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特的優(yōu)點和廣闊的應(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)功能實現(xiàn)的先決條件。當(dāng)前已經(jīng)有了一些利用無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現(xiàn)車輛的定位，鮮有利用無線傳感器自身的TOF測距功能實現(xiàn)車輛定位功能。而利用基于TOF的無線傳感器實現(xiàn)公交車載節(jié)點的定位可以降低系統(tǒng)建設(shè)和實用成本，對公交系統(tǒng)智能化改造具有參考意義。
    在無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，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測距的方法雖然易于實現(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，因此很難單獨應(yīng)用。近年來，英國Jennic公司最新推出了采用TOF(Time Of Flight)測距技術(shù)的ZigBee芯片JN5148，能夠有效地提高無線傳感器測距精度。本文即以此為背景對公交車載節(jié)點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的測距能力，本文對其進(jìn)行了測距實驗，并對其在車載節(jié)點定位上的應(yīng)用方法進(jìn)行了研究和討論。
1.1 TOF測距效果實驗分析
    JN5148通過測定無線信號在兩節(jié)點間雙向傳遞時間計算節(jié)點間距離[5-6]，同時其數(shù)據(jù)幀中包含RSSI參數(shù)。JN5148芯片在戶外的測距實驗曲線如圖1所示，圖1(a)是在300 m范圍內(nèi)每10 m進(jìn)行一次測量的測距誤差圖；圖1(b)是10 m范圍內(nèi)每0.2 m進(jìn)行一次測量的測距誤差圖。

1.3 車載節(jié)點定位方案分析
    為了提高車載節(jié)點定位精度，考慮了以下幾種改進(jìn)方案：
    （1）縮短固定參考節(jié)點間距離
    通過增加固定節(jié)點的數(shù)量，以縮短相鄰固定節(jié)點間的平均距離、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
    通過調(diào)整固定參考節(jié)點高度（如：將固定節(jié)點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)點與待測節(jié)點的幾何構(gòu)型。
    （3）采用線性定位思路
    根據(jù)實際道路特點，忽略道路寬度，采用線性定位法，僅考慮車載節(jié)點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：第三種方案可將無線傳感器固定在路中間(如信號燈上、道路指引牌上等)，通過無線傳感器測距，直接估算車輛的位置，對WSN節(jié)點的要求低，較為可行。
2 車載節(jié)點組合定位思路研究
    在公交車線性定位過程中，可利用里程儀信息，里程儀的測距誤差一般在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（綠島）產(chǎn)生的差異就會使公交車往返路程差超過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線傳感器的TOF/RSSI測距相結(jié)合進(jìn)行車載節(jié)點組合定位的方法。

    根據(jù)無線傳感器的TOF/RSSI以及車輛里程儀的測距特點，定位算法的主要思想如下：車載節(jié)點在離固定節(jié)點較近時采用RSSI測距定位，同時計算里程儀誤差修正參數(shù)；車輛節(jié)點距離固定節(jié)點較遠(yuǎn)時，采用由TOF測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)點將RSSI值與設(shè)定閾值比較，當(dāng)RSSI值大于閾值時，說明節(jié)點即將到達(dá)或剛開始遠(yuǎn)離某固定節(jié)點；然后判斷RSSI值的變化趨勢，RSSI值減小則說明節(jié)點在前一個數(shù)據(jù)采集時刻車輛與固定節(jié)點位置最近，此時利用RSSI值進(jìn)行測距定位，并使用RSSI測距值和里程儀測距值估計里程儀偏差值。利用無線傳感器RSSI估計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)點時，所采集的RSSI值小于閾值，開始進(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為里程儀測距值，dTOF為TOF測距值，?啄TOF為TOF測距誤差。利用車載節(jié)點存儲多個TOF測距值，與相應(yīng)里程儀測距值相減，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，對里程儀誤差進(jìn)行實時補(bǔ)償。
    一般來說，當(dāng)里程儀測距值與TOF測距值的差值大于兩倍的TOF測距誤差時，說明里程儀定位誤差較大，需要進(jìn)行修正。通過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(利用某固定時段的差值序列)和動態(tài)TOF校正法（利用實時更新的差值序列）。
3 組合定位算法的驗證
    為了驗證上述組合算法的有效性，利用MATLAB對上述算法進(jìn)行了仿真。TOF及RSSI的測距誤差按式(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)點離開固定節(jié)點時利用RSSI修正里程儀誤差結(jié)果。從圖中可以看出，利用RSSI估計并修正里程儀測距誤差的效果十分明顯。
    將TOF測距值與對應(yīng)里程儀測距值的差值序列進(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。動態(tài)校正法實時使用修正點前，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校正后的里程儀測距精度遠(yuǎn)高于TOF和里程儀自身的測距精度。
    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校正和動態(tài)TOF校正。

    由表1可知，基于TOF/RSSI的公交車載節(jié)點組合定位算法定位效果優(yōu)于三種獨立的測距定位方法，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，但其計算量較大。兩種組合算法均在一定程度上改善了TOF測距誤差波動大、RSSI遠(yuǎn)程測距誤差大、里程儀測距在車輛非直線行駛時定位誤差大的缺點。
    本文對基于無線傳感器網(wǎng)絡(luò)的車載節(jié)點定位方法進(jìn)行了研究，測試分析了新型的TOF無線傳感器芯片JN5148的測距效果，研究了固定節(jié)點分布對車輛定位的影響，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際應(yīng)用要求，結(jié)合無線傳感器網(wǎng)絡(luò)本身的良好通信能力，有助于經(jīng)濟(jì)地實現(xiàn)公交系統(tǒng)智能化改造，具有較好的應(yīng)用參考價值。
參考文獻(xiàn)
[1] 吳鍵，袁慎芳.無線傳感器網(wǎng)絡(luò)節(jié)點的設(shè)計和實現(xiàn)[J].儀器儀表學(xué)報，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，2008，29(9)：1908-1911.
[3] 朱開宇，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的智能公交無線通信網(wǎng)絡(luò)的設(shè)計[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.多站測距定位觀測幾何若干理論問題的證明[J].人造衛(wèi)星觀測與研究，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態(tài)標(biāo)校[J].彈箭與制導(dǎo)報，2007，26(3)：56-58.