GNSS-RTK定位技术在智能网联汽车测试中的应用研究

文/万金鸣、康诚、岳承翰

1 前言

智能网联汽车能够持续安全可靠行驶的核心技术之一是车辆自动驾驶系统能够获取实时稳定的高精度定位以及相关的运动状态信息，这些信息包括车辆的经纬度、移动速度、加速度、朝向角、姿态角等。一旦这些信息无法及时精确地获取，车辆就无法确定自身位置和姿态，进而会退出自动驾驶模式由驾驶员进行动态接管。

此外，在智能网联汽车测试过程中，结合高精定位系统可实现车辆行驶轨迹监控、行驶速度测量、高精地图采集以及试验区域内电子围栏控制[1]。在车辆上配备车载终端，可以实时接收后台发布的安全类、效率类、调度类等信息；管理中心也可通过可视化展厅，实时监视车辆的位置和运动状态信息。

目前，基于GNSS（全球导航卫星系统）的相对高精定位算法主要有位置差分、伪距差分、载波相位平滑伪距差分及实时动态载波相位差分（Real-time kinematic，RTK）4 种，这4 种差分定位技术按上述顺序精度逐渐提高[2]。GNSS-RTK（全球导航卫星系统实时动态载波相位差分）技术具有较高的相对定位精度，能同时进行三维坐标的监测，被广泛应用于智能网联汽车测试活动中。

2 GNSS-RTK 定位技术的工作原理

GNSS-RTK 定位技术是将两个卫星测站测得的载波相位观测值进行实时动态处理并解算进行定位的方法，即将基准站采集的载波相位发给用户接收机，将用户和基准站的载波相位观测值进行求差，解算坐标。由于用户和基准站的大部分误差（电离层和对流层原因引起、时钟原因引起等）都有时间和空间的相关性，绝大部分误差可以被抵消或降低，在两者距离不远的情况下，RTK 载波相位差分可使定位精度达到厘米级。

载波相位基本观测方程为

式中，φsr为载波相位观测值；λ 为载波的波长（m）；ρsr为测站到导航卫星的几何距离（m）；c为真空中的光速（m/s）；δtr为接收机钟差（s）；δts为导航卫星钟差（s）；为对流层引起的测距误差（m）；为电离层延迟引起的测距误差（m）；为导航卫星星历误差（m）；Nrs导航信号载波相位初始整周模糊度；t 为观测历元时刻。整周未知数N 称之为相位整周模糊度，从历元1 到历元t 由接收机获得的各相位观测值中的整周数均与实际的整周数相差N 个周期，称为相位整周模糊度。

图1 载波相位差

假设导航卫星在相位为a 处发射载波，到达观测站时，观测站测得的载波相位为b。将相位a 和相位b进行比较，获得载波相位差，但是此相位差并不是一个完整的信号波形周期，中间可能有多个整数周期N，即相位整周模糊度。相位整周模糊度可通过伪距法、多普勒法、FARA 法、卡尔曼滤波法、LAMBDA 法等多种求解方法进行确定。N 确定后，结合载波相位基本观测方程，可求得测站对导航卫星的观测值如下：

式中，ρ为测站与导航卫星的几何距离；为导航卫星镜像速度；Δτ为信号传播时间；f为信号频率；δρion为电离层延迟改正；δρtrop为对流层延迟改正；N0为相位整周模糊度；Vt为接收机钟差；Vtp为导航卫星钟差。

设有测站A、B 分别对I 号导航卫星进行了观测，则按上式求得A、B 测站的观测值并做差，即为站间差分：

如果此时测站A 的坐标精确已知，则称为参考站；测站B 的坐标待求，则称为流动站。通过将A 和B 的载波相位观测值作差，可消除卫星钟差，削弱电离层、对流层的折射影响。通过解算作差后的方程，可得到更准确地基线坐标。基线就是以参考站坐标为起点、流动站为终点的向量，把它加到参考站A 的精确坐标上，就得到了流动站B 的精确坐标。

实际工程应用中，如需进一步提升差分定位精度，可以进行站间和星间的双差分或站间、星间以及历元间的三差分。

3 GNSS-RTK 定位技术的主要应用

3.1 智能网联汽车测试的高精度定位

传统的定位技术已广泛运用在车辆定位导航等方面，定位精度可以达到米级[3]。然而，在智能网联汽车测试过程中，不同的应用场景对定位的要求不同。例如：ADAS 对车的定位精度要求一般在米级，而对于智能网联驾驶业务，其对定位的精度一般在车道级。

同时，智能网联汽车在车路协同网联场景测试方面主要涉及三大业务应用，包括交通安全、交通效率和信息服务，对于不同业务应用，也有着不同的定位性能指标需求。车辆作为移动的实体会经历不同的应用场景，包括高速公路、城市道路、封闭园区以及地下车库等。不同的应用场景，对定位的技术要求也各不相同。基于《合作式智能运输系统车用通信系统应用层及应用数据交互标准》（T/CSAE53-2017）的部分网联应用场景的定位要求如下：

表1 部分网联应用场景的定位要求

在以上各类智能网联汽车测试活动中GNSSRTK 技术是最常用也是基本的高精定位方法。GNSS-RTK 技术在应用过程中，差分改正数经实时组网建模解算后，通过蜂窝网络下发至终端设备。

3.2 智能网联汽车测试的监管

将GNSS-RTK 定位技术与智能网联云控管理平台及高精地图相结合，配合可视化窗口，可实现测试车辆的轨迹、位置、速度及相关运动状态的全程监管。在监管状态下，管理人员可以通过语音、界面操作等方式，通知测试中的车辆进行驶入/驶出测试区域、启动/停止测试以及避让其他车辆等操作。借助高精定位技术可以精确地在测试车辆驶出测试区域电子围栏时给予报警，并且实现各类安全预警功能，提高测试效率和测试安全。同时，场地中的测试人员可以通过车载设备接收工作人员的调度管理消息。此外，V2X 云控管理平台可以保存车辆的精确轨迹数据，管理人员可以查看车辆的历史运动路线，为测试费用计算或者交通事故后分析提供可靠的依据。

4 智能网联汽车高精定位技术发展方向

智能网联汽车测试根据环境以及定位需求的不同，定位方案是多种多样的。GNSS-RTK 方案是最基本的定位方法，考虑到GNSS 在隧道或地下停车场等场景中性能较差，其应用场景多用于室外环境；在隧道、地下停车场等信号屏蔽较强区域，GNSS-RTK 通常要与惯导结合，以增加其定位稳定性和场景适应性。基于车载传感器的定位也是另一种常见的定位方法，但其高成本、对环境的敏感性以及地图的绘制和更新，限制了传感器定位的快速普及和推广。

GNSS-RTK 或车载传感器等单一技术无法保证车辆在任意环境下的高精度定位性能，因此未来智能网联汽车高精定位技术将会朝着多种定位技术融合互补的方向发展，如：GNSS-RTK 或车载传感器结合其他一些辅助方法，惯性导航、高精度地图、蜂窝网等，以提高定位精度和稳定性。其中，蜂窝网络对于提高定位性能至关重要，例如：RTK 数据和传感器数据的传输、高精度地图的下载等。另外，5G 本身的定位能力，也为车辆高精度定位提供强有力的支撑。

5 结语

高精度定位技术是支撑智能网联汽车及智慧交通发展的重要基石。随着智能网联汽车测试从先进辅助驾驶向自动驾驶及车路协同的方向发展，其定位性能要求在可靠性、时延、移动速度、通信范围以及定位精度等方面发生变化。未来多学科多领域技术的广泛融合和研究，如通信、电子、光学、物理等，将极大促进高精定位技术的进步。随着组合导航技术研究的不断深入，各类感知数据和定位数据的融合算法也是一项亟待突破的关键技术，多源定位数据输入下如何及时解算出最精确的坐标信息是一项艰巨的任务。早日突破不限场景的最优全局高精定位技术，将会极大地推动智能网联汽车技术发展。