基于边缘计算的车联网高精度定位差分数据服务系统设计.docxVIP

PAGE2

基于边缘计算的车联网高精度定位差分数据服务系统设计

摘要

随着智能网联汽车自动驾驶等级的不断提升，车辆对自身位置的感知精度要求已从米级提升至厘米级。传统的云端RTK差分数据服务模式受限于网络传输路径长、中心节点负载大等因素，难以满足复杂城市环境下低延迟、高可靠性的定位需求。本课题针对上述痛点，设计并实现了一套基于边缘计算的车联网高精度定位差分数据服务系统。系统采用“云-边-端”三层架构，将差分数据的播发功能下沉至网络边缘，显著降低了数据传输时延。

论文首先分析了车联网高精度定位的业务需求，确立了系统需具备毫秒级数据播发能力与动态误差修正功能。其次，构建了基于移动边缘计算（MEC）的RTK差分数据分发架构，设计了轻量级低延迟播发协议，并提出了基于卡尔曼滤波的定位误差实时修正算法。在详细设计阶段，对差分数据接入模块、边缘分发引擎及终端修正模块进行了逻辑实现。最后，通过搭建仿真测试环境，验证了系统在并发压力下的稳定性与定位精度。测试结果表明，系统平均端到端延迟降低至30ms以内，定位误差控制在5cm以内，有效提升了车联网定位服务的实时性与准确性。

第一章绪论

1.1研究背景

近年来，智能网联汽车产业蓬勃发展，自动驾驶技术正逐步从L2级辅助驾驶向L3级及以上自动驾驶演进。在此过程中，高精度定位作为自动驾驶系统的“眼睛”，是保障车辆安全行驶的关键技术之一。全球导航卫星系