车辆高精度定位白皮书IMT2020（5G）推进组

　　一、车联网高精度定位发展趋势分析
　　1。1车联网高精度定位现状
　　根据场景以及定位性能的需求不同，车辆定位方案是多种多样的。目前主要有两种方案：（1）以GNSS为主的基本定位方法，主要是RTK技术；（2）基于多传感器融合的方式，主要是摄像头、毫米波雷达、激光雷达、IMU和GPS接收机等；再以高精度地图和5G网络辅助，完成L3级别以上的导航精度需要。
　　1。2产业情况
　　高精度定位硬件、软件、位置校正服务是自动驾驶汽车的核心要素。恶劣天气、重复场景、非视距场景和车载传感器不稳定情况下，高精度定位在自动驾驶中起决定性作用。通过调查，车厂的需求如下：
　　随着ADAS功能逐步的进入传统汽车，使之成为传统汽车的标配，而自动驾驶汽车的量产计划也会在在未来35年内实现。高精度定位服务在汽车行业的应用具有非常广阔的前景。
　　2018年，中国汽车产销分别为2781万辆和2808万辆，其中乘用车共销售2251万辆，汽车保有量超2。4亿辆。2017年我国卫星导航与位置服务市场规模达到2620亿元。巨大的汽车市场为车联网的发展奠定了坚实的基础。目前高精度导航设备市场的成本在3万元左右。然而，在星地基增强系统一体化建成后以及导航终端芯片化集成后，高精度导航设备技术方案必然会明显简化，当其形成明显规模优势后，成本将降到汽车市场认可的量产价格。2020年，中国V2X用户将超4000万，若按30需求实现高精度定位能力，市场规模就将达到1200亿元。
　　二、车联网定位需求与挑战
　　2。1车联网定位需求指标
　　车联网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，有不同的定位性能指标需求。同时，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。典型的交通安全类业务包括交叉路口碰撞预警、紧急制动预警等；典型的交通效率业务包括车速引导、紧急车辆避让等；典型的信息服务业务包括近场支付、地图下载等。典型的车联网业务对定位的业务需求如下所示：
　　同时，自动驾驶作为车联网的典型应用已经逐步渗透到人们的生活中，封闭或半封闭园区的无人摆渡、无人清扫、无人派送，以及矿区的无人采矿、无人运输等，已经成为无人驾驶的典型应用。高精度定位是实现无人驾驶或者远程驾驶的基本前提，因此对定位性能的要求也非常严苛，其中L4L5级自动驾驶对于定位的需求如下所示：
　　2。2车联网定位面临的挑战
　　目前，目前车联网场景的定位需求主要面临以下三个方面：定位精度及定位范围、通信时延和网络部署。
　　满足不同应用场景下的定位需求：目前室外的定位技术以实时动态差分技术（RealtimeKinematic，RTK）为主，在室外空旷无遮挡环境下可以达到厘米级定位，但考虑到城市环境密集高楼区，以及会经历隧道、高架桥、地下停车场等遮挡场景，需要结合惯性单元使用融合算法保持一定时间的精度。所以如何保障车辆在所有场景下的长时间稳定高精度定位，是车联网应用场景下车辆高精度定位的巨大挑战。因此需要结合蜂窝网定位、惯导、雷达、摄像头等，通过多源数据融合保障车辆随时随地的定位精度。
　　高精度地图的绘制和更新。高精度定位需要有与之匹配的高精度地图才有意义。从定位技术上，对于摄像头、雷达等传感器定位，需要有相应的高精度地图匹配，以保证实现厘米级的定位。另外，从车联网业务上，路径规划、车道级监控和导航，也需要高精度地图与之配合才能实现。然而绘制高精度地图成本高且复杂，且需要定期更新才能保证定位性能和业务需求。
　　高精度定位成本较高。为保障车辆高精度定位的性能需求，需要融合蜂窝网、卫星、惯导、摄像头以及雷达数据，而对于惯导、雷达等，成本较高，难以实现快速普及，限制了车辆高精度定位的商业应用。
　　三、车联网高精度定位系统架构
　　3。1终端层
　　为满足车辆在不同环境下的高精度定位需求，需要在终端采用多源数据融合的定位方案，包括基于差分数据的GNSS定位数据、惯导数据、传感器数据、高精度地图数据以及蜂窝网数据等。
　　3。2网络层
　　系统网络层主要实现信号测量和信息传输，包括5G基站、RTK基站和RSU路侧单元的部署。5G作为更新一代的通信技术，可以保证较高的数据传输速率，满足高精度地图实时传输的需求。5G基站也可完成与终端的信号测量，上报平台，在平台侧完成基于5G信号的定位计算，为车辆高精度定位提供
　　辅助。基于5G边缘计算，可实现高精度地图信息的实时更新，提升高精度地图的实时性和准确性。
　　地基增强站主要完成RTK测量，地基增强站可以与运营商基站共建，大大降低网络部署以及运维成本。同时可通过5G网络实现RTK基站测量数据的传输，可实现参考站快速灵活部署。
　　RSU一方面可实现RTK信息播发，避免传统的RTK定位中终端初始位置的上报，同时RSU可提供局部道路车道级地图、实时动态交通信息广播。
　　3。3平台层
　　平台层可实现功能模块化，主要包括：
　　高精度地图、交通动态信息、差分解算、数据管理、数据计算。
　　3。4应用层
　　在应用层，为用户提供地图浏览、规划路线显示、数据监控和管理等功能，以及基于位置的其他车联网业务，例如辅助驾驶、自动驾驶等。
　　四、车辆高精度定位关键技术
　　4。1基于RTK差分系统的GNSS定位
　　（1）高精度GNSS差分改正数通过蜂窝网络向用户面播发
　　a）由地面基准参考站观测卫星数据，将原始卫星观测值传输至云端改正数解算及播发平台。
　　b）云端改正数解算及播发平台收到原始卫星观测数据后进行实时组网建模解算，形成区域网格化差分改正数。
　　c）终端流动站发起高精度改正数请求，并上报当前卫星定位取得的初始置。
　　d）云端改正数解算及播发平台根据终端位置匹配相应改正数，通过蜂窝网络用户面（互联网）下发至终端。
　　e）终端设备根据自身的卫星观测值以及接收到的差分改正数进行高精度定位。
　　f）在这种播发方式中，移动通信网络仅作为数据通路，差分改正数据与单个蜂窝不产生直接关联关系。
　　（2）高精度GNSS差分改正数通过蜂窝网络控制面播发
　　a）运营商定位服务器可以从参考站获得观测值，该参考站可以为第三方参考站，也可以是基于蜂窝网络中基站进行改造升级的参考站。
　　b）在一个小区内，基站的位置可以看作用户的概略位置，定位服务器通过部署方式或者基站上报的方式可以获得基站的位置信息。
　　c）定位服务器，基于获得基站的位置信息以及参考站的测量值，进行建模并产生改正数，根据应用场景的不同以单播或者广播的形式发送给终端。
　　d）终端获取改正数后进行定位解算。
　　4。2传感器与高精地图匹配定位
　　视觉定位是通过摄像头或激光雷达等视觉传感器设备通过获取视觉图像，再提取图像序列中的一致性信息，根据一致性信息在图像序列中的位置变化估计车辆的位置。根据事先定位所采用的策略，可分为基于路标库和图像匹配的全局定位、同时定位与地图构建的SLAM、基于局部运动估计的视觉里程计三种方法。
　　（1）全局定位：全局定位需要预先采集场景图像，建立全局地图或路边数据库，当车辆需要定位时，将当期位姿图像与路边数据库进行匹配，再估计当期图像与对应路边之间的相对位置，最终得到全局的定位信息。
　　（2）VSLAM：同时定位与地图构建基于采集到的视觉信息，在车辆行驶的过程中对经过的区域进行地图构建和定位。
　　（3）视觉里程计：视觉里程计（VisualOdometry，VO）是以增量式地估计移动机器人的运动参数。视觉里程计关注如何计算图像序列中相邻图像间所反映出的机器人位姿变化，并将局部运动估计的结果累积到车辆轨迹中。
　　应用于自动驾驶的高精地图相较于传统地图提供了更加丰富的语义信息，除了包含车道模型如车道线、坡度、曲率、航向、车道属性、连通关系等内容外，还包括大量定位对象（object），即路面、两侧或上方的各种静态物体，如路缘石、栅栏、交通标牌、交通灯、电线杆、龙门架等，这些元素均
　　含包含精确的位置信息，通过激光雷达（LiDAR）、相机（Camera）和毫米波雷达（Radar）识别出地图上的各类静态地物，然后将这些对象与地图上存储的对象进行比对（MapMatching），匹配过后，通过相对姿态和位置关系，即可得到车辆自身精确位置和姿态，实现无GPS条件下的自定位，如
　　下所示：
　　基于语义级高精度地图定位原理为，采用惯性递推或航位推算获取定位预测值，再通过地图匹配定位与GNSS高精定位，进行滤波融合，对预测结果进行校正，获得精确定位信息，具体流程如下所示：
　　（1）车身各类传感器（激光雷达、毫米波雷达、相机）通过标定与授时进行时间同步与空间同步；
　　（2）使用GNSS高精定位及惯导提供初始位置、速度、姿态；
　　（3）在上一历元的状态下，通过惯导惯性递推车辆里程计视觉里程计递推，获得下一历元的预测状态（通常情况下取惯导输出时间间隔为一历元）；
　　（4）根据当前预测位置，由高精度地图提取车身周围的高精度地图语义信息，包括车道线、马路牙、栅栏、交通标牌、交通灯、电线杆、龙门架等对象信息，并按目标类别进行分类；
　　（5）各传感器结合车辆预测状态，进行车道线目标识别，并同样进行对象分类；
　　（6）通过分类对象进行对象匹配；
　　（7）匹配完成后，根据高精度地图中存储的对象位置、姿态信息，结合传感器测距、测姿结果，反向计算车辆位置、姿态信息，获得匹配定位结果；
　　（8）将RTK定位结果匹配定位结果及车辆预测状态进行融合滤波，获得最终定位状态，并进行状态更新。
　　4。3蜂窝网定位
　　蜂窝网络对于提高定位性能至关重要，尤其是伴随着5G的到来，其大带宽、低时延、高可靠的网络性能可支撑RTK数据和传感器数据的传输，高精度地图的下载和更新等，另外基于5G信号的定位也为车辆高精度定位提供强有力的支撑。
　　基于蜂窝网定位的基本逻辑架构如图48所示。一般来说，定位基本过程由定位客户端（LCSClient）发起定位请求给定位服务器，定位服务器通过配置无线接入网络节点进行定位目标的测量，或者通过其他手段从定位目标处获得位置相关信息，并最终计算得出位置信息并和坐标匹配。需要指出的是，定位客户端和定位目标可以合设，即定位目标本身可以发起针对自己的定位请求，也可以是外部发起针对某个定位目标的请求；最终定位目标位置的计算可以由定位目标自身完成，也可以由定位服务器计算得出。
　　4。4同步
　　可靠的高精度定位系统基本都是基于同步系统的，包括卫星导航定位，地面高精度定位系统也基本遵循这一原则。高精度定位系统的同步精度每降低3ns就会引入1米左右的测距误差，因此时钟同步性能成为高精度同步技术的关键指标，地面定位网元节点间的高精度同步技术是这个领域研究的关键。V2X需要满足未来智能驾驶的信息交换需求，对同步的需求也显而易见。
　　由于在定位精度达到35米以内才能满足未来智能交通等大多数定位需求，同时考虑给测量误差留有余量，因此需要实现3ns10ns左右的同步精度，才能实现3米甚至米级的、运营商级的地面定位网络。
　　除去定位系统设备的时间同步预算，高精度定位对同步设备的时间同步要求和精度等级如表所示：
　　五、CV2X高精度定位技术发展方向探讨
　　车辆高精度定位是实现智慧交通、自动驾驶的必要条件。随着CV2X服务从辅助驾驶到自动驾驶的发展，其性能要求从可靠性，时延，移动速度，数据速率，通信范围以及定位精度等方面发生变化。与其他服务不同，定位信息是保证车联网业务安全的基本要素之一。3GPP中描述了一些重要的定位关键指标，如定位精度、延迟、更新速率、功耗等。此外对于V2X服务，其定位存在一些特殊需求，例如连续性，可靠性和安全隐私等。其中定位精度是V2X定位服务中最基本的要求，在一些高级驾驶的业务服务中，例如自动驾驶，远程驾驶和编队行驶，稳定的厘米级定位是其安全可靠服务的必要保障。
　　根据环境以及定位需求的不同，定位方案是多种多样的。GNSS或其差分补偿RTK方案是最基本的定位方法。考虑到GNSS在隧道或密集城市等场景中性能较差，其应用场景仅限于室外环境。GNSS通常要与惯导结合以增加其定位稳定性和场景适应性。基于传感器的定位也是车辆定位的另一种常见定位方法。但高成本、对环境的敏感性以及地图的绘制和更新也限制了传感器定位的快速普及和推广。GNSS或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，因此会结合其他一些辅助方法例如惯性导航、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
　　六、总结
　　本白皮书以在车联网环境下车辆高精度定位为研究内容，以定位技术现状为基础，对车联网场景下的定位需求指标进行分析；建立车辆高精度定位的系统网络架构，以满足不同的业务和场景需求；在车辆高精度定位技术中，基于卫星与基站协作定位提出通过基站播发差分信息的方法，基于车载传
　　感与高精地图匹配提出利用照相机、摄像头以及雷达与高清地图匹配，实现基于语义级高精度地图定位；车辆高精度定位对同步技术提出了比通信网更高的要求，是5G时代的一个重要需求，针对车辆高精度定位的需求，同步网各部分需要整体的技术提升，包括源部分和承载网部分；车辆的高精度定位，必然是多种定位源的融合，本白皮书为车辆高精度定位技术演进和发展提供参考。
　　七、参考：
　　IMT2020（5G）推进组于2013年2月由中国工业和信息化部、国家发展和改革委员会、科学技术部联合推动成立，组织架构基于原IMTAdvanced推进组，成员包括中国主要的运营商、制造商、高校和研究机构。推进组是聚合中国产学研用力量、推动中国第五代移动通信技术研究和开展国际交流与合作的主要平台。
　　【请点击右下角好看，小手一抖，好文共有】