[論文レビュー] Improving Localization Accuracy in Connected Vehicle Networks Using Rao-Blackwellized Particle Filters: Theory, Simulations, and Experiments

Macheng Shen, Ding Zhao+2 more|arXiv (Cornell University)|Feb 19, 2017

Target Tracking and Data Fusion in Sensor Networks参考文献 17被引用数 6

ひとこと要約

本稿では、低価格GNSS受信機のみを用いて、接続型車両ネットワークにおけるミリタリークラスの位置特定精度を向上させるために、Rao-Blackwellized Particle Filter (RBPF) を提案する。地図マッチングを用いて、等距離誤差や衛星時 clocks の共通バイアスを同時に推定することで、屋外開放状況下で1メートル未満の位置特定誤差を達成し、自己位置特定法や従来の協調地図マッチング手法を上回り、信号遮断に対しても頑健である。

ABSTRACT

A crucial function for automated vehicle technologies is accurate localization. Lane-level accuracy is not readily available from low-cost Global Navigation Satellite System (GNSS) receivers because of factors such as multipath error and atmospheric bias. Approaches such as Differential GNSS can improve localization accuracy, but usually require investment in expensive base stations. Connected vehicle technologies provide an alternative approach to improving the localization accuracy. It will be shown in this paper that localization accuracy can be enhanced using crude GNSS measurements from a group of connected vehicles, by matching their locations to a digital map. A Rao-Blackwellized particle filter (RBPF) is used to jointly estimate the common biases of the pseudo-ranges and the vehicle positions. Multipath biases, which introduce receiver-specific (non-common) error, are mitigated by a multi-hypothesis detection-rejection approach. The temporal correlation of the estimations is exploited through the prediction-update process. The proposed approach is compared to existing methods using both simulations and experimental results. It was found that the proposed algorithm can eliminate the common biases and reduce the localization error to below 1 meter under open sky conditions.

研究の動機と目的

• 電離層遅延や衛星時 clocks の誤差といった共通バイアスのため、低価格GNSS受信機におけるレーンレベルの位置特定精度が不足しているという問題に取り組む。
• 専用の基準局や高価なインfraを必要としない、差分GNSSやRTKの低コスト代替策を開発すること。
• 低価格GNSS測定値とデジタル地図制約のみを用いて、接続型車両間の協調位置特定を活用し、位置特定精度を向上させること。
• 共通バイアスに加え、マルチパスや受信機ノイズといった非共通誤差を、頑健な推定フレームワークにより低減すること。
• 実世界の実験を通じて、自動車グレードのGNSS受信機を用いて、信号状態の変化する条件下での手法の妥当性を検証すること。

提案手法

• 時間的相関を活用することで、車両位置と共通の擬似距離バイアスを同時に推定するため、Rao-Blackwellized Particle Filter (RBPF) を用いる。
• アルゴリズムは共通バイアスを時間変動パラメータとしてモデル化し、パーティクルフィルタリングとRao-Blackwellizationを組み合わせて、車両状態とともに推定することで分散を低減する。
• 地図マッチングを適用して、車両の軌道を既知の道路幾何形状に制約することで、位置推定精度を向上させる。
• 受信機固有のマルチパス誤差（非共通）を低減するために、マルチハイポセシス検出・除外手法を用いる。
• RBPFの予測・更新サイクルは、時間的ダイナミクスを活用することで、従来手法と比較して推定共分散を少なくとも2桁以上低減する。
• 受信機ノイズ共分散は実験データから推定され、マルチパス誘発バイアスに対応するための適応的共分散手法が適用される。

実験結果

リサーチクエスチョン

• RQ1 接続型車両から得られる低価格GNSS受信機のみを用いた協調地図マッチングが、インfraを要せず、1メートル未満の位置特定精度を達成できるか。
• RQ2 Rao-Blackwellizedパーティクルフィルタは、複数の車両間で擬似距離測定値の共通バイアスを効果的に推定・低減できるか。
• RQ3 提案手法は、自己位置特定法や静的協調地図マッチングと比較して、位置特定誤差をどの程度低減できるか。
• RQ4 信号遮断や衛星数の減少に対して、この手法はどの程度頑健か。
• RQ5 マルチパスや受信機ノイズといった非共通誤差は、このアルゴリズムによって効果的に低減可能か、同時に精度を維持できるか。

主な発見

• 提案されたRBPF手法は、屋外開放状況下で位置特定誤差を1メートル未満に低減し、自己位置特定法や静的協調地図マッチング手法を著しく上回った。
• 時間的相関の有効な活用のおかげで、RBPFの推定共分散は、従来提案されたアルゴリズムと比較して少なくとも2桁以上低減した。
• ゆっくり変化する共通位置特定バイアスはほぼ完全に除去され、自己位置特定法や従来のCMM手法を上回る高い精度が達成された。
• RBPFは信号遮断に対しても頑健である：2つの衛星を失った状況（HDOPが2.79から10.71に上昇）でも、バイアスフリーに近い位置特定を維持した。これに対して、静的手法はバイアス付きの結果を追跡していた。
• 受信機ノイズの低周波成分（非共通）は、3つの手法（自己位置特定、静的CMM、RBPF）すべてにおいて完全に低減できず、GNSSのみの手法の根本的限界を示している。
• u-blox EVK-6T受信機を用いた実験結果から、屋外開放状況下でも位置特定誤差が2メートル以内に保たれることを確認し、シミュレーションの結果を裏付けた。