车联网定位技术现状及展望

国内已经完成或者正在制订中的车联网应用标准均提出了对定位的要求，主要划分为以下类别， 如表1所示：

除应用角度的场景外，还需要考虑与环境相关的定位场景。

车联网定位的目标主要是移动的车联网设备（如车载设备、弱势交通参与者设备等），环境场景的划分与常规的室内/室外场景存在差异。

由于GNSS（Global Navigation Satellite System）同步是C-V2X时间同步的基本方式，GNSS模块是C-V2X设备的必要组成部分。因此，GNSS定位成为车联网定位的基本手段。目前GNSS+RTK（Real Time Kinematic）+IMU（Inertial Measurement Unit）定位可获得精确至厘米级的定位精度。但GNSS和差分信号无覆盖或者覆盖效果较差时，无法实现高精度定位。

因此，车联网定位场景主要可分为两类：GNSS信号覆盖场景和GNSS信号不可用场景。GNSS信覆盖场景主要包括高速公路、城市快速路、居民区等相对开阔的场景；GNSS信号不可用场景则主要是城市峡谷、高架桥下、室内/地下停车场、隧道、地下交通、煤矿井下等场景。针对GNSS信号不可用场景，需要额外考虑其他的定位技术，避免车联网设备移动过程中出现定位精度降级。

1.2 车联网定位指标

国内车联网第一阶段应用层标准中，大部分用例的定位指标为定位误差≤5 m，前向碰撞预警/盲区预警/变道辅助、逆向超车预警、紧急制动预警、闯红灯预警定位误差≤1.5 m [4] 。

第二阶段应用层标准中，细分了每个轴向的定位精度需求，纵向（车辆行驶方向）定位误差均为≤5 m，垂直（车辆高度方向）定位误差均为≤3.5 m，水平（车辆侧向）定位误差要求相对较高，且不同用例存在差异，例如车辆编队要求为亚米级、协作式车队管理为≤1 m、车辆汇入汇出控制为≤50 cm [5] 。

随着车路协同应用从支持基本道路安全类到辅助自动驾驶、高级自动驾驶的演进，车联网定位的精度要求也不断提高。

2 车联网定位技术

2.1 卫星定位技术

（1）GNSS及其增强定位技术

GNSS包括GPS、GLONASS、Galileo、北斗，包括绝对定位和相对定位，一般包括空间段、地面段和用户段三部分。GNSS技术发展经历了三个阶段：第一阶段，绝对定位技术为伪距单点定位，相对定位技术为伪距差分定位和载波相位静态差分；第二阶段，包括广域差分定位、载波相位实时差分RTK两类相对定位技术；第三阶段，绝对定位技术为精密单点定位PPP（Precise Point Positioning），相对定位技术为基准站网络差分（Network RTK） [7] 。

目前，我国主流GNSS定位服务商（如千寻位置、六分科技）均已建设了2 000+ CORS（Continuously Operating Reference Stations）基准站，能够支持Network RTK，依靠网络发布广域差分定位解算数据实现高精定位。主流GNSS定位模块广泛采用GNSS+RTK+IMU的方式，基于网络RTK进行GNSS信号测量，将IMU测量的三轴加速度和角速度值作为输入参数进行卡尔曼滤波，可基于单频RTK实现分米级定位精度，基于双频RTK实现厘米级定位精度，满足车联网车路协同和自动驾驶的定位需求。

（2）伪卫星定位技术

伪卫星定位系统可部署在无GNSS信号的区域，利用服务器解析在轨卫星的导航点位，将星历和历书的数据发送至伪卫星基站（GNSS模拟器），伪卫星基站对在轨的卫星信号进行实时模拟、实时播发卫星定位信号。

车载GNSS终端或者模组无需进行改进即可支持伪卫星定位，但需要提前部署伪卫星系统，定位精度与伪卫星基站密度相关。如需实现高精度定位，需要在道路建设中提前部署大量的伪卫星基站，并需要光纤等有线网络、供电的支持和额外的资金投入。

2.2 基于传感器与高精地图的定位技术

基于传感器与高精地图的定位技术，通过传感器（摄像头、LiDAR、毫米波雷达等）采集周边环境的特征点，通过与预先采集制作的高精地图进行特征点匹配，实现高精定位。

（1）摄像头

摄像头一般采用电荷耦合器件CCD（Charge-Coupled Device）传感器或者互补金属氧化物半导体CMOS（Complementary Metal Oxide Semiconductor）传感器，对周边环境进行实时图像采集、特征点提取和分析，成本低、实现简单、分辨率高，但检测距离较短、易受道路环境、天气环境、光照、视角等因素影响，在夜晚、雨雪雾霾等恶劣天气下和隧道等光照条件差的环境中，检测效果可能出现显著下降，光照急剧变化时（如隧道出入口）会出现检测性能的短暂失效。

（2）激光雷达

激光雷达主要包括TOF（Time of Flight）激光雷达和调频连续波FMCW（Frequency Modulated Continuous Wave）激光雷达。目前TOF是激光雷达的主流技术，通过测量激光短脉冲发出到接收到反射信号的时间进行测距，结合反射光角度的测量，实现反射物体的位置检测。FMCW技术则是发送恒定的连续光流，按照一定规律调节光的频率，实现对反射物体位置的测量，同时可利用多普勒效应精确测量出反射物体的运动速度。当环境中多个激光雷达同时工作时，FMCW雷达可以将反射光与发射光不匹配的激光信号进行滤除，可避免多个激光雷达共存时的相互干扰。

激光雷达的检测精度与激光束数量有关，分为单线、4线、8线、16线、32线、64线和128线。激光雷达的探测精度可精确至厘米级，探测范围可达300 m，但前提是需要满足反射率要求（如20%反射率）。目前主流激光雷达的波长为850 nm、905 nm和1 550 nm，由于波长和雾霾颗粒的尺寸接近，雾霾天气会影响检测精度，雨雪天气下检测精度也会显著下降，尚难以实现全天候应用。此外，激光雷达目前成本较高，是否能够全面满足车规要求有待系统验证，也对应用前景造成一定影响。

（3）毫米波雷达

毫米波雷达工作在毫米波波段，频率范围为30—300 GHz，目前较多使用24 GHz和76—77 GHz频段。与激光雷达类似，根据检测原理分为脉冲式毫米波雷达和调频连续波式毫米波雷达两类，调频连续波方式采用Chirp技术，是当前的主流技术。

毫米波雷达能够精确测量受测目标的相对距离和相对速度，体积小、分辨率高、便于部署，并具有穿透力强、精度高、稳定性强、抗干扰能力强等优点，探测距离最远可达300 m，能够在雨雪等天气下正常工作。但毫米波雷达精确确定被探测物体形状方面的性能低于激光雷达，较难区分出多个目标或者实现目标分离。

（4）高精地图

基于传感器进行实际环境的特征点检测后，需要与预先采集制作的高精地图进行匹配，实现车联网设备的高精定位。高精地图的覆盖率将决定基于传感器与高精地图的定位技术的应用规模。目前，我国主要高精地图厂商均已完成不少于30万公里的高速公路高精地图采集和制作，2020年开展城市道路的高精地图采集 [8] 。但由于我国国土面积大，目前高精地图覆盖率仍然有限，规模化支持车联网定位仍有待提高覆盖率。

2.3 无线短距定位技术

（1）UWB/CSS

IEEE 802.15.4a定义了2类支持高精度定位物理层技术，分别为UWB（Ultra-Wide Band）和CSS（Chirp Spread Spectrum）。

UWB指相对带宽大于20%或者传输的任意时刻带宽大于500 MHz，FCC（Federal Communications Commission）定义的超宽带频谱范围为3.1—10.6 GHz，利用纳秒级的非正弦波窄脉冲进行数据传输，抗多径干扰能力强。IEEE 802.15.4z研究了对UWB的物理层高速脉冲信号的增强，测距精度最高可精确至厘米级。

CSS技术工作在2.4 GHz，带宽为80 MHz，采用声表面波滤波器SAW（Surface Acoustic Wave）生成信号和检测，时间带宽积较大、上升频率信号和下降频率信号相互正交，两条多径信道的分辨率1/B（B为带宽），测距精度可精确至1 m。

IEEE 802.15.4a在UWB和CSS基础上，MAC层支持SDS-TWR（Symmetric Double-Sided Two Way Ranging）的TOA测距方法[9]，能够消除收发端的时间同步偏移和本地计时器频偏导致的计时误差，无需实现高精度时间同步即可确保高精度TOA测量。

（2）WLAN

WLAN（Wireless Local Area Network）定位可基于RSSI（Received Signal Strength Indication）、TOA（Time of Arrival）或信号到达时间差TDOA（Time Difference of Arrival）测距进行定位。但在多径环境下、特别是隧道等受限空间内，多径信号叠加会导致RSSI值显著波动、TOA测量受非视距时延扩展影响误差较大等问题。位置指纹方法可提高Wi-Fi定位精度，可利用定位区域的实际测量值建立位置指纹数据库，定位中将实时测量值与位置指纹数据库进行匹配，能够有效提高定位精度。但该方法需提前对定位现场进行测量，定位精度与位置指纹数据的网格密度相关，如需实现高精度定位，需要大量前期实测。位置指纹定位方式适用于无线信号环境相对稳定的区域，车联网定位中由于存在较多的移动物体，无线信道环境会频繁变化，适用性也有待验证。

目前，IEEE 802.11az针对地下停车场等室内场景进行定位技术的研究，目标是采用60 GHz的高频频段、将定位精度从1 m以上提升至0.1 m。

2.4 蜂窝网定位技术

蜂窝网定位技术包括LTE Positioning和NR Positioning两个阶段。

3GPP Release 16开展了NR（New Radio）定位研究的Study Item，定位性能指标为室内场景横向和纵向误差均＜3 m（80%），室外场景横向误差＜10 m、纵向误差＜3 m（80%）、端到端时延＜1 s。

Release 16 NR定位支持“无线接入技术无关（RAT-independent）”的定位技术，包括GNSS、大气压力传感器定位、WLAN定位、惯导定位、蓝牙定位、地面信标系统定位。

Release 16 NR定位研究了“RAT-dependent”以及混合定位技术以提高定位精度。主要方案为：gNB周期性发送下行PRS（Positioning Reference Signal），支持DL（Downlink）-TDOA、DL-AoD（Angle of Departure）测量、E-CID（Enhanced Cell Identification）检测；终端发送用于定位的上行SRS（Sounding Reference Symbol），支持UL（Uplink）-TDOA、UL-AoA（Angle of Arrival）测量；支持上下行组合进行RTT（Round Trip Time）测量，可基于多个基站测得Multi-RTT进行位置定位 [10] 。

3GPP Release 17立项了NR 定位增强的Study Item，针对常规商用场景，定位指标为分米级精度（＜1 m）、时延＜100 ms；针对工业互联网IIoT（Industrial Internet of Things）场景，定位精度＜0.2 m、时延＜10 ms [11] 。目前未涉及面向车联网的专用定位技术。

2.5 C-V2X直通链路定位技术

C-V2X通信包括直通链路（Sidelink）通信和蜂窝网上下行通信两种方式，直通链路通信在蜂窝网覆盖内或者覆盖外均可工作，如采用直通链路定位技术，可支持车联网设备的全场景定位。

3GPP Release 17正在开展覆盖内、部分覆盖和覆盖外定位场景和需求的Study Item [12] ，包括针对V2X的定位场景和需求进行的研究，预期将研究直通链路定位技术的需求和架构。

5GAA Work Item V2XHAP中开展了直通链路定位研究，定义了直通链路定位架构，包括基于UE的直通链路定位模式和UE辅助的直通链路定位模式，研究了直通链路定位频谱需求和潜在频段 [13] 。

直通链路定位可将RSU（Road Side Unit）等位置固定的设备作为锚节点、发送直通链路PRS（Positioning Reference Signal），移动节点通过直通链路PRS测量，进而由定位服务器或者自身解算出绝对位置， 如图1和图2所示：

直通链路定位还可通过移动节点发送的直通链路PRS进行测距和测角，实现相对位置定位，满足碰撞预警、编队行驶等定位或测距的需求， 如图3所示：

目前，直通链路定位主要面临两方面挑战。一是现有ITS（Intelligent Transportation System）专用频段频谱有限；二是时间同步精度问题，定位信号收发端如存在3 ns同步误差，理论测距误差将达1 m，显著影响直通链路TOA测量的精度。

针对现有ITS专用频段频谱有限的问题，可研究跨频段调度非授权频段用于PRS发送，但非授权频段信道接入需要考虑引入Listen Before Talk机制，会造成额外的定位时延，需进一步深入研究。

针对时间同步精度问题，需要研究无需高精时间同步的高精度TOA测距方法，而IEEE 802.15.4a MAC层协议定义的SDS-TWR方式可作为参考，其原理 如图4所示：

SDS-TWR方法能够将不同设备间的同步时延和设备本地计时器频偏造成的误差通过双程RTT测量在计算中抵消t，计算公式为：

直通链路定位尚未在3GPP启动系统性的技术方案研究，后续需要针对直通链路定位参考信号（PRS）设计、交互流程、资源调度分配机制、测量和定位信令等开展全面研究。

3 车联网定位现状总结及展望

（1）GNSS信号覆盖场景中，GNSS定位已可满足车联网定位需求。

GNSS信号覆盖场景下，我国主流GNSS定位厂商可提供基于GNSS+网络RTK+IMU方式下分米级和厘米级的高精定位精度服务，能够支持车联网对车路协同以及自动驾驶的定位需求。

（2）GNSS不可用场景中，部署成本和互联互通问题成为制约现有技术的主要障碍。

伪卫星定位、无线短距定位均需要提前部署相应的定位系统，高精定位需要部署高密度的定位设备，成本高、工程量大。另外，如采用无线短距定位系统，车辆需要额外装配相应的定位模块，全国范围内难以确保定位信号的互联互通。

基于传感器和高精地图匹配的方式，车辆应额外部署传感器，为克服环境、天气等因素的影响，一般需要采用多传感器融合感知的方式。还需部署计算资源，车载设备成本将显著提升。另一方面，该方式还依赖于高精地图，需要考虑高精地图覆盖率以及动态更新发布等限制问题。

（3）蜂窝网定位尚未针对车联网定位开展针对性研究，覆盖外无法进行定位。

3GPP现有基于蜂窝的NR Positioning研究中，Release 16阶段方案的精度尚不能支持车联网的典型应用，正在开展的Release 17阶段研究也尚未包括针对车联网的专题研究，蜂窝网络覆盖边缘或者部分覆盖时定位精度可能下降，蜂窝网络覆盖外无法进行定位。

（4）C-V2X直通链路定位预期可支持全天候、全场景的车联网定位，应尽快启动技术研究和标准化进程。

C-V2X直通链路定位技术目前开展了需求和架构的研究，能够与直通链路通信融合共存，在GNSS不可用场景、蜂窝网络覆盖外场景均能够支持车联网定位，预期将成为全天候、全场景支持车联网高精定位的适用技术。应尽快启动直通链路定位的技术研究和标准化，重点开展候选频谱研究和PRS的信号设计、交互流程、资源调度分配机制、测量和定位信令等研究。

doi:10.3969/j.issn.1006-1010.2020.11.011

文章编号：1006-1010(2020)11-0070-06

引用格式：李晨鑫,胡金玲,赵锐,等. 车联网定位技术现状及展望[J]. 移动通信, 2020,44(11): 70-75.

作者简介

胡金玲：教授级高级工程师，硕士，现任电信科学技术研究院有限公司、大唐高鸿数据网络技术股份有限公司首席专家及智能网联产品事业部副总经理，主要研究方向为车联网与下一代无线通信等。

赵锐：教授级高级工程师，博士，现任电信科学技术研究院有限公司、大唐高鸿数据网络技术股份有限公司智能网联产品事业部标准研究专家，主要研究方向为车联网无线通信技术等。返回搜狐，查看更多