基于5G 蜂窝网络的城市列车高精度定位探讨

庄凌凡，刘 留，张嘉驰，邱佳慧

（1. 北京交通大学 电子信息工程学院，北京 100044；2. 中国联合网络通信有限公司 网络技术研究院，北京 100048）

0 引言

国际电信联盟无线电通信局（The International Telecommunications Union-Radio， ITU-R）定义了第5 代移动通信系统（the fifth generation mobile communication system， 5G）3 类典型业务场景[1]：增强型移动宽带（enhance mobile broadband， eMBB）、大规模机器类通信（ massive machine type communications， mMTC）、超可靠低时延通信（ultrareliable and low latency communications，uRLLC）。随着5G 技术不断渗透到各个垂直行业，相应的应用场景对高精度定位的需求也越来越高；同时，5G中的一些关键技术（如大带宽、大规模天线阵列等）也为高精度定位提供了物理层的保障，这将会给轨道交通定位领域带来一场重大的技术革命。

对城市轨道交通而言，可靠、高效、精确的列车定位技术尤为重要。传统的列车定位方法存在如下缺点：定位精度较低，只能在某些固定点提供位置信息，不能实现连续定位，须在沿线配置大量的轨旁设备等[2-4]。而无线定位方法也存在累积误差较大、易受干扰、成本高等问题，难以达到亚米级的列车定位要求[5-6]。当今的蜂窝网基站部署广泛[7]，且网络自身存在对终端定位的需求（例如，通过用户设备位置信息的实时获取，可以辅助基站合理调度上行传输资源或实现精准的波束赋形），若能充分利用现有蜂窝通信系统，并将其与列车定位技术进行有效融合，可以大大降低系统建设和运营维护的费用，同时实现通信、定位双向需求的一体化承载。然而目前国内外城市轨道交通领域对基于5G 蜂窝网络系统的列车可信定位[8-11]研究仍处于探索阶段，从理论、方法、技术、验证等层面并没有完整的解决方案。

本文针对城市轨道交通列车定位的问题，旨在利用5G 通信技术和决策理论交叉学科前沿知识，通过对基站网络层、信道物理层和定位决策层进行挖掘，结合通信定位一体化思想，探究基于非严格时间同步5G 蜂窝网络的列车高精度低时延定位方案，为城市轨道交通定位领域提供参考。

1 列车定位技术演进

精准地获取列车位置信息是列车安全运行的保障[12-14]，位置信息为列车运行控制系统提供了准确的判断决策参数，保证列车间的安全间隔，提高区间列车运行速度，是基于列车速度曲线的行车控制、列控系统中车载及轨旁设备的故障分析、列车的定点停车、超速防护以及车站停车后车门开闭等功能的重要依据。对于位置信息的需求，催生出了适用于不同场景的定位方法，本节将列车定位技术的演进分为传统列车定位、无线定位和融合定位3 个阶段，并对5G 定位进行展望。

1）传统列车定位方式。传统的列车定位方式通过轨道、车轮等物理媒介来获取列车的位置信息，如利用“信标”的查询-应答器定位[15-16]、轨道电路定位[17]以及计轴器[18]等定位方式。查询-应答器定位法是世界上应用最为广泛的列车定位方法之一，通过在地面和列车上分别部署应答器和查询器来完成定位，维修简便、使用寿命长，但存在设置间距和投资规模的矛盾；轨道电路定位通过将钢轨分割成不同的区段，在每个区段的始端与终端加上发送/接收器，从而构成1 个信息传输回路，以完成列车检测及定位，但定位精度受列车运行速度和轨道完整程度影响；计轴器通过车轮经过记轴点时会产生脉冲信号进行定位，需要经过后续数据处理，这种定位方式安全性较差，且需要增设信道来传递位置信息。传统定位方式的使用范围广，技术相对成熟，但最大的缺点在于其投资规模和定位精度的矛盾。

2）无线定位方式。随着无线通信技术的蓬勃发展，列车定位技术也随之演进，具有代表性的有卫星定位技术和基站蜂窝定位。以全球定位系统(global positioning system， GPS)[19]和北斗卫星导航系统(BeiDou navigation satellite system， BDS）[20]为代表的卫星定位技术，在大多数场景下的应用已经相当成熟，具有定位精度高、无需大量轨旁设备等优点[21]，但其定位精度高度依赖于可视卫星的数目以及其几何分布；因此在列车运行的几个典型非视距场景（如隧道、车站等）的表现不佳。另1 种比较流行的定位方式是基于蜂窝网的定位[22-23]，该方式主要利用现有的蜂窝网络，包括第2 代移动通信系统（the second generation mobile communication system， 2G）、第3 代移动通信系统（the third generation mobile communication system， 3G）和第4 代移动通信系统（the forth generation mobile communication system， 4G）网络，通过测量信号的特征参数，如时间（差）和信号强度等来完成定位。该方式无需额外的定位设备，但受制于时间同步等因素，导致定位精度受影响。不同无线制式定位精度和反应时间如表1 所示。

表1 不同无线制式定位参数 单位：m

表1 中：CID（cell-ID）为小区身份认证；TA（time advance）为时间提前量定位；E-OTD（enhanced-observation time difference）为增强型观测时间差定位；RTT（round trip time）为往返时间定位；ECID（enhanced cell-ID）为增强小区身份认证；A-GPS（assisted-global positioning system）为辅助GPS；PRS（positioning reference signals）为定位参考信号；OTDOA（observed time difference of arrival）为到达时间差定位；UTDOA（uplink time difference of arrival）为上行链路到达时间差；AGNSS（assisted-global navigation satellite system）为辅助全球卫星导航系统（global navigation satellite system， GNSS）。

3）融合定位方式。融合定位包括卫星网络之间的融合、传感器网络的融合以及卫星与传感网络的融合[24]。文献[25]提出以轮轴速度传感器、加速度传感器和卫星定位等多传感器信息融合的列车定位算法。文献[26]提出将BDS 与无线传感器网络（wireless sensor network， WSN）的接收信号强度指示（received signal strength information， RSSI）相融合，以提升定位精度。在多型卫星网络融合方面，文献[27]实现了BDS 和GPS 载波相位的数据融合和高精度联合定位算法。这些融合方式充分发挥不同传感器的特点，以提高列车定位精度，但缺点在于算法复杂度偏高，实现也较为困难。

4）5G 定位。下一代无线通信网络联盟（next generation mobile networks， NGMN）发布的垂直行业白皮书中，定义了5G 垂直行业相应的应用场景所需的定位精度[28]，大部分应用场景如智能仓储、车辆停靠等，均要求定位精度在1 m 以下。5G 将继续支持4G 的定位方式，但5G 新技术和新特性将有效地提高定位性能：超密集组网技术将增加定位端和基站间视距(line of sigh， LOS）条件的概率，同时使得定位端可接入更多的参考基站；丰富的频带资源使得定位系统的时间分辨率进一步提升，从而使基站间的同步误差降低；毫米波因其良好的方向性和LOS 场景特性，使基站能获取精度更高的角度信息；5G 对多种异构网络的支持，使融合多种异构定位系统成为可能。

2 基于5G 蜂窝网络的列车可信定位解决方案探讨

5G 蜂窝网络具有超密集异构组网特点，如以其海量的基站作为基础来构建通信定位一体化网络，既能最大限度地降低定位网络的部署成本,更能满足城市轨道列车高精度定位需求，提高定位终端兼容性。

针对城市轨道交通列车的定位问题，本节对基于5G 蜂窝网络的列车可信定位解决方案展开探讨：1)讨论在列车实时定位和建站时，基于几何精度因子进行基站选择和基站选址，为通信-定位一体化网络的建设提供思路；2)研究基于非严格时间同步的5G 蜂窝网络定位系统架构，构建基于密集分布基站和列车侧具有固定几何约束关系的多定点站的高精度定位方案，为高精度定位提供网络层的理论依据；3)研究基于5G 特征技术（大带宽、大规模阵列天线）的高精度时延和角度参数的估计算法，在物理层为后续提供高精度定位的保障；4)提出可信的定位策略，通过有效的决策机制，从多源定位结果中寻求出可信度最高的定位结果，进一步保障定位结果的可信性和可靠性。

2.1 几何精度因子

蜂窝网定位系统的定位精度主要取决于2 方面：1)测量的精度，可以通过降低基站间的时间同步误差来提高；2)定位基站在空间的几何分布。几何精度因子（geometric dilution of precision， GDOP）表征用户和定位基站在空间几何分布的好坏，表示定位定时总误差gσ 对测距误差σ 的放大倍数，即

式中： gii(i =1， … ， 4)为 G = ( HT⋅Η )-1的对角线元素，H 为观测矩阵。

为了提高定位精度，应使定位基站和列车上的定位终端有较好的几何分布，即GDOP 最小。在上述的蜂窝网定位网络架构中，至少需要3 个基站来进行定位计算，当列车在轨道上高速移动时，参考GDOP 来实时选择定位基站的数量和位置，可以很好地提高定位精度[29]，如图1 所示。

图1 基于GDOP 的基站选择算法示意

列车在位置1 时，选择基站A、B、C 进行定位，在位置2 时，选择基站C、D 、E 进行定位。基站选择方法包括传统算法、直接选择法以及递推选择法：传统算法有最佳几何精度因子法、最大矢端四面体体积法等，但其共同的缺点是，当定位基站数目较大时，计算量大，在列车高速移动时难以保证实时性；直接选择法为计算出每个基站的GDOP 贡献值，从大到小依次选取定位基站，计算量较小，但结果与传统方法有一定的偏差；递推选择法是基于直接选择法进行的改进，在计算出每个基站的GDOP 贡献值并将其排序后，将GDOP贡献值最小的基站排除，再重新计算剩余每个基站的GDOP 贡献值。利用这种方法可以获得比直接选择法更好的性能，但因其选择结果受到之前 选择结果的限制，因此得出的也是次优解。

除了在列车运行过程中利用GDOP 进行动态基站选择外，在建设蜂窝网络时，也可以参考GDOP 来进行基站选址以提高定位精度。在建设蜂窝基站时，考虑GDOP 的同时并使建站成本最低，而GDOP 与建站成本分别与体积和基站间距离相关，因此用最优化问题表示为：

式中：d 为小区复用距离；h 为基站高度；R 为基站覆盖范围；maxR 为最大基站覆盖范围；maxd 、mind分别为最大、最小小区复用距离。

前面提出的定位网络架构实际上包含了通信-定位一体化的思想，即无须增建定位网，只须利用原有通信网设施，即基站便可完成定位。但通信-定位一体化网络也面临诸多挑战，通信网的主要目的是满足用户的通信需求，定位功能处于其功能模块的边缘，通信网在网络规划上要求基站覆盖的小区范围尽量少重合，从而减少基站数量，降低布网成本。定位网则是需要定位网元覆盖的小区尽量重合，从而使定位终端能够收到来自多个小区的信号。在干扰控制方面，通信网要求邻区信号尽量弱，从而减少干扰，保障可靠通信，而定位网希望来自邻区的信号尽量强，来保证定位精度。因此在基站选址时，应在保证列车通信需求的基础上，利用GDOP 对列车的定位需求进行针对性优化，进而实现定位网和通信网的一体化建设。

2.2 基于非严格时间同步的5G 蜂窝网络定位系统架构

在现有的蜂窝网络中，基站之间存在数十纳秒的时钟同步误差，导致定位精度只能达到10 m 级，这从根本上制约着基于蜂窝网络的定位的精度。要提供符合定位需求的高精度定位服务，且无须额外建设专有定位网，最重要的是解决基站间的时钟同步问题。本文提出1 种基于密集分布的基站和列车侧具有固定几何约束关系定位终端的网络架构，为基站间非严格同步下的列车定位提供理论依据，具体如图2 所示。

图2 基于非严格时间同步的5G 蜂窝网络列车定位

假设3 个基站具体位置如图2 所示，坐标为( xA， yA)、( xB， yB)、( xC， yC)，在列车上配置多个定位终端，终端间的几何约束关系和相对于列车的位置关系已知，具体坐标为未知，分别为 ( x1， y1)、( x2， y2)、 ( x3， y3) ，几何约束关系为

式中： lj，j ∈{1 ， 2， 3} 为3 个终端所构成约束三角形的边长；假设3 个基站同时在时刻 t0发送信号，ti，j为终端 j ∈{1 ， 2， 3} 接收到基站 i ∈ { A， B，C}所发信号的时刻。在理想状况下应有

式 中： Di，j为 基 站i 到 终 端 j 的 真 实 距 离，i ∈ { A， B ，C}， j ∈{1 ， 2， 3} ；c 为 真 空 中 光 的 传 播 速度。实际情况中，由于3 个基站时间并不同步，设基站i与标准时钟相差 Δti，即

则式（5）修改为

定位的最终目标是要通过 Δti求解( xj， yj)， j =1， 2， 3。但由于各基站间的时间始终不同步，实际求解过程中并不能得到终端坐标的唯一确切解，而是得到1 个可行解的区域，即

图2 所示3 个不同的灰色区域分别为3 个终端的可行解区域。但很显然在该区域中，符合对应几何约束关系的终端坐标组有无穷多个解，因此还缺少1 个角度约束条件。

5G 通信系统采用的毫米波通信和波束赋形技术，具有相当好的方向性，因此可以利用该技术，并通过大规模天线阵列[30-31]来获得终端精确的角度信息，并通过下行链路将角度信息传输给终端。在使用这种方式测量角度信息时，终端和基站距离越远，误差就越大；因此对于每1 个基站，仅用它来测量最近终端的角度，记作 θi， i ={ A， B， C}。利用角度约束条件以及终端间的几何约束条件，可以将终端定位问题归纳优化问题，即：

式中：( xi， yi)， i ∈ { A， B，C}为基站坐标；( xj， yj)，j= {1 ，2，3}表示终端坐标。

由式（9）～式（12）可知，本节最终将非严格时间同步5G 蜂窝网络中列车定位问题，转化为在3 个区域（即可行解区域）中的3 条直线上（即根据基站天线阵列测得的角度）寻找出1 个具有固定约束几何关系三角形的最优化问题，根据几何原理就可求得其解。

列车侧3 个定位终端和所选参考基站的几何位置关系直接影响定位参数GDOP，从而影响定位精度。当3 个定位终端与其参考基站（每个定位终端至少需要3 个参考基站）进行列车定位时，总GDOP 最小（即定位终端和参考基站构成的3 个四面体总体积最小）时列车定位精度是最高的。因此当列车宽度一定，即3 个定位终端所构成三角形的1 条边长长度固定时，其余定位端的位置应参考沿线基站的分布来确定。受列车形状所限，如定位终端所构成三角形的构型不够好而导致样本相关度过高（三角形退化为线段）时，其定位精度将受到影响；因此需要结合GDOP 来选定合适的参考基站，以获得更理想的定位结果。理想情况下，列车布满定位点时的定位效果肯定是最好的，但其计算量和回报不成正比。本节提出的定位方案即希望获取特征最明显、相关度最低、信息量最大的3 个定位点来进行列车定位，从而使计算开销和定位精度达到相对满意的状态。

2.3 基于5G 特征技术的高精度时延和角度参数的估计算法

高精度的参数估计是列车精确定位的基础，城市轨道交通快速列车经历的场景主要包括高架桥和隧道2 种场景：高架桥的实际电波传播环境为直射径和反射多径共存的环境；在隧道内，一般选择采用漏泄电缆实现电波覆盖，由于隧道是1 种受限的狭长密闭空间，其势必会对漏泄电缆辐射的电波传播产生一定的影响。

基于此，本节主要从以下2 个方面展开探究：1）列车高速移动时，直射径/反射多径共存时的高精度时延和角度参数提取算法；2）隧道内部基于漏泄电缆的1 维时延和角度的高精度参数提取算法。

2.3.1 列车高速移动时直射径/反射多径共存时的高精度时延和角度参数提取算法

1）时延估计。不同的时延估计方法与理论适用于实际定位不同的需求，根据列车高速移动时直射径和反射径多径共存的条件下的估计精度，时延估计大致分为2 类，即传统方法和超分辨方法，其中超分辨方法又包括最大似然（maximum likelihood， ML）方法和子空间类方法。

传统时延估计方法包括互相关法、模糊度图法、解卷积法等，但这些方法受限于带宽和多径效应，估计精度常常达不到要求，例如互相关法，当多径分量之间的时延差较小时，往往无法分辨多径时延。超分辨方法性能估计良好，如最大似然法，但其峰值搜索的计算复杂度随参数维度增加呈指数级增大，且容易陷入局部收敛；子空间类方法中的多重信号分类（multiple signal classification， MUSIC）时延估计算法是1 种值得研究和改进的方法。文献[32]给出1 种多径条件下的超分辨率时延估计算法，该算法利用已知发射信号和接收信号进行相关运算，再将计算结果变化到频域并分解出噪声子空间，然后构造伪谱函数进行谱峰搜索，得到时延估计；文献[33]给出1 种给予传播算子的时延估计算法，该算法的噪声子空间无须特征分解，但低信噪比时的时延估计精度不如MUSIC 算法。

2）角度估计。角度估计方法可以分为以下几类：传统算法、经典超分辨率法、告诫累积量法、子空间拟合类算法以及系数重构类算法。传统算法大多都是基于波束成型的原理提出的，因此分辨率有限，不能很好地应用到列车运行中的角度参数提取中；20 世纪80 年代提出了超分辨率法即子空间分解类方法。文献[34]首次提出MUSIC 方法，其分辨率远超传统方法；文献[35-36]提出的求根MUSIC（Root-MUSIC）方法，避免了MUSIC 方法中的谱峰搜索过程，大大降低了复杂度。但无论是传统方法、MUSIC 算法还是基于旋转不变技术的信号参数估计（estimating signal parameter via rotational invariance techniques，ESPRIT）算法等，都有其无法避免的缺点，主要是计算复杂度和辨别精度的矛盾。

3）时延和到达角联合估计。通过对时延和角度参数估计的分析，可以看出它们均可以被描述成非线性的参数估计问题，因此，利用时延和到达角的联合估计成为研究的热点。时延和到达角的联合估计主要分为3 类：2 步联合估计方法、时延和到达角独立估计并配对方法以及空时2 维联合估计法。2 步联合估计方法利用2 个阵元分别进行高精度的时延估计，利用时延差构建三角几何关系，从而估计出到达角。高精度的时延估计依赖于较大的系统带宽，因此运用场景有一定的限制。配对法需要较多的阵元数目，并且往往需要进行峰值搜索，复杂度较高。文献[37]在多径信道条件下给出了1 种时延和到达角联合估计算法，通过对接受信号与参考信号进行相关，再利用普罗克鲁斯忒斯（Procrustes）ESPRIT（PRO-ESPRIT）算法实现到达角估计，然后利用互相关功率谱估计时延，分辨率较高。文献[38]在单个天线上的频域数据进行MUSIC 时延估计，然后利用阵列天线上的数据进行MUSIC 到达角估计。

综上所述，不同的时延和角度参数提取方法各有利弊，可以总结为这些方法是计算复杂度和精度之间矛盾。在城市轨道列车场景下，高精度、低时延是最重要的要求；因此应针对信道特性和设备运算力来选择合适的算法进行参数提取，以求既达到规定的亚米级定位精度和规定的时延，又能将设备成本控制在1 个合适的范围。

2.3.2 基于5G 通信网络的隧道内漏泄电缆1 维定位方法探究

对于隧道这一特殊场景的通信，现在大多使用漏泄电缆[39]进行电波覆盖。漏泄电缆集信号传输、发射与接收等功能于一体，兼有同轴电缆和天线的双重功能。漏泄电缆具有如下优点：1）信号覆盖均匀，尤其适合隧道等狭小空间；2）属于宽频带系统，某些型号的漏缆可同时用于CDMA800、GSM900、GSM1800、WCDMA、WLAN 等移动通信系统；3）在隧道内大规模部署漏泄电缆时，其总体造价相对较低。

与室外蜂窝定位方式不同，基于隧道内部的漏缆定位有漏泄波导定位[40]、场强定位、到达时间（time of arrival， TOA）定位。考虑使用1 维的方式进行定位，即使用TOA 的方法，确定沿着漏缆方向的距离，同时配合隧道入口的参考位置信息，完成基于隧道内部的定位。当隧道内部只有1 条漏泄电缆时，无法完成定位，但由于隧道中往往会同时部署3 大运行商的基站，因而，在某一位置时，可以利用有源天线处理单元（active antenna unit，AAU）接受多运营商的信号，利用功分/合路器以及多系统接入平台（point of interface， POI），并结合 TOA 或观察到达时间差（observed time difference of arrival， OTDOA）等算法，来估计出列车的位置信息，隧道场景如图3 所示。

图3 隧道场景通信示意图

2.4 基于5G 蜂窝网络的多基站联合可信定位保障方法与机制

从列车定位系统决策层看，当决策输入信息出现错误，或输入信息包含多源测量结果时，合适的决策层定位算法对于列车定位的精度有着决定性的作用。本节探讨几种多基站协同、多传感器融合的决策层算法对高精度列车定位的帮助。

2.4.1 基于重叠覆盖的可信投票定位算法

投票法是集成学习中的1 种策略，其核心思想是选择成员中输出结果最多的那一类，从而增加输出结果的可信度。5G 蜂窝网络系统的定位是从列车侧或者基站网络侧，利用不同基站的电波传播时延和电波到达角度来实现精准定位。电波在传播过程中，变化的列车运行场景会造成信号功率衰落；同时，密集组网的相邻基站间可能出现干扰，甚至受到“伪基站”的干扰。这些都严重影响 到基站定位的可信性和安全性。因此在实际场景下，不同的基站常常会得到不同的定位可行解区，使用投票算法可以排除非安全定位集，提高定位可信性。

假设定位系统采用TOA 算法，可以画出每个基站对待定位目标的环状可行解区域，如图4 所示。将可行解区域网格化，对于每个网格，判断其是否为其他基站的可行解，如果是，则投1 票。统计所有区域的得票数目（简称隶属度），隶属度最高的区域即为可信度最高的定位区间。从图4 可以看出，基站E 对待定位目标是有干扰的，但通过这种投票决策的方式，降低了干扰，得到了更准确的定位区域。

图4 投票法示意图

借助投票机制来降低恶意“伪基站”攻击的伤害，提高定位准确度，保障从多个定位位置中得到可信的定位位置，是从决策层来提高列车定位精度的1 个重要思路。

2.4.2 基于二取二型的5G 蜂窝网络组合定位纠错方法

二取二系统以其实现简单、安全性及可靠性高的优点，在铁路、计算机等领域得到了广泛应用，其拥有2 个关键指标：安全性指标和可靠性指标。安全性指标是衡量系统在发生故障时不至于产生危险输出的能力；可靠性指标是衡量系统在规定的时间、条件下完成规定功能的能力。实现二取二系统的方式有很多，例如共享输入型二取二、独立输入型二取二等，其原理结构大同小异，但具有不同的可靠性和安全性。本节讨论独立输入型的二取二系统，如图5 所示，实际应用中可以一系正常运行，一系调试升级，并结合5G 定位和传统定位的输出结果，从而有效提高定位的安全可靠性。

图5 二取二型可信定位

列车初始位置已知，5G 蜂窝网络定位系统和列车定位系统分别获取实时定位信息，对这2 个系统得到的信息进行判决。如果2 种信息都通过验证，系统将2 种信息进行数据融合处理，并判决融合信息，通过则输出定位结果，否则认为结果失效，等待获取下一时刻传感器信息；仅有1 种系统获取到信息时，采取独立定位策略；如无信息通过判决，则认为结果失效，系统等待获取下一时刻的信息。当定位结果连续失效的次数达到上限时，系统将自动重启。

通过对列车定位系统决策层的探讨，可以知道蜂窝网信息融合定位是切实可行的，无论是基站间协同定位还是异类多传感器融合定位，相比于传统定位方式都存在着多方面的优势，其根本原因是多源信息带来的冗余性和互补性。通过这种方式，可以提高定位系统的环境感知能力，增强系统的鲁棒性，辅助系统做出合理的决策。因此将信息融合技术引入蜂窝网定位是一项具有重要意义的工作，是在决策层上突破蜂窝网定位技术瓶颈的关键。

3 下一步研究方向

传统列车定位技术的发展已较为成熟，但存在投资规模和定位精度的矛盾，大多需要另行铺设定位设备，并与通信定位一体化思想背道而驰；无线定位方法和融合定位方式仍存在很大的潜力，尚未挖掘，尤其是基于蜂窝网的定位方式，有着覆盖面广、可扩展性强等优点。但在目前，要构建 1 个完善的、高精度和高可信度的5G 蜂窝列车定位网络，还有很长一段路要走。因此未来研究方向应从以下3 个方面入手：

1）网络架构层。未来列车定位的网络架构应与5G 新技术紧密结合，如大规模天线阵列、移动边缘计算以及毫米波等，并且有良好的可扩展性。多基站协同定位是未来网络架构层主要的研究方向，探索更好的异构融合一体化网络架构，是解决定位精度和覆盖范围2 大难题的重要思路。

2）信道物理层。提取高精度的时延和角度信息是列车定位的基础，但传统参数提取算法只在特定的信道条件下有较好的表现，缺少普适性，且算法普遍存在计算复杂度和参数提取精度之间的矛盾，而利用机器学习进行参数提取（如在基站拥有大规模天线阵列，利用深度神经网络估计高精度的角度信息），可以自动适应复杂的列车运行环境，节约计算资源，这是未来重要的研究方向。

3）定位决策层。未来列车定位技术的发展趋势是多传感器融合定位、多定位方式协同工作，因此依据不同定位信源之间的互补信息，基于位置可行域对列车的位置进行融合决策是很重要的。未来列车定位领域决策算法可以结合人工智能，通过大量数据训练出合适的决策算法。算法应着重考虑是否符合列车轨道运行的特征，是否能较好地融合多传感器的特征信息，是否能较好地利用多定位系统的定位结果。

此外，从定位方式的演进来看，现有的大部分定位方式都需要通过到达时间差（time difference of arrival， TDOA）方式来获取距离信息，因此基站的时间同步精度决定了定位精度。文献[41]选择了OTDOA 方式来验证5G 蜂窝基站间同步误差对定位精度的影响，结果表明：当基站间同步误差在100 ns 时，多数时间只能达到10 米级的定位精度；当同步误差为10 ns 时，定位精度在1 m 左右；当同步误差为1 ns 时，定位系统在大部分时间能提供10 厘米级的定位精度。这充分说明，基站间的时间同步误差对定位精度有着决定性作用。因此，降低基站间的同步误差，或提出基站间非严格时间同步的定位方案，来满足未来列车定位领域对高精度位置信息的需求，也是未来重要 的研究方向。

4 结束语

本文通过对列车定位技术演进的梳理，总结出在5G 通信定位一体化及异构定位系统融合的趋势下，5G 蜂窝网定位是富有活力、值得不断研究探索的定位方式，并从基站网络架构入手，尝试降低因基站间非严格时间同步而引起的定位误差；从信道物理层入手，探讨了几种多径条件下提取高精度参数的方法；从定位决策层入手，探讨了利用投票机制削弱恶意基站对定位可信度的影响的方法以及融合异种传感器信息的二取二型纠错方法。

列车定位技术在5G 时代不断演进，密集组网、大规模天线阵列、毫米波等关键技术的涌现，为列车定位提供了新的方法。5G 网络架构设计，更为深度融合定位提供了强有力的支撑，这2 者是构建5G 通信定位一体化网络的重要基础。虽然基于5G新技术的列车定位已取得了一定的成果，但仍面临着许多挑战，例如保障定位的实时性、可靠性，因此在未来的研究工作中，还须特别关注定位算法的效率和定位误差的校准方法。