.可选地，数据提取模块31包括rs485、rs232、pwm和多路以太网接口。如此，可通过以太网提取高清摄像头拍摄的实时画面，通过rs485等物联网接口可连接地面传感器（地磁、交通信号牌等），以便于提取道路标志标牌等交通设施的位置信息，使得云服务器40可以根据道路的实时画面和道路上的交通设施位置生成更加接近实际道路的道路模型，为车联网应用提供更多和更加准确的数据基础。
33.进一步地，由高清摄像头、雷达、地面传感器组成的道路信息采集部分是一个静态
道路模型建立的过程。静态道路模型分为四个层次，分别是图像感知层、道路层、车道层和交通设施层，高清摄像头以及其所拍摄的多路段合成的道路构成图像感知层，包括南北方车道、十字路口等，道路的几何形状、拓扑结构和道路等级构成道路层，车道的几何形状、拓扑结构和车道标记构成车道层，道路上的标志标牌、路沿、隔离带等构成交通设施层。
34.可选地，边缘计算网关30还包括位置传感器，位置传感器用于记录道路侧的灯杆的位置坐标，将灯杆的位置坐标作为边缘计算网关30的网关坐标。
35.由于道路两侧的灯杆的具体位置信息（即位置坐标）是已知且通常不会改变，当边缘计算网关30和高清摄像头安装于灯杆上后，都处于静止状态，此时可通过边缘计算网关30里面的位置角度传感器记录相应灯杆的位置坐标，并将灯杆的位置坐标作为边缘计算网关30的网关坐标，如此以得到边缘计算网关30的网关坐标，而无需另外通过一系列的计算来获得边缘计算网关30的网关坐标。
36.可选地，ai处理模块33具体用于：在道路模型中标定出检测区间；当标定车辆驶入检测区间时，获取检测区间内各边缘计算网关30的网关坐标以及检测区间内各边缘计算网关30与车载终端20之间v2x通讯的信号强度值；根据各信号强度值计算出检测区间内各边缘计算网关30与标定车辆之间的直线距离；根据检测区间内各边缘计算网关30的网关坐标、各边缘计算网关30与标定车辆之间的直线距离计算出标定车辆的车辆坐标；从各车辆坐标中选取有效车辆坐标；根据有效车辆坐标确定标定车辆的位置信息。
37.具体地，在对标定车辆进行定位时，需要先标定一个检测区间，检测区间为标定车辆所行驶道路中的局部路段区域，以道路两侧各两个灯杆为例进行说明。将这四个灯杆上的高清摄像头所拍摄的道路画面所合成的道路区域作为一个检测区间，该检测区间内有四个边缘计算网关30，分别记为网关s1、网关s2、网关n1和网关n2。如图3所示，当检测区间内的边缘计算网关30检测到标定车辆驶入检测区间时，标定车辆上的车载终端20分别与网关s1、s2、n1、n2进行v2x通讯，网关s1将网关s1与车载终端20之间v2x通讯的信号强度值rssi记录，网关s2、n1、n2分别记录相应的v2x通讯的信号强度值，利用网关的环网特性，网关s1可以拿到网关s2、n1、n2的rssi值以及网关坐标，通过差分算法可以计算出标定车辆相对于道路的车辆坐标。结合图3，具体举例如下：1.已知网关s1、s2、n1、n2的网关坐标s1（x1,y1）、s2（x2,y2）、n1（x3,y3）、n2（x4,y4）；2.通过信号强度值rssi的计算公式分别计算网关s1、s2、n1、n2与车载终端20之间的直线距离ls1、ls2 、ln1、ln2；3.车载终端20的坐标（x0,y0）、网关坐标s1（x1,y1）、s2（x2,y2）、n1（x3,y3）、n2（x4,y4）以及直线距离ls1、ls2 、ln1、ln2满足如下方程：
4.采用线性化方程求解，可计算出车载终端20的坐标（x0,y0）如下：在检测区间的四个网关s1、s2、n1、n2中均采用上述方法计算标定车辆的车辆坐标，得到四组车辆坐标，由四个网关s1、s2、n1、n2中的任意一个网关中对这四组车辆坐标进行分析判断，比如由距离车载终端20最近的网关进行分析判断，然后从中选取有效车辆坐标，最后根据有效车辆坐标确定标定车辆的位置信息。如此，以实现标定车辆的定位。
38.可选地，信号强度值的计算公式为：，其中，rssi为信号强度值，b为信号发射端和信号接收端相隔1米时的信号强度值，l为信号发射端与信号接收端之间的距离，n为信号路径衰减因子。
39.具体地，公式中的参数b和n为已知的参考定值，车载终端20作为信号发射端发射v2x通讯信号，边缘计算网关30作为信号接收端接收车载终端20发出的v2x通讯信号。对于检测区间内的每个边缘计算网关30而言，在获取到与车载终端20之间v2x通讯的信号强度值rssi后，将信号强度值rssi代入上述计算公式即可计算出该边缘计算网关30与车载终端20之间的直线距离l。
40.可选地，从各车辆坐标中选取有效车辆坐标具体包括：从各车辆坐标中任意选取一个作为参考坐标，其余车辆坐标作为待定坐标；将各待定坐标分别与参考坐标进行比较；当待定坐标与参考坐标之间的差值位于预设坐标范围时，将待定坐标和参考坐标作为有效车辆坐标；当各待定坐标与参考坐标之间的差值均超出预设坐标范围时，从待定坐标中选取一个作为参考坐标，并重新将各待定坐标分别与参考坐标进行比较，直至选出有效车辆坐标。
41.本实施例中，预设坐标范围为预先设定的坐标值范围，可以是设计人员依据经验进行设定，也可以通过试验进行设定。通过对检测区间内每个边缘计算网关30所计算出来的车辆坐标进行分析比对，可以将坐标值差异较大的车辆坐标（比如因计算出错所得到的车辆坐标）剔除，从而得到与车辆实际位置坐标更加接近的有效车辆坐标，提高了车辆定位的精准度。
42.可选地，ai处理模块33还用于根据标定车辆的位置信息将标定车辆标记在道路模型中。
43.本实施例中，边缘计算网关30中的ai处理模块33计算出标定车辆的相对于道路的位置信息后，可将标定车辆标记于道路模型中。这样，依托边缘计算网关30强大的边缘计算
能力，能快速地计算出未知车辆的位置，并根据已知灯杆的位置进行不断地修正，从而实现精准定位。
44.结合图4所示，本发明又一实施例提供一种基于边缘计算网关的车路协同辅助定位方法，该定位方法基于上述任一所述的基于边缘计算网关的车路协同辅助定位系统，该定位方法包括以下步骤：步骤s100、获取标定车辆所行驶道路的道路信息；步骤s200、将道路信息发送至云服务器40，由云服务器40根据道路信息生成道路模型，并将道路模型发送至各边缘计算网关30；步骤s300、当标定车辆行驶于道路的检测区间时，根据检测区间内各边缘计算网关30与车载终端20之间v2x通讯的信号强度值以及检测区间内各边缘计算网关30的网关坐标计算标定车辆的车辆坐标，从各车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息。
45.本实施例中，通过获取标定车辆所行驶道路的道路信息，然后将道路信息发送至云服务器40，由云服务器40根据道路信息生成道路模型，并将道路模型发送至各边缘计算网关30，当标定车辆行驶于道路的检测区间时，根据检测区间内各边缘计算网关30与车载终端20之间v2x通讯的信号强度值以及检测区间内各边缘计算网关30的网关坐标计算标定车辆的车辆坐标，从各车辆坐标中选取有效车辆坐标，并根据有效车辆坐标确定标定车辆的位置信息，如此，以对道路上的未知车辆进行精准定位。这样，即使车辆行驶到没有卫星信号或gps信号差的道路上，仍然可以通过本实施例的定位方法对车辆进行精准定位，从而可以脱离gps定位，实现车路协同辅助定位和道路内的辅助驾驶行为，以便于在车联网应用中能够实时采集车辆的位置信息，更好地进行车路协同管理。
46.虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。