一种外罚法与最速下降法结合的车联网定位方法及系统技术方案

本发明专利技术提供一种外罚法与最速下降法结合的车联网定位方法及系统，有助于提高GPS定位精度。所述方法包括：S1，通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数；S2，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数；S3，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值；S4，判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代。本发明专利技术适用于车联网定位技术领域。

【技术实现步骤摘要】
一种外罚法与最速下降法结合的车联网定位方法及系统
本专利技术涉及车联网定位
，特别是指一种外罚法与最速下降法结合的车联网定位方法及系统。
技术介绍
近年来，车联网定位系统具有巨大的应用价值和市场潜力，通常用于交通运输领域智能化管理，例如，智能公交定位、智能停车场管理、车辆类型及流量信息采集。GPS是车联网中运用最广泛的定位技术之一，安装在车辆上实时提供车辆在运动过程中的位置。但是GPS系统也会面临一些问题从而影响精度，例如在建筑物密集的区域，卫星信号遮挡严重从而使GPS定位精度大大下降。
技术实现思路
本专利技术要解决的技术问题是提供一种外罚法与最速下降法结合的车联网定位方法及系统，以解决现有技术所存在的车联网定位中GPS定位精度低的问题。为解决上述技术问题，本专利技术实施例提供一种外罚法与最速下降法结合的车联网定位方法，包括：S1，通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数；S2，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数；S3，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值；S4，判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代。可选地，所述通过GPS获取车辆的定位结果包括：通过GPS获取车辆的定位结果；根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis：其中，m为TOA节点个数，n为车辆或GPS的个数，Long为车长，Wide为车宽，为第i辆车的GPS定位结果，(x1，y1)，…,(xm，ym)表示TOA节点的初始坐标。可选地，所述S1包括：根据已确定的车辆初始坐标OriginalAxis，并结合TOA节点间的测距值构造带约束条件的目标函数F：其中，(xi，yi)，(xj，yj)代表TOA节点的坐标，Distanceij代表TOA节点(xi，yi)，(xj，yj)间的测距值；通过产生的随机测距误差ε，构造目标函数F的约束条件Gij；可选地，所述S2包括：根据确定的带约束条件的目标函数F及目标函数F的约束条件Gij，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数F'：其中，可选地，所述S3包括：通过进退法来确定搜索区间的范围；根据已确定的搜索区间的范围，通过黄金分割法确定搜索步长；根据已确定的确定搜索步长，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis：OptimizeAxis＝[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)]；其中，k代表车辆上TOA的节点个数。可选地，所述收敛条件包括：1)其中，F1为上次迭代目标函数的极小值，F2为本次迭代目标函数的极小值；2)(X1-X2)2≤e-4，其中，X1为本次迭代确定的坐标向量，X2为上次迭代确定的坐标向量；所述S4包括：当所述极小值满足收敛条件1)，同时所述坐标值满足收敛条件2)时，则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标，否则，则利用本次迭代确定的所述坐标值OptimizeAxis，返回S2继续迭代。本专利技术实施例还提供一种外罚法与最速下降法结合的车联网定位系统，包括：带约束条件的目标函数确定单元，用于通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数；不带约束条件的目标函数构造单元，用于通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数；极小值坐标值确定单元，用于通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值；优化坐标确定单元，用于判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代。可选地，所述带约束条件的目标函数构造单元包括：定位结果获取模块，用于通过GPS获取车辆的定位结果；车辆初始坐标确定模块，用于根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis：其中，m为TOA节点个数，n为车辆或GPS的个数，Long为车长，Wide为车宽，为第i辆车的GPS定位结果，(x1，y1)，…,(xm，ym)表示TOA节点的初始坐标；带约束条件的目标函数构造模块，用于根据已确定的车辆初始坐标OriginalAxis，并结合TOA节点间的测距值构造带约束条件的目标函数F：其中，(xi，yi)，(xj，yj)代表TOA节点的坐标，Distanceij代表TOA节点(xi，yi)，(xj，yj)间的测距值；目标函数的约束条件构造模块，用于通过产生的随机测距误差ε，构造目标函数F的约束条件Gij；可选地，所述极小值坐标值确定单元包括：搜索区间确定模块，用于通过进退法来确定搜索区间的范围；搜索步长确定模块，用于根据已确定的搜索区间的范围，通过黄金分割法确定搜索步长；极小值坐标值确定模块，用于根据已确定的确定搜索步长，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis：OptimizeAxis＝[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)]；其中，k代表车辆上TOA的节点个数。可选地，所述收敛条件包括：1)其中，F1为上次迭代目标函数的极小值，F2为本次迭代目标函数的极小值；2)(X1-X2)2≤e-4，其中，X1为本次迭代确定的坐标向量，X2为上次迭代确定的坐标向量；所述优化坐标确定单元包括：优化坐标确定模块，用于当所述极小值满足收敛条件1)，同时所述坐标值满足收敛条件2)时，则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标；返回迭代确定模块，用于当所述极小值不满足收敛条件1)，或所述坐标值不满足收敛条件2)时，则利用本次迭代确定的所述坐标值OptimizeAxis，返回不带约束条件的目标函数构造单元继续迭代。本专利技术的上述技术方案的有益效果如下：上述方案中，通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数及其约束条件，其次，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数，再通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值，最后，判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代。这样，通过GPS获取的定位结果确定车辆的初始坐标，并通过时间到达法(TimeOfArrival，TOA)确定TOA节点间的测距值，建立非线性规划的方法来解决GPS定位精度低的问题，TOA测距法具有很高的测距精度，且TOA测距设备小巧、花费少、精度高，效率快，在非线性规划问题中利用外罚法把带有约束条件的规划问题化解为无约束的规划问题，再利用最速下降法解决车联网定位中各个车辆位置的最优解问题。通过仿真实验发现，即使在测距误差很大的情况下，也可以保证车辆的定位精度，并且对于给定的GPS的定位结果对优化后的最优坐标值影响并不明显，车辆个数越多，连通性越强，最终的优化精度越高。附图说明图1为本专利技术实施例提供的外罚法与最速下降法结合的车联网定位方法的方法流程图；图2为本专利技术实施例提供的GPS和TOA节点的部署示意本文档来自技高网...

【技术保护点】
一种外罚法与最速下降法结合的车联网定位方法，其特征在于，包括：S1，通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数；S2，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数；S3，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值；S4，判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代。

【技术特征摘要】
1.一种外罚法与最速下降法结合的车联网定位方法，其特征在于，包括：S1，通过GPS获取车辆的定位结果，并结合TOA节点间的测距值构造带约束条件的目标函数；S2，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数；S3，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值；S4，判断所述极小值及坐标值是否满足收敛条件，若满足，所述坐标值为最终优化坐标，否则，则利用所述坐标值，返回S2继续迭代；其中，所述通过GPS获取车辆的定位结果包括：通过GPS获取车辆的定位结果；根据获取到得车辆的定位结果确定车辆的初始坐标OriginalAxis：其中，m为TOA节点个数，n为车辆或GPS的个数，Long为车长，Wide为车宽，为第i辆车的GPS定位结果，(x1，y1)，…,(xm，ym)表示TOA节点的初始坐标；所述S1包括：根据已确定的车辆初始坐标OriginalAxis，并结合TOA节点间的测距值构造带约束条件的目标函数F：其中，(xi，yi)，(xj，yj)代表TOA节点的坐标，Distanceij代表TOA节点(xi，yi)，(xj，yj)间的测距值；通过产生的随机测距误差ε，构造目标函数F的约束条件Gij；2.根据权利要求1所述的方法，其特征在于，所述S2包括：根据确定的带约束条件的目标函数F及目标函数F的约束条件Gij，通过外罚法将带约束条件的目标函数转变为不带约束条件的目标函数F'：其中，3.根据权利要求2所述的方法，其特征在于，所述S3包括：通过进退法来确定搜索区间的范围；根据已确定的搜索区间的范围，通过黄金分割法确定搜索步长；根据已确定的确定搜索步长，通过最速下降法确定所述不带约束条件的目标函数的极小值相应的坐标值OptimizeAxis：OptimizeAxis＝[(x’2,y’2),(x’2,y’2),……,(x’k,y’k)]；其中，k代表车辆上TOA的节点个数。4.根据权利要求3所述的方法，其特征在于，所述收敛条件包括：1)其中，F1为上次迭代目标函数的极小值，F2为本次迭代目标函数的极小值；2)(X1-X2)2≤e-4，其中，X1为本次迭代确定的坐标向量，X2为上次迭代确定的坐标向量；所述S4包括：当所述极小值满足收敛条件1)，同时所述坐标值满足收敛条件2)时，则本次迭代确定的所述坐标值OptimizeAxis为最终优化坐标，否则，则利用本次迭代确定的所述坐标值OptimizeAxis，返回S2继续迭代。5.一种外罚法与最速下降法结合的车联网定位系统，其特征在于，...

【专利技术属性】
技术研发人员：王然，何杰，徐丽媛，徐诚，王沁，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11