WSN(Wireless Sensors Network)是集傳感器技術(shù)、MEMS技術(shù)和網(wǎng)絡(luò)技術(shù)于一體的一種信息獲取和信息處理技術(shù)[1]，它具有自組織、自適應(yīng)能力，在智能交通方面具有獨(dú)特的優(yōu)點(diǎn)和廣闊的應(yīng)用前景[2]。

    在智能公交系統(tǒng)中，車輛位置的準(zhǔn)確求取和傳遞是其他系統(tǒng)功能實(shí)現(xiàn)的先決條件。當(dāng)前已經(jīng)有了一些利用無(wú)線傳感器搭建智能公交系統(tǒng)的通信網(wǎng)絡(luò)的方案[4-6]，但這些方案均利用其他手段實(shí)現(xiàn)車輛的定位，鮮有利用無(wú)線傳感器自身的TOF測(cè)距功能實(shí)現(xiàn)車輛定位功能。而利用基于TOF的無(wú)線傳感器實(shí)現(xiàn)公交車載節(jié)點(diǎn)的定位可以降低系統(tǒng)建設(shè)和實(shí)用成本，對(duì)公交系統(tǒng)智能化改造具有參考意義。
    在無(wú)線傳感器定位算法中，由于Range-free定位算法要求大密度的參考節(jié)點(diǎn)，所以不適合智能公交系統(tǒng)車輛定位。而通?；赥OA、TDOA以及AOA的定位技術(shù)需要添加額外的硬件，導(dǎo)致系統(tǒng)的定位成本增加?；?a class="innerlink" href="http://ihrv.cn/tags/RSSI" title="RSSI" target="_blank">RSSI測(cè)距的方法雖然易于實(shí)現(xiàn)，但由于其有效定位距離近，遠(yuǎn)距離情況下定位精度較低，因此很難單獨(dú)應(yīng)用。近年來(lái)，英國(guó)Jennic公司最新推出了采用TOF(Time Of Flight)測(cè)距技術(shù)的ZigBee芯片JN5148，能夠有效地提高無(wú)線傳感器測(cè)距精度。本文即以此為背景對(duì)公交車載節(jié)點(diǎn)的定位算法和策略進(jìn)行了深入研究。
1 基于TOF/RSSI定位算法分析研究
    為了充分發(fā)揮JN5148的測(cè)距能力，本文對(duì)其進(jìn)行了測(cè)距實(shí)驗(yàn)，并對(duì)其在車載節(jié)點(diǎn)定位上的應(yīng)用方法進(jìn)行了研究和討論。
1.1 TOF測(cè)距效果實(shí)驗(yàn)分析
    JN5148通過(guò)測(cè)定無(wú)線信號(hào)在兩節(jié)點(diǎn)間雙向傳遞時(shí)間計(jì)算節(jié)點(diǎn)間距離[5-6]，同時(shí)其數(shù)據(jù)幀中包含RSSI參數(shù)。JN5148芯片在戶外的測(cè)距實(shí)驗(yàn)曲線如圖1所示，圖1(a)是在300 m范圍內(nèi)每10 m進(jìn)行一次測(cè)量的測(cè)距誤差圖；圖1(b)是10 m范圍內(nèi)每0.2 m進(jìn)行一次測(cè)量的測(cè)距誤差圖。

1.3 車載節(jié)點(diǎn)定位方案分析
    為了提高車載節(jié)點(diǎn)定位精度，考慮了以下幾種改進(jìn)方案：
    （1）縮短固定參考節(jié)點(diǎn)間距離
    通過(guò)增加固定節(jié)點(diǎn)的數(shù)量，以縮短相鄰固定節(jié)點(diǎn)間的平均距離、優(yōu)化幾何構(gòu)型。如可將圖2(a)中固定節(jié)點(diǎn)A、B間距離縮短到100 m。
    （2）引入高度因素構(gòu)建三維定位
    通過(guò)調(diào)整固定參考節(jié)點(diǎn)高度（如：將固定節(jié)點(diǎn)C安裝在附近高樓上），構(gòu)建立體三維定位，以改善固定參考節(jié)點(diǎn)與待測(cè)節(jié)點(diǎn)的幾何構(gòu)型。
    （3）采用線性定位思路
    根據(jù)實(shí)際道路特點(diǎn)，忽略道路寬度，采用線性定位法，僅考慮車載節(jié)點(diǎn)在道路上的一維位置。
    綜合考慮以上三種改進(jìn)方法，第一種方案的系統(tǒng)造價(jià)高，構(gòu)建的網(wǎng)絡(luò)復(fù)雜；第二種方案受道路環(huán)境影響較大，操作困難：第三種方案可將無(wú)線傳感器固定在路中間(如信號(hào)燈上、道路指引牌上等)，通過(guò)無(wú)線傳感器測(cè)距，直接估算車輛的位置，對(duì)WSN節(jié)點(diǎn)的要求低，較為可行。
2 車載節(jié)點(diǎn)組合定位思路研究
    在公交車線性定位過(guò)程中，可利用里程儀信息，里程儀的測(cè)距誤差一般在1%左右[8]。若公交車受復(fù)雜路況等因素影響，僅用里程儀定位將產(chǎn)生較大誤差。如圖3所示的城市道路示意圖中，僅由道路轉(zhuǎn)盤(pán)（綠島）產(chǎn)生的差異就會(huì)使公交車往返路程差超過(guò)30 m。為了提高車輛定位的魯棒性和精度，本文提出了使用里程儀與無(wú)線傳感器的TOF/RSSI測(cè)距相結(jié)合進(jìn)行車載節(jié)點(diǎn)組合定位的方法。

    根據(jù)無(wú)線傳感器的TOF/RSSI以及車輛里程儀的測(cè)距特點(diǎn)，定位算法的主要思想如下：車載節(jié)點(diǎn)在離固定節(jié)點(diǎn)較近時(shí)采用RSSI測(cè)距定位，同時(shí)計(jì)算里程儀誤差修正參數(shù)；車輛節(jié)點(diǎn)距離固定節(jié)點(diǎn)較遠(yuǎn)時(shí)，采用由TOF測(cè)距定位修正的里程儀進(jìn)行定位的組合定位思路。詳細(xì)的定位算法流程如圖4所示。

    車載節(jié)點(diǎn)將RSSI值與設(shè)定閾值比較，當(dāng)RSSI值大于閾值時(shí)，說(shuō)明節(jié)點(diǎn)即將到達(dá)或剛開(kāi)始遠(yuǎn)離某固定節(jié)點(diǎn)；然后判斷RSSI值的變化趨勢(shì)，RSSI值減小則說(shuō)明節(jié)點(diǎn)在前一個(gè)數(shù)據(jù)采集時(shí)刻車輛與固定節(jié)點(diǎn)位置最近，此時(shí)利用RSSI值進(jìn)行測(cè)距定位，并使用RSSI測(cè)距值和里程儀測(cè)距值估計(jì)里程儀偏差值。利用無(wú)線傳感器RSSI估計(jì)里程儀的偏差值算法流程如圖5(a)所示。
    當(dāng)公交車輛繼續(xù)遠(yuǎn)離固定節(jié)點(diǎn)時(shí)，所采集的RSSI值小于閾值，開(kāi)始進(jìn)入基于里程儀和TOF組合定位模式。利用TOF修正里程儀偏差的算法如圖5(b)所示，其中，dODM為里程儀測(cè)距值，dTOF為T(mén)OF測(cè)距值，?啄TOF為T(mén)OF測(cè)距誤差。利用車載節(jié)點(diǎn)存儲(chǔ)多個(gè)TOF測(cè)距值，與相應(yīng)里程儀測(cè)距值相減，可得到一組差值序列。該歷史差值序列可以用于求解里程儀偏差和刻度系數(shù)誤差，對(duì)里程儀誤差進(jìn)行實(shí)時(shí)補(bǔ)償。
    一般來(lái)說(shuō)，當(dāng)里程儀測(cè)距值與TOF測(cè)距值的差值大于兩倍的TOF測(cè)距誤差時(shí)，說(shuō)明里程儀定位誤差較大，需要進(jìn)行修正。通過(guò)差值序列獲取方式的不同，還可以將該補(bǔ)償算法分為靜態(tài)TOF校正法(利用某固定時(shí)段的差值序列)和動(dòng)態(tài)TOF校正法（利用實(shí)時(shí)更新的差值序列）。
3 組合定位算法的驗(yàn)證
    為了驗(yàn)證上述組合算法的有效性，利用MATLAB對(duì)上述算法進(jìn)行了仿真。TOF及RSSI的測(cè)距誤差按式(1)、式(2)的誤差模型進(jìn)行設(shè)置；里程儀的刻度系數(shù)誤差設(shè)為1%，里程儀的初始偏差設(shè)為16 m。
    圖6(a)為模擬車載節(jié)點(diǎn)離開(kāi)固定節(jié)點(diǎn)時(shí)利用RSSI修正里程儀誤差結(jié)果。從圖中可以看出，利用RSSI估計(jì)并修正里程儀測(cè)距誤差的效果十分明顯。
    將TOF測(cè)距值與對(duì)應(yīng)里程儀測(cè)距值的差值序列進(jìn)行一階線性擬合，可求解刻度系數(shù)誤差和里程儀偏差，并對(duì)里程儀數(shù)據(jù)進(jìn)行修正。仿真中靜態(tài)校正法采用0 m～200 m的差值序列進(jìn)行里程儀誤差的補(bǔ)償，結(jié)果如圖6(b)所示。動(dòng)態(tài)校正法實(shí)時(shí)使用修正點(diǎn)前，200 m的差值序列進(jìn)行里程儀誤差的補(bǔ)償，結(jié)果如圖6(c)所示。兩種算法結(jié)果都表明：TOF校正后的里程儀測(cè)距精度遠(yuǎn)高于TOF和里程儀自身的測(cè)距精度。
    表1中匯集了其中5次的仿真結(jié)果。其中，組合算法1包含了RSSI校正和靜態(tài)TOF校正，組合算法2包含了RSSI校正和動(dòng)態(tài)TOF校正。

    由表1可知，基于TOF/RSSI的公交車載節(jié)點(diǎn)組合定位算法定位效果優(yōu)于三種獨(dú)立的測(cè)距定位方法，定位標(biāo)準(zhǔn)差小于5 m（與GPS定位精度相當(dāng)）。組合算法1定位標(biāo)準(zhǔn)差優(yōu)于組合算法2；組合算法2的魯棒性要強(qiáng)于組合算法1，但其計(jì)算量較大。兩種組合算法均在一定程度上改善了TOF測(cè)距誤差波動(dòng)大、RSSI遠(yuǎn)程測(cè)距誤差大、里程儀測(cè)距在車輛非直線行駛時(shí)定位誤差大的缺點(diǎn)。
    本文對(duì)基于無(wú)線傳感器網(wǎng)絡(luò)的車載節(jié)點(diǎn)定位方法進(jìn)行了研究，測(cè)試分析了新型的TOF無(wú)線傳感器芯片JN5148的測(cè)距效果，研究了固定節(jié)點(diǎn)分布對(duì)車輛定位的影響，提出了基于TOF/RSSI及車輛里程儀的組合車輛定位算法，并討論了靜態(tài)和動(dòng)態(tài)兩種TOF誤差修正模式。仿真結(jié)果表明，組合定位算法精度能夠滿足實(shí)際應(yīng)用要求，結(jié)合無(wú)線傳感器網(wǎng)絡(luò)本身的良好通信能力，有助于經(jīng)濟(jì)地實(shí)現(xiàn)公交系統(tǒng)智能化改造，具有較好的應(yīng)用參考價(jià)值。
參考文獻(xiàn)
[1] 吳鍵，袁慎芳.無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的設(shè)計(jì)和實(shí)現(xiàn)[J].儀器儀表學(xué)報(bào)，2006，27(9)：140-144.
[2] 鄭凱，趙宏偉，張孝臨.基于網(wǎng)絡(luò)的心電監(jiān)護(hù)系統(tǒng)的研究[J].儀器儀表學(xué)報(bào)，2008，29(9)：1908-1911.
[3] 朱開(kāi)宇，劉佳宇，安永麗.基于ZigBee的城市智能公交網(wǎng)絡(luò)系統(tǒng)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2008(3)：17-20.
[4] 詹杰，石偉.基于ZigBee的智能公交無(wú)線通信網(wǎng)絡(luò)的設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2007(10)：118-120.
[5] 曾慶化，劉建業(yè)，趙飛，等.基于GPS和無(wú)線傳感器的智能交通系統(tǒng)[J].全球定位系統(tǒng)，2009，34(5)：34-37.
[6] Zeng Qinghua，KEMP A H，Liu Jianye.The feasibility research of RIPS in container port[C].China Intelligent Automation Conference Proceedings，2009：961-969.
[7] 孫宏偉，朱金安.多站測(cè)距定位觀測(cè)幾何若干理論問(wèn)題的證明[J].人造衛(wèi)星觀測(cè)與研究，1994，33(6)：17-24.
[8] 張金紅，李歲勞，楊洪友，等.里程儀刻度因子的動(dòng)態(tài)標(biāo)校[J].彈箭與制導(dǎo)報(bào)，2007，26(3)：56-58.