基于BDS/GSM-R組合列車定位方法的研究

李衛東，侯麗虹，王友生

(1. 大連交通大學 電氣信息學院，遼寧 大連 116028；2. 渤海石油裝備有限公司 第一機械廠，河北 滄州 062658)

?

基于BDS/GSM-R組合列車定位方法的研究

李衛東1，侯麗虹1，王友生2

(1. 大連交通大學 電氣信息學院，遼寧 大連 116028；2. 渤海石油裝備有限公司 第一機械廠，河北 滄州 062658)

摘要:針對衛星定位容易丟失信號的問題，提出北斗衛星導航技術與GSM-R技術相結合的定位方法。根據哈爾濱西至長春鐵路線的實測數據，利用BP神經網絡構造BDS/GSM-R定位信息的融合模型，采用遺傳算法優化BP神經的權值和閾值，對比優化前和優化后的BDS/GSM-R組合定位方法。實驗結果表明：優化后的BP神經網絡訓練結果與列車實際運行軌跡偏差更小，東向、北向、方位角定位誤差的波動范圍明顯減小，可以保持列車定位的連續性和精確性。

關鍵詞：北斗衛星導航系統；GSM-R；遺傳算法；BP神經網絡

隨著我國鐵路建設事業的快速發展，列車的高速行駛對列車運行控制系統的智能性提出了更高的要求。在列車運行控制系統中，列車定位系統扮演著重要角色[1]。各國采用的列車定位方式有所不同，法國ASTREE系統采用多普勒雷達定位法；德國LZB系統采用軌間電纜定位法；北美ARES，PTC和PTS系統采用GPS定位法；歐洲ETCS系統和日本CARAT系統采用查詢/應答器和里程計融合的定位法[2]。目前，我國CTCS系統根據具體的功能要求和系統配置采用GPS定位為主，軌道電路定位為輔的方法進行定位，并已將GPS和“北斗”導航系統用于青藏鐵路列車定位和運輸調度指揮的研究。因此，對基于衛星導航的列車定位方法進行深入研究，對于推動我國鐵路運輸業的發展具有重大和深遠的意義。

1列車定位方法研究現狀

GPS可以提供全天候的，覆蓋全球的標準授時/導航定位服務，在衛星可視的情況下可以滿足實時、連續、高效的定位要求[3]。中國北斗衛星導航系統(BDS)是繼GPS之后的第二大全球衛星導航系統，其建設與發展為列車定位提供了更多的資源保障，但是衛星導航用于列車定位時，衛星信號的強度容易受到周圍環境的影響，面臨信號遮蔽、電磁干擾、多徑效應等多種挑戰[4]。因此，在利用衛星導航系統獲取定位信息的同時，尋求彌補其缺陷的方法，以保證列車的連續準確定位顯得尤為重要。近年來，學者們對協同定位方法進行了大量研究，航位推算法[5]，地圖匹配法[6-8]，多傳感器信息融合法[9]等都是常用的輔助衛星導航定位的方法。航位推算法的優點是充分利用了歷史數據，且有效性不受外界影響；缺點是僅能推算相對位置，誤差隨時間推移不斷積累。地圖匹配法的優點是提高了列車定位的精度，缺點是開發高精度的電子地圖成本較高，地圖匹配算法復雜，匹配精度依賴于地圖數據的處理。多傳感器信息融合法的優點是結合了各個傳感器的優點，容錯能力強，缺點是實時性不好，而且對硬件要求較高，使用范圍受到限制。

在列車運行控制系統中，GSM-R是關系到車-地無線通信的重要紐帶，不僅具有無線傳輸功能，還能以多種方式實現無線測距，可以起到協同定位的作用。發揮GSM-R的定位功能是解決衛星定位問題的重要途徑，本文采用基于遺傳算法改進的BP神經網絡的融合算法，將北斗衛星采集數據與GSM-R傳輸數據相結合，提出了基于BDS/GSM-R組合的列車定位方法。該方法的優點主要體現在3個方面，北斗衛星導航系統具有雙向通信的能力，并且定位精度與GPS相當；遺傳算法改進的BP神經網絡具有更強的泛化能力，能夠充分逼近復雜的非線性映射關系，非常適合應用于大容量、多信息的列車運行控制系統中，而且有助于列車在盲區運行時的位置預測；不需要其他的輔助測量設備，只利用北斗衛星和GSM-R提供的列車位置信息，就可以通過神經網絡擬合出列車的行駛路線。

2基于BDS/GSM-R組合的列車定位方法

2.1BDS/GSM-R組合定位的原理

北斗衛星導航系統(BDS)是我國自主研發、獨立運行的具有雙向通信能力的全球衛星導航系統。目前，我國已經建成了“5GEO+5IGSO+4MEO”的系統空間星座結構，可以為亞太地區提供無源導航服務，2020年建成后可以提供覆蓋全球的導航服務[10-11]。GSM-R是國際鐵路聯盟(UIC)和歐洲電信標準研究所 (ETSI)為歐洲新一代鐵路無線移動通信開發的技術標準[12-13]。GSM-R采用GSM技術標準和鐵路專用的通信頻段，形成了一個列車與地面之間的大容量雙向無線通信系統，通過GSM-R建立列車與監控中心的聯系，可實現對列車運行的實時監控。

列車在運行過程中，由于線路、地形情況的變化較大，不同的地方需要采用不同的定位方式，因此，本文提出了BDS/GSM-R組合定位的構想。我國鐵路線附近的GSM-R通信網絡呈線狀覆蓋區域，GSM-R通信網絡基站之間的距離一般為5～6 km，每個小區的覆蓋范圍是2～4 km[14-15]。在實際布局中，綜合考慮環境干擾，容錯率和費用等問題，基站分布通常采用單層和雙層交織的混合模式。網絡通信信號的強度完全可以滿足，北斗衛星接收信號減弱或消失時列車定位的要求。

列車上需要同時安裝北斗衛星信號接收終端和GSM-R信號接收終端，信息系統接收來自北斗衛星和GSM-R的2種定位數據，并利用北斗衛星定位信息對GSM-R定位信息進行校準。當列車運行在平原、鄉村等開闊地帶時，可以利用北斗衛星導航系統進行獨立定位；當列車運行在隧道、山區、森林、建筑群等地區時，采用BDS/GSM-R組合定位方案，識別列車的當前運行軌跡。為了充分融合北斗衛星和GSM-R接收的數據，本文提出了一種基于遺傳算法改進的BP神經網絡的融合算法，以提高定位的實時性和準確性。

2.2基于遺傳算法改進的BP神經網絡融合算法

BP神經網絡是一個非線性動力學系統，它由許多并行運算的神經元組成，其特色在于信息的分布式存儲和并行協同處理。單個神經元結構簡單，功能有限，但大量神經元構成的網絡系統所能實現的功能卻是極其豐富的。但是BP神經網絡也存在不少問題，初始權值選擇不當，容易產生局部極小值，減慢學習算法的收斂速度[16]。遺傳算法是一種自適應的迭代尋優過程，與BP神經網絡算法相比，最大的區別是可用于復雜系統全局性的優化計算[17]。利用遺傳算法改進BP神經網絡的重要功能在于能夠從外部輸入中學習并改善其行為，即通過遺傳算法的全局尋優能力來修正神經網絡的連接權值等參數，使BP神經網絡進入一種新的更為適應外部環境的狀態。

本文用改進的遺傳算法優化BP神經網絡權值和閾值的基本思想是：首先對輸入樣本數據進行預處理，初始化BP神經網絡參數，其次用改進的遺傳算法對BP神經網絡權值進行優化，再次將最佳神經元的權值和閾值賦給BP神經網絡訓練，最后輸出神經網絡的訓練結果。算法的主要步驟如下：

1) 構建BP神經網絡，理論上已經證明，3層神經網絡可以實現任意復雜的非線性映射問題。因此本文采用3層BP神經網絡作為信息融合中心，輸入層為GSM-R傳輸的列車位置和方向信息P(xGSM-R,yGSM-R,θGSM-R)，對應的輸出層為北斗衛星采集的列車位置和方向信息T(xBDS,yBDS,θBDS)，隱含層神經元數目選為10。隱含層傳遞函數選取非線性SIGMOID函數，輸出層采用線性傳遞函數。

2) 對輸入數據進行預處理，設置種群數目和優化目標，對初始化的BP神經網絡權值和閾值進行編碼。在遺傳算法中，編碼影響著算法的性能和種群的多樣性。本文采用實數編碼，對權值和閾值的取值范圍進行約束，有效地保持了算法的搜索能力和種群的多樣性。

3) 計算各初始種群對應的適應度函數值

式中：Pi是輸入向量；Ti是輸出向量；N是樣本數據個數。

4) 采用輪盤賭選擇法選擇合適的個體作為進化的父本，一定概率的最優父本可以直接復制到下一代種群，其余的則在選擇后進行交叉和變異操作。

5) 將選擇后得到的新種群按照預先確定的交叉概率用單點交叉的方式進行交叉操作。

6) 將選擇后的種群依據預先給定的變異概率進行變異操作。

7) 重復進行步驟4)，5)和6)，直至達到最大進化代數后結束。

8) 將得到的最佳權值和閾值賦給用BP神經網絡訓練，判斷是否滿足精度要求。若滿足則算法結束，輸出訓練結果；否則，繼續進行訓練，直至達到精度要求為止。算法流程圖如圖1所示。

圖1　算法流程圖Fig.1 Algorithm process

3仿真結果與分析

為了驗證本文提出的基于BDS/GSM-R組合列車定位方法的有效性，采用哈爾濱西至長春運營線路的實測數據進行仿真測試。列車最高時速200km/h，平均車速為99.90km/h。北斗Ⅱ衛星接收機設置1s接收1次數據，以哈爾濱西站的經緯度坐標為起點基準位置，列車實際運行13.286km，共采集了400個北斗Ⅱ衛星的測量數據和GSM-R傳輸數據。分別建立基于BP神經網絡融合算法的BDS/GSM-R組合定位模型和基于遺傳算法改進的BP神經網絡融合算法的BDS/GSM-R組合定位模型。

對比圖2和圖3可知，無論是基于BP神經網絡融合算法的BDS/GSM-R組合定位法的訓練結果，還是基于遺傳算法改進的BP神經網絡融合算法的BDS/GSM-R組合定位法的訓練結果，都可以與列車的實際運行軌跡相重合。但是經過遺傳算法優化后的BP神經網絡學習性能和泛化能力都明顯優于傳統的BP神經網絡，擬合曲線更加接近于實際鐵路線路的發展變化趨勢，靈活性更好，能夠真實的反應出列車運行軌跡的細節特征。

圖2　BP神經網絡擬合曲線Fig.2 BP neural network fitting curve

圖3　GABP網絡擬合曲線Fig.3 GABP network fitting curve

通過觀察圖4～6可知，基于遺傳算法改進的BP神經網絡融合算法的BDS/GSM-R組合定位法，東向、北向和方向角誤差的波動范圍均小于基于BP神經網絡融合算法的BDS/GSM-R組合定位法。基于BP神經網絡融合算法的BDS/GSM-R組合定位法的東向定位誤差范圍為-42.96～51.18m，北向定位誤差范圍為-32.66～44.38m，方向角誤差在-0.3182°～0.5726°。基于遺傳算法改進的BP神經網絡融合算法的BDS/GSM-R組合定位法的東向定位誤差范圍在-21.48～18.41m，北向定位誤差范圍在-18.20～27.39m，方向角誤差在-0.1632°～0.1667°。優化后與優化前相比，東向定位誤差降低了54.25%，北向定位誤差降低了32.45%，方向角誤差降低了56.09%。

圖4　東向定位誤差Fig.4 East positioning error

圖5　北向定位誤差Fig.5 North positioning error

圖6　方向角誤差Fig.6 Azimuth error

4結論

1)本文提出的BDS/GSM-R組合列車定位方法的突出特點是北斗衛星導航系統和GSM-R技術都可以實現車-地通信，并且二者可以形成優勢互補，有助于列車在盲區運行時的位置預測。

2)采用BP神經網絡算法融合北斗衛星采集的列車位置信息和GSM-R傳輸的列車位置信息，可以簡化建立系統模型的復雜度，減少系統誤差造成的積累。克服了傳統的數據融合方法在系統本身存在不確定因素時，難以建立系統模型的缺點。

3)遺傳算法優化之后的BP神經網絡學習能力和泛化能力增強，擬合的結果與列車實際運行軌跡偏差更小，東向、北向和方位角定位誤差的波動范圍明顯減小。

參考文獻：

[1]SamerSS.AmapmatchingapproachfortrainpositioningPartⅡ:Applicationandexperimentation[J].IEEETransactionsonVehicularTechnology, 2000,49(2):476-484.

[2] 吳汶麟.國外鐵路信號新技術[M].北京：中國鐵道出版社,2006.

WUWenlin.Foreignrailwaysignalingnewtechnology[M].Beijing:ChinaRailwayPublishingingHouse,2006.

[3]SchlingelhofM,BetailleD,BonnifaitP,etal.Advancedpositioningtechnologiesforco-operativesystems[J].IETIntelligentTransportSystems, 2008,2(2):81-91.

[4] 劉江,蔡伯根,王云鵬.基于GNSS/DSRC融合的協同車輛定位方法[J]. 交通運輸工程學報,2014,14(4):116-126.

LIUJIANG,CAIBaigen,WANGYunpeng.CooperativevehiclepositioningmethodbasedonGNSS/DSRCfusion[J].JournalofTrafficandTransportationEngineering, 2014,14(4):116-126.

[5] 王劍,劉江,上官偉，等.基于道岔曲線信息的列車定位方法研究[J].交通運輸系統工程與信息,2010,10(2):64-69.

WANGJIAN,LIUJIANG,SHANGGuanWei.Switchcurveinformationbasedtrainpositioningmethod[J].JournalofTransportationSystemsEngineeringandInformationTechnology, 2010,10(2):64-69.

[6]GustafssonF,GunnarssonF,BergrnanN,etal.Particlefiltersforpositioning,navigation,andtracking[J].IEEETransactionsonSignalProcessing, 2002(50):425-435.

[7]LiKanger,TanHS,HedrickJK.Map-aidedGPS/INSlocalizationusingalow-orderconstrainedunscentedKalmanfilter[C]//IEEE.Proceedingsofthe48thIEEEConferenceonDecisionandControlHeldJointlywith2009 28thChineseControlConference.Shanghai:IEEE, 2009:4607-4612.

[8] 劉江,蔡伯根,王劍,等.列車定位軌道電子地圖數據約簡算法研究[J].鐵道學報,2011,33(8):73-79.

LIUJIANG,CAIBaigen,WANGJIAN,etal.Researchonalgorithmofelectronictrackmapdatareductionfortrainlocating[J].JournaloftheChinaRailwaySociety,2011,33(8):73-79.

[9] 劉江,蔡伯根,唐濤，等.基于GPS與慣性測量單元的列車組合定位系統[J].中國鐵道科學,2010,31(1): 123-129.

LIUJIANG,CAIBaigen,TANGTAO,etal.TrainintegratedpositioningsystembasedonGPSandinertialmeasurementunit[J].ChinaRailwayScience, 2010,31(1): 123-129.

[10] 李鶴峰,黨亞民,秘金鐘，等.北斗衛星導航系統的發展、優勢及建議[J].導航定位學報,2013,1(2):49-54.

LIHefeng,DANGYamin,BEIJinzhong,etal.Development,advantagesandsuggestionsofBeiDounavigationsatellitesystem[J].JournalofNavigationandPositioning, 2013,1(2):49-54.

[11] 李克昭,韓夢澤,孟福軍.北斗系統的特色、機遇與挑戰[J].全導航定位學報,2014,2(2):21-25.

LIKezhao,HANMengze,MENGFujun.Features,opportunitiesandchallengesofBDS[J].JournalafNavigationandPositioning, 2014,2(2):21-25.

[12] 朱惠忠,張亞平,蔣笑冰，等.GSM-R通信技術與應用[M].北京：中國鐵道出版社,2005.

ZHUHuizhong,ZHANGYaping,JIANGXiaobing,etal.GSM-Rcommunicationtechnologyandapplication[M].Beijng:ChinaRailwayPublishingingHouse, 2005.

[13] 王磊.基于GPS和GSM-R的列車定位系統研究[D].成都：西南交通大學,2008.

WANGLEI.Thestudyoftrains’spositioningsystembasedonGPSandGSM-R[D].Chengdu:SouthwestJiaotongUniversity,2008.

[14] 高禮群.基于GSM-R網絡的列車組合定位技術研究[D].成都：西南交通大學,2013.

GAOLiqun.ResearchontrainintegratedlocationtechnologybasedonGSM-Rnetwork[D].Chengdu:SouthwestJiaotongUniversity,2013.

[15]FeuersteinMJ,BlackardPathLoss.Delayspread,andOutagemodelsasfunctionsofantennaheightformicrocellularsystemdesign[J].IEEETransactionsonVehicularTechnology, 1994:186-188.

[16] 胡衛東,曹文貴.基于粒子群BP網絡混合算法的邊坡穩定性評價[J].鐵道科學與工程學報,2015,12(1):66-71.

HUWeidong,CAOWengui.SlopestablilityevaluationbasedonhybridalgorithmofparticleswarmoptimizationandBPneuralnetwork[J].JournalofRailwayScienceandEngineering, 2015,12(1):66-71.

[17] 謝學斌,羅海霞,楊承祥，等. 基于遺傳單純形算法與RBF網絡的地應力場反演方法[J].鐵道科學與工程學報,2015,12(1):72-78.

XIEXuebin,LUOHaixia,YANGChengxiang,etal.BackanalysisofgeostressfieldwithRBFneuralnetworkandgenetic-simplexalgorithm[J].JournalofRailwayScienceandEngineering, 2015,12(1): 72-78.

(編輯陽麗霞)

Study of train positioning method based on BDS/GSM-R combination

LI Weidong1, HOU Lihong1, WANG Yousheng2

(1. School of Electronic and Information Engineering, Dalian Jiaotong University, Dalian 116028, China;2. Bohai Petroleum Equipment Corporation, The First Machinery Factory, Cangzhou 062658, China)

Abstract:Aiming at the problem that satellite positioning signal is easily lost, the positioning method that combine BeiDou satellite navigation technology with GSM-R technology was put forward. According to the measured data from the Harbin West railway station to Changchun,onethe BDS/GSM-R positioning information fusion model was firstly built using BP neural network structure. The BP neural weights and thresholds were optimized using genetic algorithm. Finally, the results before and after optimization of combined BDS/GSM-R positioning method was compared. . The results show that the difference between the training results of BP neural network after optimization and the practical operation tracks of train is reduced. The range of error located in the east and northoriention and azimuth error are obviously decreased.This method can keep the continuity and precision of train positioning.

Key words:beidou navigation satellite system; GSM-Railway; genetic algorism; BP neural network

中圖分類號：TP13

文獻標志碼：A

文章編號：1672-7029(2016)03-0552-05

通訊作者：李衛東(1963-)，男，遼寧大連人，教授，博士，從事鐵路信息與通信智能化技術、復雜系統分析與控制等方面的教學與科研；E-mail：leeluke@126.com

基金項目：國家自然科學基金資助項目(6147080)

收稿日期：2015-08-03