基于无线信号强度的城轨列车组合定位方法研究

来源:用户上传      作者:

　　【摘 要】近年来，城市轨道交通发展迅速，其在方便人们出行的同时也带来了巨大的能源消耗。城轨列车节能运行是一种重要的节能技术，需要具有统一时间、空间标尺的列车运行能耗数据作为分析基础。其中，列車位置信息无法直接测量，并且难以通过接口从信号车载设备等获得，因此必须设计一种相对独立的列车定位方法。考虑到城轨列车运行环境的特殊性，所设计的定位方法首先不能影响行车安全，其次需要在地上、地下均可获得列车位置，同时还要在减少硬件成本的基础上满足列车节能运行分析对定位精度的要求。
　　【关键词】无线信号强度；城轨列车；组合定位；研究
　　引言：无线定位技术的发展与基础设施的完善与升级是密切相关的。在我国，高速铁路和城市轨道交通系统中，存在大量用于通信的基站，这对无线定位技术在轨道交通领域的应用是一个重要机遇。但由于目前无线定位应用场景多为室内或接收者静止或移动速度较慢的场景，因此无线定位技术应用于运行速度较快的轨道交通领域也是一个挑战。在轨道交通领域，实时的列车位置对保证列车安全、高效运行有着极其重要的作用。与传统的基于轨道电路、应答器等列车定位方法不同，基于无线网络的定位方法有着低成本、易维护等优点。因此，在非安全应用、定位精度需求较低的场景下，无线定位逐渐成为为列车提供位置信息的一种新型方式。
　　1、基于无线信号强度的城轨列车定位方法
　　1.1无线定位技术介绍
　　由于基于全球卫星导航系统的定位方法需要接收者位于空旷无遮挡的室外环境，因而无法在室内或地下等地形复杂的环境下应用。近年来，随着地面无线网络基础设施的增多，基于地面网络的定位系统也迅速发展，这类定位系统也被称为无线定位系统。无线定位技术按其定位机制的不同可以分为无需测距的定位和基于测距的定位[1]。为了方便读者理解，本文先对下文出现的术语进行说明。
　　（1）锚节点：己知或能够自己获取地理位置信息的节点。
　　（2）未知节点：事先不知道地理位置信息的节点。
　　（3）跳数：数据从一个节点到下一个节点经过的跳转次数。
　　（4）跳距：数据从一个节点到下一个节点经过的距离。
　　（5）接收范围：节点能够有效接收数据的范围。
　　1.2Range-free型无线定位
　　无需测距的定位技术无需测量节点间的绝对距离或者角度信息，实现简单，成本较低。但由于其只能实现粗精度定位，因此其应用范围也受限于对定位精度需求较低的场景。本文将对四种具有代表性的算法进行介绍。
　　（1）质心定位算法
　　质心定位算法由南加州大学学者提出，是一种完全依靠网络连通性进行定位的算法。其基本原理是：锚节点周期地向外发送信标信号，信标中包括描节点的标识和坐标。待定位节点收到多个来自其接收范围内的锚节点发送的信标，由多个锚节点组成的多边形的质心便是待定位节点的位置估计。
　　（2）DV-hop算法
　　在DV-hop算法中，锚节点以泛洪的方式向外发送信标信号，信标包含锚节点的位置信息和一个初值为1的跳数参数。跳数值随转发次数增加而增加。当所有节点均保存距锚节点的最小跳数信息时，锚节点便可根据自身的位置信息和与其他锚节点间的最小跳数计算平均跳距，之后将平均跳距发送至所有节点进行校正。
　　随着信息时代的发展，越来越多的数据信息可以被用来描述位置信息，这样的数据信息被称作指纹。指纹类型有很多种，其中视觉指纹、动作指纹和信号指纹是最常用的三种。本文中的无线信号强度便是信号指纹中的一种。指纹定位方法一般由离线训练和在线定位两个阶段组成。离线训练阶段需要在某个区域内，采集所有可探测到的无线接入点的信号强度，并将其与位置相对应存入数据库中，再根据数据库中的数据训练得到信号强度与位置之间的匹配关系。在线定位阶段也可称为指纹匹配阶段，该阶段无线接收设备采集当前位置所有可探测到的AP的信号强度，并根据采集的信号强度，通过适当的算法在离线数据库中找到与之最符合的目标位置。匹配过程一般会用到数据挖掘、机器学习、深度学习等智能算法，如K近邻法或神经网络。
　　2、城轨列车组合指纹定位方法研究
　　随着移动设备和其他电子设备计算能力和存储容量的大幅度提升，指纹定位技术己成为一种灵活、多变的定位技术。指纹定位的精度与选取的指纹特征以及数据库的构建方式密切相关，其与信号强度质量好坏关系较小。如指纹定位在多径效应和非视距等信号强度值噪声大、衰减快的环境中仍有较高的定位精度，这是因为指纹定位方法在不利的传播环境中具有较好的鲁棒性[2]。此外，指纹定位方法还具有无需事先知道锚节点位置的优势。指纹定位的缺点主要有两点。
　　其一：为更好的描述指纹与位置的关系，需要采集大量的数据，因此指纹定位会占用较大的存储空间。一些存储容量受到严格限制的应用因此无法使用指纹定位。
　　其二：当环境中出现如新增AP、移除AP或移动AP位置等影响原有信号强度分布的情况时，指纹数据库和匹配关系也必须随之进行更新，以便适应新的“环境”。
　　随着技术的发展，深度学习在图像识别、数据分类和语音处理等领域也展现出越来越好的效果。在本研宄中，需要将无线信号强度的值与列车位置联系起来，根据无线信号强度的值来计算列车的位置。解决该类问题有很多方法，如贝叶斯估计、神经网络等。但由于城轨列车多运行于隧道环境，无线信号强度受多径效应影响较大，且存在较大噪声，因此使用传统的方法无法准确地提取无线信号强度的特征。
　　结语：本文所做工作主要是为了满足城轨列车节能运行研究的需求，最终的列车定位精度也远未达到能够为列控系统提供位置信息的水平。但利用无线信号强度获取列车位置的方法是将无线定位技术应用于列车定位的一次探索，由于本人知识水平有限，对该问题的探索还不够深入。
　　对无线定位在列车定位中的探索也不应仅局限于列车节能运行研宄中。无线定位作为未来移动互联网和物联网的重要核心业务之一，在人工智能飞速发展的今天，其在未来会得到更加广泛的应用。在经过安全性、稳定性、准确性等相关验证后，替代拥有较多硬件设备的列车定位方法己经不再遥不可及。
　　参考文献：
　　[1]崔耕.浅析城市轨道交通中尘土对列车车载控制器的危害[J].科技创新与应用，2017（17）：151-151.
　　[2]姜君.城市轨道交通列车再生制动能量利用系统方案对比分析[J].现代城市轨道交通，2017（9）：1-4.
　　（作者单位：成都地铁运营有限公司）
转载注明来源:https://www.xzbu.com/1/view-14738408.htm