[发明专利]一种车辆定位方法及装置

权利要求书

1.一种车辆定位方法，其特征在于，包括：

获取目标车辆的传感器实时采集数据；

根据预先构建的预测速度计算模型和所述传感器实时采集数据，计算当前时刻的车辆预测速度；

根据预先构建的基于车辆特征的位置模型、所述车辆预测速度以及所述传感器实时采集数据，计算基于车辆特征的第一实时车辆位置；

根据预先构建的基于卫星定位的位置模型以及所述传感器实时采集数据，计算基于卫星定位的第二实时车辆位置；

对所述第一实时车辆位置和所述第二实时车辆位置进行融合计算处理，得到所述目标车辆在所述当前时刻的最终实时车辆位置；

所述根据预先构建的预测速度计算模型和所述传感器实时采集数据，计算当前时刻的车辆预测速度，包括：

获取当前时刻的实时气象情况数据、所述当前时刻的实时路况信息以及预先设置的车辆类型数据；

根据所述传感器实时采集数据，获取所述目标车辆在所述当前时刻的车辆当前速度；

根据所述实时气象情况数据确定当前气象情况权重系数，以及根据所述实时路况信息确定当前路况通畅程度系数，以及根据所述车辆类型数据确定所述目标车辆的车辆类型权重系数；

根据预先构建的预测速度计算模型、所述车辆当前速度、所述当前气象情况权重系数、所述当前路况通畅程度系数、所述车辆类型权重系数、所述实时气象情况数据、所述实时路况信息以及所述车辆类型数据，计算所述目标车辆的车辆预测速度；

所述预测速度计算模型包括：

；

其中，；

其中，所述当前时刻为第k时刻，b_k为所述车辆预测速度，b_k1为所述车辆当前速度，b_k2为车辆理论速度，a表示所述车辆类型权重系数，b表示所述当前路况通畅程度系数，c表示所述当前气象情况权重系数，S表示所述车辆类型数据，L表示所述实时路况信息，Q表示所述实时气象情况数据；

所述根据预先构建的基于车辆特征的位置模型、所述车辆预测速度以及所述传感器实时采集数据，计算基于车辆特征的第一实时车辆位置，包括：

根据所述传感器实时采集数据确定所述目标车辆在所述当前时刻的当前航向角；

获取上一时刻最终计算的上一时刻最终位置；

根据预先构建的基于车辆特征的位置模型、所述当前航向角、所述上一时刻最终位置，计算基于车辆特征的第一实时车辆位置；

对所述第一实时车辆位置和所述第二实时车辆位置进行融合计算处理，得到所述目标车辆在所述当前时刻的最终实时车辆位置，包括：

根据预先构建的基于车辆特征的系数矩阵、所述车辆预测速度以及所述当前航向角，计算基于车辆特征的系数矩阵；

根据所述基于车辆特征的系数矩阵以及所述基于卫星定位的系数矩阵，计算所述当前时刻的融合系数；

根据预设的最终位置计算公式、所述第一实时车辆位置、所述融合系数、所述第二实时车辆位置以及所述卫星定位数据误差和，计算所述目标车辆在所述当前时刻的最终实时车辆位置；

所述预设的最终位置计算公式为：

；

其中，所述当前时刻为第k时刻，X_k’表示所述最终实时车辆位置，X_k表示所述第一实时车辆位置，K_k表示所述第k时刻的所述融合系数，l表示所述卫星定位数据误差和，H 表示所述基于卫星定位的系数矩阵，X_k’’表示所述第二实时车辆位置；

所述车辆特征的系数矩阵公式为：

P_k=

其中，P_k为第k时刻的基于车辆特征的系数矩阵，P_k-1为第k-1时刻的基于车辆特征的系数矩阵，θ_k是所述第k时刻的所述当前航向角，θ_k-1是所述第k-1时刻的航向角，b_k-1为所述第k-1时刻的车辆预测速度；

所述融合系数的矩阵公式为：

；

；

其中，K_k是所述第k时刻的所述融合系数，P_k为所述第k时刻的系数矩阵，H表示所述基于卫星定位的系数矩阵。