一种列车定位导航的方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种列车定位导航的方法、系统、电子设备及存储介质，所述方法包括：获取GNSS信号，当GNSS信号的信号强度不符合预设标准时；获取列车行驶过程中，列车基于时间序列的位置指纹库；获取第一SINS信号；采用DTW算法从位置指纹库中得到列车的位置信息，将列车的位置信息与第一SINS信号结合后，采用卡尔曼滤波修正第一SINS信号的累计误差偏移值，得到列车的最佳估算位置。本发明专利技术具有精度高、可靠性高、准确度高等优点。准确度高等优点。准确度高等优点。

【技术实现步骤摘要】
一种列车定位导航的方法、系统、电子设备及存储介质


[0001]本专利技术涉及轨道交通列车定位
，尤其涉及一种列车定位导航的方法、系统、电子设备及存储介质。

技术介绍

[0002]现有地铁列车定位设备主要有数字音频轨道电路、交叉感应环线、查询应答器、计轴器、测速传感器、加速度计、多普勒雷达、漏泄电缆、裂缝波导管等，列车定位技术主要有无线局域网(Wireless Local Area Network，简称WLAN)、长期演进(Long Term Evolution，后简称LTE)系统及综合全球导航卫星系统(Global Navigation Satellite System，后简称GNSS)等。然而，现有列车定位设备存在车地信息传输不连续、数据传输速率低、定位结果存在误差累计、投资成本高、维护不便等问题；惯性导航定位系统(Strapdown inertial navigation system，后简称SINS)不需要额外敷设定位设备，利用自身坐标系与地球坐标系相统一，完成高精度定位。但是惯性导航存在累计误差，需要额外与卫星定位系统相结合来消除累计误差。然而，列车卫星技术因为其易受干扰、占用稀缺频谱资源等，且隧道建筑物材料对电磁波的吸收及钢结构的电磁波屏蔽效应，限制了卫星定位技术在隧道定位中的作用。综合以上原因，现有的列车定位技术在一定程度上制约了基于通信的列车控制系统(Communication Based Train Control System,后简称CBTC)的发展，因此亟需一种新的定位技术来弥补或替代现有列车定位技术。

技术实现思路

[0003]而本专利技术为了解决上述问题，提出了一种列车定位导航的方法、系统、电子设备及存储介质，通过GNSS信号和SINS信号组合定位，或者采用动态时间规整(Dynamic Time Warping，后简称DTW)算法从所述位置指纹库中得到所述列车的位置信息，然后再与所述SINS信号组合，最后均利用卡尔曼滤波修正SINS的累计误差偏移值，得到最优定位结果，实现所述列车的定位和导航。
[0004]为达到上述目的，本专利技术通过以下技术方案实现：一种列车定位导航的方法，包含：
[0005]获取GNSS信号。
[0006]当所述GNSS信号的信号强度不符合预设标准时。
[0007]获取列车行驶过程中，列车基于时间序列的位置指纹库。
[0008]获取第一SINS信号。
[0009]采用DTW算法从所述位置指纹库中得到所述列车的位置信息，将所述列车的位置信息与所述第一SINS信号结合后，采用卡尔曼滤波修正所述第一SINS信号的累计误差偏移值，得到所述列车的最佳估算位置。
[0010]可选的，所述的列车定位导航的方法，还包括：当所述GNSS信号的信号强度符合预设标准时。
[0011]获取第二SINS信号。
[0012]将所述GNSS信号和所述第二SINS信号组合定位后，采用所述卡尔曼滤波修正所述第一SINS信号的累计误差偏移值，得到所述列车的最佳估算位置。
[0013]可选的，所述的列车定位导航的方法，还包括：当GNSS传感器中参与定位校准的卫星数量至少有三颗时，则所述GNSS信号的信号强度符合预设标准。
[0014]当所述GNSS传感器中参与定位校准的卫星数量小于三颗时，则所述GNSS信号的信号强度不符合预设标准。
[0015]可选的，所述获取所述位置指纹库的步骤包括：
[0016]将所述列车行驶过程中的轨道划分为若干个区段，对每一所述区段进行编号。即将行驶区间划分区段，从而降低每次搜索所花的时间。
[0017]在每个所述区段内，建立一平面二维坐标系，将每一所述平面二维坐标系等距离划分为n个方格。
[0018]在每一所述方格上，利用车载接入单元(Train Access Unit，后简称TAU)采集LTE系统的参考信号接收功率(Reference Signal Receiving Power,后简称RSRP)数据和物理小区标识(Physical Cell Identifier，后简称PCI)数据，将所述RSRP数据和PCI数据记录在对应的所述方格内建立所述位置指纹库。即TAU在每一个时间点采集的数据都是一个PRSP值和一个PCI值，形成一对数据，记录在方格中，建立对应的指纹库。
[0019]可选的，在执行所述DTW算法从所述位置指纹库中得到所述列车的位置信息的步骤之前，包括：
[0020]利用所述SINS系统中的惯性传感器(Inertial Measurement Unit,后简称IMU)定位分析得到离列车当前位置最近的所述区段编号。
[0021]利用所述TAU采集当前时刻所述列车上的LTE系统的第一PCI数据和第一RSRP数据，并以所述当前时刻的第一PCI数据为索引，在当前时刻以前的时间点内所获取的PCI数据中寻找与所述第一PCI数据具有相同值的m个所述第二PCI数据。
[0022]利用所述TAU将当前时刻的所述第一RSRP数据与m个所述第二PCI数据对应的m个第二RSRP数据进行组合，得到所述列车在当前时刻的指纹，其中，m个所述第二PCI数据和m个第二RSRP数据是一一对应的关系。
[0023]可选的，所述采用DTW算法从所述位置指纹库中得到所述列车的位置信息的步骤包括：
[0024]采用所述DTW算法将所述指纹与所述位置指纹库中的所有时序指纹进行匹配，输出若干个置信度分数。
[0025]从所述若干个置信度分数中找出所述置信度分数最低所对应的时序位置点，所述时序位置点为所述列车的所述位置信息。
[0026]可选的，所述采用卡尔曼滤波修正所述第一SINS信号的累计误差偏移值，得到所述列车的最佳估算位置的步骤包括：预测阶段和更新阶段。
[0027]所述预测阶段的步骤包括：根据上一时刻列车位置的后验状态估计值来估计当前时刻列车位置的大小，从而得到t时刻的先验状态估计值。
[0028]所述更新阶段的步骤包括：使用当前时刻的测量值来更正所述预测阶段的估计值，得到当前时刻的后验状态估计值。
[0029]可选的，所述利用IMU定位分析得到离列车当前位置最近的所述区段编号的步骤包括：
[0030]将所述IMU采集到的所述列车的三维空间的加速度从自身坐标系转换为全局坐标系：
[0031]a
g
＝Ra
b
+G
[0032]G＝[0,0,
‑
g]T
[0033][0034]其中：a
g
表示为全局坐标系下的加速度；a
b
表示为IMU测量到的自身加速度；G表示为重力加速度矩阵；c代表cos；s代表sin；γ、ψ、θ代表自身三个坐标轴与全局坐标系的夹角。
[0035]计算得到所述列车在t时刻的位置：
[0036][0037]其中：v
k
表示为IMU在k时刻测量到的列车速度；表示为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车定位导航的方法，其特征在于，包括：获取GNSS信号；当所述GNSS信号的信号强度不符合预设标准时，获取列车行驶过程中，列车基于时间序列的位置指纹库；获取第一SINS信号；采用DTW算法从所述位置指纹库中得到所述列车的位置信息，将所述列车的位置信息与所述第一SINS信号结合后，采用卡尔曼滤波修正所述第一SINS信号的累计误差偏移值，得到所述列车的最佳估算位置。2.如权利要求1所述的列车定位导航的方法，其特征在于，还包括：当所述GNSS信号的信号强度符合预设标准时；获取第二SINS信号；将所述GNSS信号和所述第二SINS信号组合定位后，采用所述卡尔曼滤波修正所述第二SINS信号的累计误差偏移值，得到所述列车的所述最佳估算位置。3.如权利要求2所述的列车定位导航的方法，其特征在于，还包括：当GNSS传感器中参与定位校准的卫星数量至少有三颗时，则所述GNSS信号的信号强度符合预设标准；当所述GNSS传感器中参与定位校准的卫星数量小于三颗时，则所述GNSS信号的信号强度不符合预设标准。4.如权利要求3所述的列车定位导航的方法，其特征在于，所述获取所述位置指纹库的步骤包括：将所述列车行驶过程中的轨道划分为若干个区段，对每一所述区段进行编号；在每个所述区段内，建立一平面二维坐标系，将每一所述平面二维坐标系等距离划分为n个方格；在每一所述方格上，利用TAU采集LTE系统的RSRP数据和PCI数据，将所述RSRP数据和PCI数据记录在对应的所述方格内建立所述位置指纹库。5.如权利要求4所述的列车定位导航的方法，其特征在于，在执行所述DTW算法从所述位置指纹库中得到所述列车的位置信息的步骤之前，包括：利用IMU定位分析得到离列车当前位置最近的所述区段编号；利用所述TAU采集当前时刻所述列车上的LTE系统的第一PCI数据和第一RSRP数据，并以所述当前时刻的第一PCI数据为索引，在当前时刻以前的时间点内所获取的PCI数据中寻找与所述第一PCI数据具有相同值的m个所述第二PCI数据；将当前时刻的所述第一RSRP数据与m个所述第二PCI数据对应的m个第二RSRP数据进行组合，得到所述列车在当前时刻的指纹，其中，m个所述第二PCI数据和m个第二RSRP数据是一一对应的关系。6.如权利要求5所述的列车定位导航的方法，其特征在于，所述采用DTW算法从所述位置指纹库中得到所述列车的位置信息的步骤包括：采用所述DTW算法将所述指纹与所述位置指纹库中的所有时序指纹进行匹配，输出若干个置信度分数；从所述若干个置信度分数中找出所述置信度分数最低所对应的时序位置点，所述时序位置点为所述列车的所述位置信息。
7.如权利要求6所述的列车定位导航的方法，其特征在于，所述采用卡尔曼滤波修正所述第一SINS信号的累计误差偏移值，得到所述列车的最佳估算位置的步骤包括：预测阶段和更新阶段；所述预测阶段的步骤包括：根据上一时刻列车位置的后验状态估计值来估计当前时刻列车位置的大小，从而得到t时刻的先验状态估计值；所述更新阶段的步骤包括：使用当前时刻的测量值来更正所述预测阶段的估计值，得到当前时刻的后验状态估计值。8.如权利要求7所述的列车定位导航的方法，其特征在于，所述利用IMU定位分析得到离列车当前位置最近的所述区段编号的步骤包括：将所述IMU采集到的所述列车的三维空间的加速度从自身坐标系转换为全局坐标系：a
g
＝Ra
b
+GG＝[0,0,
‑
g]
T
其中：a
g
表示为全局坐标系下的加速度；a
b
表示为IMU测量到的自身加速度；G表示为重力加速度矩阵；c代表cos；s代表sin；γ、ψ、θ代表自身三个坐标轴与全局坐标系的夹角；计算得到所述列车在t时刻的位置：其中：v
k
表示为IMU在k时刻测量到的列车速度；表示为在k时刻全局坐标系下的加速度；k表示为IMU数据的采样数量；ΔT表示为采样周期；v
k
表示为第k个采样点的瞬时速度；x
t
表示为第t时刻；二维/三维坐标下列车的瞬时坐标；x
t
‑1表示为在t
‑
1时刻，二维/三维坐标下列车的瞬时坐标；将所述列车在t时刻的位置与上一时间点的定位结果相结合，获得离所述列车当前位置最近的所述区段以及所述区段的编号。9.如权利要求8所述的列车定位导航的方法，其特征在于，所述预测阶段包括：采用所述卡尔曼滤波，根据t
‑
1时刻列车位置的后验状态估计值来预测t时刻所述列车位置的先验状态估计值车位置的先验状态估计值其中：A表示为卡尔曼滤波器中，列车运动状态转换矩阵；由t
‑
1时刻对所述列车位置后验估计协方差E
t
‑1和高斯白噪声β来预测t时刻的先验估计协方差计协方差其中：A
T
表示为列车运动状态转换矩阵的转置。10.如权利要求9所述的列车定位导航的方法，其特征在于，所述更新阶段包括：
计算卡尔曼增益K
t
：其中：C表示为状态变量到测量的转换矩阵；R表示为测量噪声协方差；C
T
表示为状态变量到测量的转换矩阵的转置；进行卡尔曼滤波状态校正更新，计算出t时刻所述列车位置的后验状态估计值进行卡尔曼滤波状态校正更新，计算出t时刻所述列车位置的后验状态估计值其中：y
t
表示为观测值；为进一步估计出t+1时刻，最优列车位置的迭代，进行更新操作，需要更新t时刻的后验估计协方差E
t
：其中：I表示单位矩阵。11.一种列车定位导航系统，其特征在于，包括：GNSS传感器(100)，用于获取GNSS信号；判断模块，其与所述GNSS传感器(100)相连，用于判断所述GNSS信号的信号强度是否符合预设标准，得到判断结果；存储模块(400)，用于存储位置指纹库；TAU车载接入单元(500)，其与所述存储模块(400)相连，所述TAU车载接入单元(500)用于当所述判断结果为所述GNSS信号的信号强度不符合预设标准时，获取列车的基于时序的所述位置指纹库以及所述列车在当前时刻对应的指纹；DTW算法处理器(600)，其分别与所述TAU车载接入单元(500)和所述存储模块(400)相连，所述DTW算法处理器(600)用于从所述位置指纹库中得到所述列车的位置信息；IMU惯性传感器(200)，用于获取第一SINS信号并获取离列车当前位置最近的区段编号；第一组合定位模块，其分别与所述IMU惯性传感器(200)和所述D...

【专利技术属性】
技术研发人员：马钰昕，石孝文，韩熠，苏阿峰，刘螺辉，朱林贤，黄辉，王美茜，
申请(专利权)人：卡斯柯信号有限公司，
类型：发明
国别省市：