1． 前言
现如今，汽车工业早已经成为我国经济发展的支柱性产业，并且，越来越多的人将汽车作为出行的主要交通工具，2020 年全年，汽车产销分别达到 2522.5万辆和 2531.1 万辆，同比分别下降 2.0% 和 1.9% [1]，2020 年产销增速稳中略降，汽车行业总体表现出强大的发展韧性和内生动力，且当年销量继续蝉联全球第一。汽车行业的迅速发展，给人们生活带来极大的便利，创造了便捷舒适的出行环境。然而，汽车保有量的激增同样带来了严重的社会问题[2,3]。第一，日益拥堵的道路交通情况大大增加了人们出行时间，严重影响出行效率。第二，密集的车辆导致交通事故频发，造成巨大的人员伤亡和经济损失。
为了解决汽车行业的迅猛发展带来的一系列社会负面问题，各国政府在利用交通管控和基础建设改善道路环境的同时，大力鼓励和支持先进技术的发展。在强烈的需求引导下，学术界和工业界积极响应，开展广泛研究并提出了多种技术方案。总的来说，主要分为以下两个方向：一是研究自动驾驶技术[4-6]，智能车辆自动采集路况信息并控制自身运动以应对环境变化；二是发展车联网（Internet of vehicle, IoV）技术[7,8]，利用无线通信实现车与车（Vehicle-to-vehicle, V2V）、车与人（Vehicle-to-pedestrian, V2P）、车与路（Vehicle-to-infrastructure, V2I）及车与网（Vehicle-to-network, V2N）之间的通信，为车辆行驶和智能交通管控提供辅助信息。车辆的感知主要是利用车载传感器进行距离、速度等信息的测量。随着自动驾驶技术的发展，智能车辆对于周围环境的感知精度和范围的要求越来越高，因此更为需要精准的定位方法。随着车联网技术的发展，车辆能够利用无线通信与周围车辆、路边节点等具有通信能力的交通要素交换测量信息。低成本、高精度的车路协同定位器的研究工作非常满足当今社会对智能驾驶的迫切需求。
2． 正文
低成本、高精度的车路协同定位器的研究工作非常满足当今社会对智能驾驶的迫切需求。接下来分别从车路协同系统和定位技术两个方面介绍国内外研究动态和发展趋势。
2.1 国内外车辆定位研究动态
目前，大部分车辆主要依赖于全球定位系统（Global positioning system，GPS）进行自身的定位[9,10]，来辅助车辆导航。由于GPS 是一种基于卫星的无线电导航定位系统，定位精度不足、更新频率低以及在隧道、城市高楼等场景下的不可靠性使得其无法满足智能交通安全相关应用的精度要求[11,12]。随着智能车辆配备的传感器种类增加，车辆能够测量获得自身的其他运动状态信息，包括速度、加速度等。鉴于车辆位置和速度、加速度等的内在联系，研究者考虑联合惯导和GPS定位测量信息对车辆的运动状态进行滤波，通过多传感器数据融合来提高自身车辆的定位精度[13,14]。文献[13]提出了一种基于粒子滤波的多传感数据融合方法，通过分析车辆位置与速度、行驶角度、转向角度等随时间变化的关系，提高车辆自身定位精度。此外，还有基于卡尔曼滤波以及人工智能的多传感器融合方法[15-17]。随着车联网技术的发展，车辆可以通过V2X（Vehicle-to-everything）和其他车辆、路边节点（Road side unit，RSU）等交换测量信息，因此产生了很多协作式的车辆定位方法[18-20]。文献[18]提出了基于扩展卡尔曼滤波的多车辆协作定位方法。在该方法中，测量车辆利用专用短程通信（Dedicated short range communication，DSRC）来获取所有协作车辆的GPS定位信息以构建定位矩阵，对整个定位矩阵进行扩展卡尔曼滤波来提高测量车辆的定位精度。文献[19]提出了一种无需GPS参与的协作式车辆定位技术，测量车辆利用三个RSU和一辆协作式车辆发送的参考信号的到达时间（Time of arrival，TOA）来评估自身位置。文献[20]提出了分布式的贝叶斯数据关联和定位方法，测量车辆会测量多个被动特征目标（路边行人）等的状态，同时通信接收邻居车辆对这些特征目标的测量信息，再将测量值和特征目标匹配后对特征目标进行定位，进而提高自身车辆定位精度。
2.2 国内外车路协同研究动态
在智能交通系统中，运用车路协同提升交通安全水平是其研究的热点。车路协同系统为了实现车辆和公路等基础设施之间的智能协同，以达到提升交通安全，提高运输效率的目标[21]，采用现代无线通信技术、传感探测技术等方式，通过车与路、车与车之间的信息交互与共享获取车路信息。车路协同作为智能交通系统发展中的关键技术环节，得到了国内外的普遍关注，各个国家都成立了针对车路协同项目，并进行了各有侧重点的研究。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
