一种基于随机森林方向估计的新地图/里程计隧道定位方法

《IEEE Open Journal of Intelligent Transportation Systems》：A New Map/Odometer Tunnel Positioning Method Using Random Forest-Derived Heading Estimation

　　

摘要：

在全球导航卫星系统（GNSS）瘫痪的情境下，由于传感器漂移未得到校正，里程计/惯性导航系统（INS）的组合用于列车定位时容易产生累积的姿态误差，从而导致定位偏差。为提供无传感器漂移的航向并辅助里程计的航程计算，本文提出了一种基于地图的航向/里程计定位方法及其优化策略。在该方法中，航向是通过在数字轨道地图上进行投影和搜索获得的，然后利用相应的间隔数据进行计算。结合航向和里程计速度，可以推算出列车的位置。理论上，更短的间隔时间能够提供更准确的航向和位置数据。然而，由于车载存储空间的限制，存储的间隔信息必须减少，这意味着较长的间隔长度更适合实际应用需求。因此，在该优化策略中，引入了一种基于随机森林（RF）的航向估计算法，以从长间隔地图中获取准确的航向信息。具体来说，该方法在离线训练期间同时使用长间隔和短间隔的数字轨道地图。通过将长间隔地图重新划分为与短间隔地图相匹配的区域，建立起从长间隔地图数据到准确航向的映射关系，并利用RF模型来学习这种映射关系。在线预测阶段，RF模型可以根据车载长间隔地图数据估算出列车的航向以实现定位。实验和数据集收集工作在青藏铁路的桑列站至当雄站区间进行。实验中使用实时动态（RTK）定位得到的轨迹数据生成了数字轨道地图，并分别以3米和100米的间隔进行重采样，从而形成了短间隔和长间隔地图数据库。实验结果表明，基于RF的策略能够实现与现有技术相当高的航向精度...

查看更多