TDOA、AOA算法在车辆出入管理中的应用研究

李志刚，吕 杰，董小飞，王 斌，牛欣伟

(1. 江苏科技大学 计算机科学与工程学院，江苏 镇江 212003； 2. 苏州健雄职业技术学院 软件与服务外包学院，江苏 苏州 215411； 3. 盐城工学院 机械优集学院，江苏 盐城 224051； 4. 宾州州立大学Behrend分校，工程学院，Erie,美国 宾夕法尼亚州)

0 引 言

随着物流贸易与汽车工业的不断发展，特别是在工厂、港口等物流运输密集的地区，往往有大量车辆与货物停靠往返。由于现代车辆出入管理手段、设施建设落后，导致车辆出入效率迟缓，并且存在安全管理问题[1]。当下采用的车辆管理通常为人工管理和IC卡近距离识别管理，效率低下，车辆往往需要在到达出入位置时停下检查，在一定程度上增加了车辆能源的消耗[2]。此外，现阶段使用的射频识别距离较近，对于车流量较大的场合应用效果较低，往往会造成一定的车辆拥堵。

随着物联网等技术的不断成熟与发展，目前国内外大多研究人员针对车辆出入管理进行了相关系统研究：但雨芳等[3]将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中，在此基础上设计出道路交通车辆的全程监控模型和系统框架；刘迪[4]提出一种用于园区车辆预警系统的物联网框架，利用RFID智能传感器网络技术实现城市车辆自动化监控和管理；赵泰洋等[5]提出了一种基于RFID与鲁棒性估计的车辆定位及信息获取方法，克服传统Chan算法当信号衰减引起TDOA估计误差较大时性能迅速恶化的问题；S.P.NARAYAN等[6]设计了一种公共车辆定位系统(PVLS)，通过从车辆中放置RFID读取器获取车辆位置，实时从道路收集信息。

目前所采用多基站无线定位方法有接受信号强度RSSI、到达时间TOA、到达时间差TDOA、到达角度差AOA及以上几种技术的混合定位算法等[7-10]。其中，TDOA、AOA定位算法稳定性好、定位精度较高，已应用于室内、矿井、雷达等定位、检测场景研究中[11-13]。

1 检测方案设计及系统架构

通过RFID(radio frequency identification)获取车辆的身份信息，结合TDOA(time difference of arrival)、AOA(angle of arrival)定位算法获取车辆位置信息。每辆车均装配一个有源RFID电子标签，其中存储有车辆的身份信息(如车牌号等)。有源RFID电子标签自身具备电池，可提供全部器件工作的电源，较无源卡具有读写距离远、环境要求低、防冲突能力强、安装方便等优势。位于出入口的车辆检测系统集RFID、自动化控制技术以及计算机管理系统于一体，实现车辆出入信息化、智能化管理。系统结构如图1。

图1 检测系统结构Fig. 1 Structure of detection system

RFID读写器(基站)通过耦合元件向外发送可调的射频信号。当电子标签进入基站通信覆盖范围后，启动处于其通信覆盖范围内的标签，标签在接收到射频信号后发射自己的身份信息，以此实现车辆的身份识别。当基站天线接收到标签返回的射频信号后，对该信号进行滤波、放大等处理[5]。系统对基站输出的信号进行分析处理，估算出车辆与该基站的直线距离，并得出信号的到达时间与到达角度，然后将数据带入到分析模块，通过TDOA、AOA定位算法计算得出车辆各移动节点坐标以实现车辆定位。根据车辆定位坐标变化判断车辆出入情况。当定位数据显示车辆靠近出入口且行驶方向正确时，系统发送指令控制自动道闸升起，车辆不停车快速通过出入口。车辆通过后，网络摄像头记录通车影像。LED显示屏会显示出入车辆身份信息。系统会根据出入信息进行记录(以“出入时间+驾驶员+车型+牌号+货物信息”进行信息存储)。车辆通过后道闸自行落下，完成一次通车动作。当遇到外来车辆或内部车辆私自外出时，基站无法识别到有效信息，道闸不会开启，报警器通知工作人员进行现场处理，并对车辆信息进行登记，具有一定的安保功能。检测装置流程如图2。

图2 检测装置流程Fig. 2 Flow chart of detection device

读写器基站通常布置在出入口附近，读取其通信覆盖范围的车辆信息。当有多个车辆同时驶入其通信范围时，为了防止多个电子标签同时向基站发送信息导致的标签冲突问题，系统采用了动态帧时隙Aloha的RFID标签防冲突协议[14]。基站向其通信范围内的电子标签发送同步指令，各个电子标签接到指令后随机选择一个上行时隙向基站发送身份信息，基站收到信息后将返还确认信号。收到信号的电子标签将进入休眠状态，而未收到信号的电子标签则在下一次收到同步指令后再发送身份信息，直到收到基站的确认信息为止，不仅节省了频率资源，更有效地解决标签冲突问题。

2 系统定位模型建立

2.1 TDOA和AOA定位算法

从文献[9]结论可以看出，单纯采用TDOA定位算法易受NLOS、多径效应等因素影响导致测量误差，而联合采用TDOA、AOA定位算法可以有效弥补这一缺点。车辆出入可近似看为三维空间内的点的移动，需采用至少4个基站进行定位。根据已有研究[11-14]，设未知节点为(x，y，z)，第i个基站位置为(Xi，Yi，Zi)(i=1，2，3，4)，以基站1为参考，TDOA算法如式(1)～式(6)：

(1)

Ri,1=cti,1=Ri-R1

(2)

(3)

式中：c为信号传播速度；ti为基站与节点间信号传播时间；Ri为基站到节点的距离；nti,1为系统测量误差。由式(1)、式(2)得：

(4)

(5)

关于未知节点(x，y，z)的方程，根据CHAN算法，式(5)可写为：

G1=H1X+N

(6)

在AOA定位算法方面，笔者在文献[10-11]基础上，为了更好的结合实际数据，以测得值Ri作为变量进行算法推导，如式(7)：

(7)

(8)

根据式(8)可得：

(9)

然后，可得到关于AOA算法求得目标位置的解为：

(10)

由式(9)、式(10)可得：

(11)

(12)

即：

(13)

图3 不同角度误差对测量结果的影响Fig. 3 Influence of different angle errors on measurement results

则式(13)可写为：

G2=H2X+M

(14)

通过合并式(6)、式(14)，可得：

(15)

根据文献[10]，采用加权最小二乘算法，计算得出节点坐标估计值。

2.2 定位模型

以某出入口为实验模拟环境，通过量取出入口关键位置长度，如测得出入口总长为20 m，出入口限定高度为4 m，自动道闸长度为4 m且成对布置在中间位置，进而建立如图4的车辆出入口定位模型。设定一坐标系原点O，得出设定入口坐标为(10，0，4)→(14，0，4)，出口坐标为(6，0，4)→(10，0，4)。选用2.4 GHz有源远距离RFID读写器，识别距离可在0～80 m调节，每隔一定周期扫描一次。此外，为确保系统计算的有效性，各读写器基站处于彼此工作半径之内，且Z方向坐标须不相等，以免算法出现计算错误。故基站1的坐标为(0，0，1)，其他基站坐标分别为(20，0，1)、(10，5，4)、(10，-5，4)。

图4 定位模型平面示意Fig. 4 Plane schematic of positioning model

3 实验举例与仿真分析

对检测到的出入车辆以“L-W-Tn-R”作为编码代号进行数据编码。

表1 信号数据的状态信息描述Table 1 Description of the status information of the signal data

以Tn(xn、yn)为基础进行出入判断说明(zn值对车辆出入判定没有实质影响，笔者暂不作说明)，在整个检测阶段，以定位坐标和时间为记录基础。根据图4的定位模型，建立车辆出入判断条件：

(16)

(17)

判断步骤如下：

步骤1：基站获取车辆发出的信号，经系统处理后估算出车辆与基站的直线距离；

步骤2：将距离数据带入TDOA、AOA定位算法计算出车辆移动过程中各定位节点坐标；

步骤3：结合判断式(16)、式(17)分析符合设定区间的坐标变动情况，判断出车辆是否驶入/驶出；

步骤4：是，系统记录通车信息；

步骤5：否，返回步骤3继续进行判断。

图5为基于C#开发的车辆出入分析测试模块。该模块可根据实际测试要求，设置读写器数量、读写器坐标、识别距离、库门坐标等信息。“距离限制检测”按钮用于分析所选读写器位置是否合理。在设定好各个环境变量后点击“运行”，系统实时获取实验车辆运动位置数据并按步骤1～步骤5进行车辆出入判断。

图5 车辆出入分析模块界面Fig. 5 Interface of vehicle access analysis module

实验选取了6个小车运动位置并进行了多次误差仿真分析。图6给出了在模拟环境下小车的定位分析结果。

图6 小车定位分析结果Fig. 6 Car positioning analysis results

由图6可知，由于读写器本身的信号延迟以及环境干扰等因素，每个运动位置得到的多个定位结果呈现随机分布，但总体处于一定数值范围内。距读写器较远的位置定位误差相对较大，而较近位置的定位精度则较高，靠近出入口位置的定位精度可满足系统使用要求。表2选取并对比了一组仿真数据与实际数据。

表2 定位结果数据Table 2 Data table of positioning results

从表2中T1到T6的坐标数据可以看出，小车在移动路径经过入口且位于入口设定范围内，位置变化满足式(17)判断条件，则模块界面会显示车辆为驶入状态。

4 结 语

笔者设计了一种车辆出入智能检测系统，以满足车辆出入信息化、智能化管理需求。通过RFID获取的车辆到基站的距离等数据，代入到TDOA、AOA定位算法得出车辆移动节点坐标，通过分析坐标变动结合出入口设定条件得出车辆驶入、驶出情况，最终实现车辆出入管理。通过模块开发与仿真模拟，系统可实现车辆出入识别，满足系统功能要求。根据现场环境建立了定位模型并进行了基础仿真，初步验证了模型的有效性，但在复杂状况下仍需进行大量的实验验证。未来将进一步针对系统存在的延时与角度误差进行分析。