在5G及C-V2X迅速发展和快速普及的背景下，基于车联网的应用业务在快速扩展。而高精度定位作为车联网整体系统中的关键部分，结合对车辆高精度定位的场景分析和性能需求，主要包括终端 层、网络层、平台层和应用层，如图-1所示。其中终端层实现多源数据融合（卫星、传感器及蜂窝网 数据）算法，保障不同应用场景、不同业务的定位需求；平台层提供一体化车辆定位平台功能，包括 差分解算能力、地图数据库、高清动态地图、定位引擎，并实现定位能力开放；网络层包括5G基站、 RTK基站和路侧单元（Road Side Unit, RSU），为定位终端实现数据可靠传输；应用层基于高精度 定位系统能够为应用层提供车道级导航、线路规划、自动驾驶等应用。

图-1 车辆高精度定位系统网络架构

1.基于RTK差分系统的GNSS定位

全球导航卫星系统（Global Navigation Satellite System , GNSS）是能在地球表面或近地空间 的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统，包括美国的 GPS、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧洲的伽利略系统（GALILEO）和中国的北 斗系统（BDS）。

高精度GNSS增强技术通过地面差分基准参考站进行卫星观测，形成差分改正数据，再通过数据通 信链路将差分改正数据播发到流动测量站，进而流动测量站根据收到的改正数进行定位。

1.1高精度GNSS差分改正数通过蜂窝网络向用户面播发

图-2 高精度GNSS差分改正数通过蜂窝网络用户面播发

差分改正数的用户面播发是基于NTRIP（Networked Transportof RTCM via Internet Protocol），RTCM（Radio Technical Commission for Maritime）等协议实现的单播传输方法。由地面基准参考站观测卫星数据，将原始卫星观测值传输至云端改正数解算及播发平台。

云端改正数解算及播发平台收到原始卫星观测数据后进行实时组网建模解算，形成区域网格化 差分改正数。终端流动站发起高精度改正数请求，并上报当前卫星定位取得的初始位置。

云端改正数解算及播发平台根据终端位置匹配相应改正数，通过蜂窝网络用户面（互联网）下发至终端。终端设备根据自身的卫星观测值以及接收到的差分改正数进行高精度定位。在这种播发方式中，移动通信网络仅作为数据通路，差分改正数据与单个蜂窝不产生直接关联 关系。

1.2 高精度GNSS差分改正数通过蜂窝网络控制面播发

为了应对不同场景，将高精度GNSS引入移动通信网络控制面，不仅仅支持单播改正数的播发还支 持广播的方式。

图-3 基于移动通信网络的高精度GNSS定位原理

运营商定位服务器可以从参考站获得观测值，该参考站可以为第三方参考站，也可以是基于蜂 窝网络中基站进行改造升级的参考站。在一个小区内，基站的位置可以看作用户的概略位置，定位服务器通过部署方式或者基站上报 的方式可以获得基站的位置信息。

定位服务器，基于获得基站的位置信息以及参考站的测量值，进行建模并产生改正数，根据应 用场景的不同以单播或者广播的形式发送给终端。终端获取改正数后进行定位解算。

2.传感器与高精地图匹配定位

视觉定位是通过摄像头或激光雷达等视觉传感器设备通过获取视觉图像，再提取图像序列中的一 致性信息，根据一致性信息在图像序列中的位置变化估计车辆的位置。根据事先定位所采用的策略， 可分为基于路标库和图像匹配的全局定位、同时定位与地图构建的SLAM（Simultaneous localization and mapping）、基于局部运动估计的视觉里程计三种方法。

（1）全局定位：全局定位需要预先采集场景图像，建立全局地图或路边数据库，当车辆需要定位 时，将当期位姿图像与路边数据库进行匹配，再估计当期图像与对应路边之间的相对位置，最终得到 全局的定位信息。

（2）V-SLAM：同时定位与地图构建基于采集到的视觉信息，在车辆行驶的过程中对经过的区 域进行地图构建和定位。

（3）视觉里程计：视觉里程计（Visual Odometry, VO）是以增量式地估计移动机器人的运动参

数。视觉里程计关注如何计算图像序列中相邻图像间所反映出的机器人位姿变化，并将局部运动估计 的结果累积到车辆轨迹中。

图-4 基于语义级的高精度地图匹配定位对象

应用于自动驾驶的高精地图相较于传统地图提供了更加丰富的语义信息，除了包含车道模型如车 道线、坡度、曲率、航向、车道属性、连通关系等内容外，还包括大量定位对象（object），即路面、 两侧或上方的各种静态物体，如路缘石、栅栏、交通标牌、交通灯、电线杆、龙门架等，这些元素均 含包含精确的位置信息，通过激光雷达（LiDAR）、相机（Camera）和毫米波雷达（Radar）识别出 地图上的各类静态地物，然后将这些对象与地图上存储的对象进行比对（Map Matching），匹配过 后，通过相对姿态和位置关系，即可得到车辆自身精确位置和姿态，实现无GPS条件下的自定位，所示。

图-5 基于语义级的高精度地图匹配定位流程

车身各类传感器（激光雷达、毫米波雷达、相机）通过标定与授时进行时间同步与空间同步；使用GNSS高精定位及惯导提供初始位置、速度、姿态；在上一历元的状态下，通过惯导惯性递推/车辆里程计/视觉里程计递推，获得下一历元的 预测状态（通常情况下取惯导输出时间间隔为一历元）；根据当前预测位置，由高精度地图提取车身周围的高精度地图语义信息，包括车道线、马路牙、栅栏、交通标牌、交通灯、电线杆、龙门架等对象信息，并按目标类别进行分类；各传感器结合车辆预测状态，进行车道线/目标识别，并同样进行对象分类；通过分类对象进行对象匹配；匹配完成后，根据高精度地图中存储的对象位置、姿态信息，结合传感器测距、测姿结果， 反向计算车辆位置、姿态信息，获得匹配定位结果；将RTK定位结果/匹配定位结果及车辆预测状态进行融合滤波，获得最终定位状态，并进行 状态更新。

3.蜂窝网定位

蜂窝网络对于提高定位性能至关重要，尤其是伴随着5G的到来，其大带宽、低时延、高可靠的网 络性能可支撑RTK数据和传感器数据的传输，高精度地图的下载和更新等，另外基于5G信号的定位也 为车辆高精度定位提供强有力的支撑。

图-6 蜂窝网定位基本流程

基于蜂窝网定位的基本逻辑架构如图-6所示。一般来说，定位基本过程由定位客户端（LCSClient）发起定位请求给定位服务器，定位服务器通过配置无线接入网络节点进行定位目标的测量，或 者通过其他手段从定位目标处获得位置相关信息，并最终计算得出位置信息并和坐标匹配。需要指出 的是，定位客户端和定位目标可以合设，即定位目标本身可以发起针对自己的定位请求，也可以是外 部发起针对某个定位目标的请求；最终定位目标位置的计算可以由定位目标自身完成，也可以由定位 服务器计算得出。

图-7 蜂窝网定位基本流程

E-UTRAN 的定位架构如图-7所示，方框代表参与定位的功能实体，连接线表示实体间的通信 接口以及相关协议。E-SMLC通常可以被认为是控制面的定位服务器，可以是逻辑单元或者实体单元；MME一般可 以通过MME完成控制面的定位请求。MME可以接受其他实体请求、或者自己发起定位请求；LMU 定位测量单元，和E-SMLC交互测量信息，常用于上行定位测量，并且常和eNB合设；SLP（SUPL Location Platform）是承载SUPL协议的实体，通常可被认为是用户面定位服务器；SUPL（Secure User Plane）定位信息通过SUPL协议在用户面进行交互和传输；SET指用户面的定位目标。

UE与E-SMLC实体间信令通过LTE定位协议（LTE Positioning Protocol, LPP）通信，eNB与E-SMLC实体间信令通过LTE定位协议附加协议（LTE Positioning Protocol A, LPPa）通信。基于4G的蜂窝定位，受信号带宽、同步以及网络部署的影响，定位精度一般在几十米左右，而随 着5G的到来，大带宽、多天线以及高精度同步技术等的支撑，可以使得5G的定位精度大大提高，目前 在仿真/测试场景下，室内定位可达2~3米精度，可在室内及隧道环境下弥补卫星定位的不足。

4. 同 步

可靠的高精度定位系统基本都是基于同步系统的，包括卫星导航定位，地面高精度定位系统也 基本遵循这一原则。高精度定位系统的同步精度每降低3ns就会引入1米左右的测距误差，因此时钟同 步性能成为高精度同步技术的关键指标，地面定位网元节点间的高精度同步技术是这个领域研究的关 键。V2X需要满足未来智能驾驶的信息交换需求，对同步的需求也显而易见。

由于在定位精度达到3~5米以内才能满足未来智能交通等大多数定位需求， 同时考虑给测量误差 留有余量， 因此需要实现3 ns-10 ns左右的同步精度，才能实现3米甚至米级的、运营商级的地面定 位网络。

图-8 地面同步网划分

根据ITU-T标准，通信网的时间同步要求为：源到端的时间同步精度为±1us（国内运营商要求为±130ns），此称为绝对时间同步精度；通信基站间的最高同步精度为±32.5ns，此称为相对时间同步精度。虽然车辆高精度定位现只需要相对时间同步，但是通信网的时间同步要求远比车辆高精度定位的时间要求低。现有3G/4G采用的同步技术只能达到百纳秒级的精度，无法满足米级的车辆高精度定位需求。

图- 8 时间同步组网模型

整个通信网中的各级同步网均可如上时间同步组网模型般进行扩展，即扩展连接至定位系统，如图-9所示。利用地面通信同步网覆盖广、信号稳定可靠和受环境影响因素小等特点，可以更好的给 车辆高精度定位提供支撑。

图-9 时间同步组网模型扩展

5. C-V2X高精度定位技术发展方向探讨

车辆高精度定位是实现智慧交通、自动驾驶的必要条件。随着C-V2X服务从辅助驾驶到自动驾 驶的发展，其性能要求从可靠性，时延，移动速度，数据速率，通信范围以及定位精度等方面发生变 化。与其他服务不同，定位信息是保证车联网业务安全的基本要素之一。 3GPP中描述了一些重要的 定位关键指标，如定位精度、延迟、更新速率、功耗等。此外对于V2X服务，其定位存在一些特殊需 求，例如连续性，可靠性和安全/隐私等。其中定位精度是V2X定位服务中最基本的要求，在一些高级 驾驶的业务服务中，例如自动驾驶，远程驾驶和编队行驶，稳定的厘米级定位是其安全可靠服务的必 要保障。

图-9 C-V2X通信接口

根据环境以及定位需求的不同，定位方案是多种多样的。GNSS或其差分补偿RTK方案是最基本 的定位方法。考虑到GNSS在隧道或密集城市等场景中性能较差，其应用场景仅限于室外环境。GNSS 通常要与惯导结合以增加其定位稳定性和场景适应性。基于传感器的定位也是车辆定位的另一种常见 定位方法。但高成本、对环境的敏感性以及地图的绘制和更新也限制了传感器定位的快速普及和推 广。GNSS或传感器等单一技术无法保证车辆在任意环境下的高精度定位性能，因此会结合其他一些 辅助方法例如惯性导航、高精度地图、蜂窝网等以提高定位精度和稳定性。其中，蜂窝网络对于提高 定位性能至关重要，例如RTK数据和传感器数据的传输，高精度地图的下载等。另外5G本身的定位能 力，也为车辆高精度定位提供强有力的支撑