محلی سازی با کمک همسایگان در شبکه های وسیله نقلیه

ما در مورد مسئله محلی سازی در شبکه های ad hoc وسایل نقلیه صحبت می کنیم. هدف ما استفاده از ارتباطات وسیله نقلیه و سنسورهای گوشی های هوشمند برای بهبود عملکرد کلی محلی سازی است. فرض بر این است که وسایل نقلیه با واسط های بی سیم IEEE 802.11p مجهز شده اند، ما فیلترینگ دو مرحلهای را برای ردیابی موقعیت خودرو استفاده می کنیم: یک فیلتر کالمن برای ارزیابی عنوان با استفاده از سنسورهای ناشی از اینرسی های هوشمند، و یک فیلتر ذره ای که سیگنال خودرو را به خودرو متصل می کند اندازه گیری های قدرت دریافت شده از لنگرهای تلفن همراه که موقعیت های نامشخص هستند، با سرعت، موقعیت GPS، و اطلاعات نقشه. مدل ما منجر به یک سیستم محلی سازی قوی می شود و می تواند اطلاعات موقعیت یابی مفید را حتی در صورت عدم وجود اطلاعات جیپیاس ارائه دهد. ما عملکرد الگوریتم را با استفاده از اندازه گیری های واقعی جهان جمع آوری شده از چهار وسیله ارتباطی در یک سناریوی شهری و با توجه به ترکیب های مختلف منابع اطلاعات مکان، ارزیابی می کنیم.

We address the problem of localization in vehicular ad hoc networks. Our goal is to leverage vehicle communications and smartphone sensors to improve the overall localization performance. Assuming vehicles are equipped with the IEEE 802.11p wireless interfaces, we employ a two-stage Bayesian filter to track the vehicle’s position: an unscented Kalman filter for heading estimation using smartphone inertial sensors, and a particle filter that fuses vehicle-to-vehicle signal strength measurements received from mobile anchors whose positions are uncertain, with velocity, GPS position, and map information. Our model leads to a robust localization system and is able to provide useful position information even in the absence of GPS data. We evaluate the algorithm performance using real-world measurements collected from four communicating vehicles in an urban scenario, and considering different combinations of location information sources.