城市道路GNSS脆弱性評估技術

梅 浩，戰興群，李 源，劉寶玉

(上海交通大學 航空航天學院，上海 200240)

城市道路GNSS脆弱性評估技術

梅 浩，戰興群，李 源，劉寶玉

(上海交通大學 航空航天學院，上海 200240)

全球衛星導航系統(global navigation satellite system，GNSS)在交通領域應用廣泛，其服務性能的可靠性受到交通用戶日益增長的關注.但是，由于系統故障、電離層閃爍、多路徑效應、電磁干擾等脆弱性因素的存在，GNSS存在固有脆弱性，它影響GNSS的服務性能，甚至給用戶帶來巨大風險.當GNSS服務性能受到脆弱性因素干擾時，評估GNSS脆弱性，并且為用戶提供及時的脆弱性告警，可以有效降低脆弱性因素對用戶服務性能的影響.為評估不同城市道路環境下的GNSS脆弱性，在現有GNSS脆弱性評估算法的基礎上，針對城市道路環境的特點，提出了相應的GNSS交通應用脆弱性評估指標；并采用基于信息熵權的數據融合算法，計算導航場景距正負理想場景的距離，實現了多個導航場景的脆弱性評估.路測實驗表明，隧道、城市峽谷、林蔭道和開闊路段的脆弱性依次降低，該方法所選取的脆弱性評估指標和采用的脆弱性評估算法可滿足城市道路GNSS脆弱性評估需求.

GNSS；城市道路；脆弱性；評估；熵權；交通應用

全球衛星導航系統(global navigation satellite system，GNSS)是一個能夠連續、全天候為用戶提供導航、定位以及授時服務的無線電導航系統.近年來，GNSS發展迅速，在航海、測繪、交通、機械控制等領域得到了廣泛應用.但是，衛星信號到達地面時強度很弱，只有大約-160 dBW，并且存在著諸如電離層閃爍、多路徑效應、電磁干擾、衛星數量不足等因素可能使GNSS功能失效，這些因素稱為脆弱性因素.

脆弱性這一概念剛被提起時，文獻[1]對交通領域的GPS脆弱性進行了初步評估.隨后，各國學者對GNSS脆弱性問題進行了研究.文獻[2-3]分析了電離層閃爍對GPS信號的影響；文獻[4-5]用自適應濾波的手段實現了對連續GPS測量信號的多徑緩解；文獻[6-7]提出了依據信號強度、噪聲強度和載噪比進行抗欺騙干擾技術的方法；文獻[8]進行了針對精密單點定位的鐘跳修復研究等等.這些研究以定性研究或單項技術研究為主，定量的GNSS整體脆弱性研究剛剛起步.在有限的成果中，尚未出現適用于評價城市道路GNSS脆弱性的評估方法.例如，文獻[9]設計的基于D-S證據理論的脆弱性評估方法.通過大量長期觀測計算載噪比理論值，通過GNSS基站的自身精確定位計算幾何精度因子理論值.但對于城市普通道路環境，難以滿足上述要求，所以該方法難以評估城市道路GNSS脆弱性.文獻[10]設計的基于用戶端適用性的GNSS脆弱性評估方法.該方法以用戶為核心，通過用戶提供的“適用度”與“容忍度”兩個指標確定評估指標的應用適用性，然后融合各個評估指標的應用適用性得到適用度.但是，不同交通用戶提供的“適用度”與“容忍度”不盡相同且難以得到.

本文針對不同城市道路環境的特點，選取了3個GNSS脆弱性評價參數，提出了基于信息熵權與正、負理想方案“距離”的脆弱性評估方法.利用數據融合算法，對不同城市道路環境完成了GNSS脆弱性性能排序.

1 城市道路GNSS脆弱性及脆弱性因素

1.1 GNSS脆弱性與系統的關系[11]

GNSS脆弱性與系統的關系體現在:1)脆弱性是GNSS的固有屬性；2)脆弱性含義，為系統受到威脅的可能性;3)脆弱性表現，為系統受到威脅時，威脅對系統的影響程度.

1.2 GNSS脆弱性與用戶的關系[10]

GNSS脆弱性與用戶的關系體現在：1)GNSS脆弱性的評估緊緊依賴于用戶需求；2)對于不同用戶，GNSS脆弱性的評估指標可能不同；3)對于同一用戶，GNSS脆弱性的評估轉變為對GNSS性能的評估.

對于城市道路上的交通用戶，上述總結仍然適用.因此，對城市道路GNSS脆弱性的評估，可轉變為對不同城市道路環境GNSS性能的評估.

對于城市道路環境，GNSS脆弱性因素可分為3大類：系統相關脆弱性、建筑物遮擋相關脆弱性和電磁干擾相關脆弱性.

1)系統相關脆弱性.衛星數量不足時，例如當GPS衛星數量少于24顆時，用戶服務范圍將下降，用戶服務可能中斷；衛星時鐘異常時，例如當衛星時鐘出現鐘漂或鐘跳時，衛星時鐘變得不可預測，最后鐘差緩慢增長使系統功能失效.

電離層閃爍，是電離層對衛星信號造成延時中比較嚴重的部分.它指衛星信號穿過電離層時，由于電離層中的離子濃度分布不均勻，載波將出現幅值和相位的劇烈變化.當接收機接收到受到電離層閃爍影響的衛星信號時，載噪比將會出現劇烈抖動，信噪比也會下降；更為嚴重的情況下，甚至將會導致衛星失鎖的情況發生.

2)建筑物遮擋相關脆弱性.城市中高樓林立，建筑物遮擋衛星信號，使接收機無法接收，對衛星信號形成物理上的阻塞.例如隧道中，衛星信號被完全頻閉.

在城市峽谷等典型路段，多路徑效應相當嚴重.即接收機接收到衛星信號時，所接收到的不僅是衛星信號，同時，還有經過多路徑反射后再傳播至接收機的衛星信號.當多路徑效應相當嚴重時，偽距測量誤差急劇增大，造成定位功能失效；此時，多路徑效應從誤差影響因素轉變為脆弱性因素.

3)電磁干擾相關脆弱性.城市中電磁環境復雜，存在嚴重的電磁干擾.

非故意干擾，來源可以是甚高頻通信電臺、GNSS頻帶帶寬內的雷達系統，軍用設備等.這些設備發出的電磁信號與衛星信號形成干涉，對衛星信號形成干擾; 故意干擾，即人為干擾.阻塞干擾時，即利用GNSS衛星信號功率低的特點，制造功率遠大于衛星信號的同頻率干擾信號，使衛星信號淹沒于干擾信號中.欺騙干擾時，制造虛假衛星信號，發射虛假衛星電文，進而使GNSS功能失效.

2 城市道路GNSS脆弱性評估系統

本文采取的評估方式是：車輛攜帶設備在多個目標導航場景進行實地信號采集，利用實地采集到的接收機數據，采用數據融合算法對數據進行處理，最后評價多個導航場景GNSS脆弱性.評估框架如圖1所示，可分為：選取脆弱性評估指標，利用相對距離數據融合算法計算單個導航場景評估指標特征值，利用雙基點數據融合算法計算多個導航場景脆弱性性能.

2.1 評估指標選取

城市道路條件復雜，存在著諸如隧道、城市峽谷、林蔭道等典型道路，對衛星信號產生遮擋.城市峽谷中的多路徑效應相當嚴重，同時存在著大量的電磁干擾，降低衛星信號質量甚至頻閉衛星信號.考慮到城市環境的特殊性，同時結合GNSS的固有脆弱性，本文選取載噪比、幾何精度因子、偽距測量誤差作為脆弱性評估指標，如圖2所示.

2.1.1 載噪比

本文采用實際C/N0(carrier power to noise density ratio)的計算方法.假設在累積間隔γ內，I、Q支路的采樣值被劃分M個區間，利用I/Q支路的相干積分結果計算帶寬為M/γ的寬帶功率PW和帶寬為1/γ的窄帶功率PN為:

通道內I、Q支路的相干積分IPi和QPi表示為:

式中：wIP、wQP分別為標準正態高斯噪聲.為降低窄帶功率和寬帶功率的比值中噪聲的影響，對測量值做n個時刻的平均：

圖1 城市道路GNSS脆弱性評估框架

圖2 脆弱性因素與評估指標的關系

于是，以Hz為單位的C/N0計算公式為

2.1.2 幾何精度因子

導航學用精度因子DOP反應衛星布局的好壞.DOP決定測量誤差在不同衛星布局時被放大的倍數.本文選取GDOP(幾何精度因子)反映衛星的幾何分布.

接收機中的觀測誤差方程組為:

將初始坐標X0代入觀測誤差方程組，迭代得到：

2.1.3 偽距測量誤差

偽距測量值與定位精度直接相關，在信號質量和衛星布局不變時，偽距測量誤差越小，定位精度越高.

定義單顆衛星的偽距測量誤差Δρ為

式中：ρ為軟件接收機通過碼相位得到的偽距測量值；I為電離層延時誤差修正項；T為對流層延時誤差修正項；Δt為接收機時鐘誤差修正項；R為衛星與監測站之間的真實距離.

本文中，利用自身精確定位和衛星星歷計算真實距離R，文獻[12]說明了差分GPS技術計算精確定位的方法.

2.2 導航場景特征參數計算

每個導航場景中，交通用戶依賴多顆衛星實現定位；接收機接收到每顆衛星的信號，均可計算此衛星的C/N0、Δρ.

取接收機接收到所有衛星定位解算時刻的數據段，計算GDOP、C/N0、Δρ，得到評估指標隨時間變化的曲線.求平均值，得到導航場景GDOP特征值及每顆衛星的C/N0、Δρ.

現需要將多顆衛星的C/N0、Δρ科學地融合起來，得到最能反應導航場景特性的載噪比特征值CH_C/N0及相對偽距測量誤差RPE.

以4顆衛星計算CH_C/N0為例(GDOP特征值與RPE同理可得).將4顆衛星C/N0記為x1、x2、x3、x4.

測量兩數據的相對距離為

定義隸屬度函數：

可以看到，兩數據越接近時，相對距離dij越小，隸屬度函數rij越大，表示兩者相互支持的程度越大，則兩者在融合中所占的權重越大.那么，可以建立支持度矩陣：

由于矩陣R是非負的實對稱矩陣，必存在非負的實特征值.設矩陣R最大模特征值為γ，對應的特征向量為

文獻[13]給出了各數據基于整體數據的權系數，可得特征載噪比為:

2.3 多種導航場景脆弱性評估

以3個典型交通導航場景為例開展評估.首先建立數據庫：

將各個評價指標標準化，以GDOP為例：

可得到評估指標隸屬度矩陣：R=(πij)3×3.文獻[14]將熱力學中“熵”的概念引入信息論，利用信息熵表示系統無序的程度.信息熵越大，則系統無序程度越小.定義一組指標的信息熵為

系統中，某個指標的信息熵越小，表示指標的變異程度越大，提供的信息量越大，在綜合評價中所占的權重越大.文獻[15]給出了熵權的計算方法：

導航場景的載噪比特征值CH_C/N0反應了交通用戶在該導航場景中接收到衛星信號的質量；幾何精度因子特征值GDOP反應了接收機對衛星的觀測誤差對定位精度的影響；相對偽距測量誤差RPE反應了接收機的測距誤差對定位精度的影響.

由于3個評價指標從3個不同方面反應了GNSS的性能，若簡單地乘以熵權相加，則無法準確評價GNSS脆弱性.所以，將不同導航場景的同一指標先進行比較，再結合各指標的熵權，可以更為準確地評價各導航場景GNSS脆弱性.

從各導航場景中，選取一組最優指標建立1套虛擬的正理想方案；選取一組最劣指標建立1套虛擬的負理想方案；再結合各指標的熵權，計算各實際導航場景距正、負理想方案的距離，從而更準確地比較各實際導航場景GNSS脆弱性的優劣.

由于GDOP、RPE越小，C/N0越大，GNSS性能越好；所以，選取最小的GDOP、RPE和最大的C/N0為正理想方案；選取最大的GDOP、RPE和最小的C/N0為負理想方案.結合各指標的熵權，計算實際方案距正、負理想方案的距離：

距離正理想方案越近，則脆弱性性能越好；距離負理想方案越近，則脆弱性性能越差.

3 路測實驗

3.1 典型城市道路

3.1.1 開闊路段

開闊道路，指兩側均無遮擋的道路.開闊路段對衛星信號沒有遮擋，接收機在開闊路段不僅可跟蹤到10顆以上GPS衛星，而且參與定位解算的幾何構型非常好，同時，信號質量不受影響.足夠數量的衛星及優質的信號質量導致了GNSS良好的服務性能.

3.1.2 林蔭道

林蔭道，指兩側有高大樹木的道路.林蔭道兩側的樹木及樹葉遮擋衛星信號，并且增強了多路徑效應.由于衛星數量的減少及信號質量的略微降低，GNSS服務性能將略微降低.

3.1.3 城市峽谷

城市峽谷，指道路兩側均有高度≥20 m的建筑物.由于高大建筑物對衛星信號的遮擋，接收機無法搜索到4顆衛星完成定位.并且，多路徑效應嚴重，信號質量嚴重降低.城市峽谷中，GNSS服務性能嚴重降低.

3.1.4 隧道

隧道中，衛星信號被完全阻隔.接收機無法搜索到衛星，GNSS服務性能癱瘓.

各城市道路條件可看作“不同類型”的特征道路或特征道路的“組合”.例如，高架橋下可視為另一“類型”的城市峽谷，對衛星信號的兩側遮擋轉變為上方遮擋；一側高樓、一側高大樹木的道路則可視為城市峽谷及林蔭道的組合.

3.2 導航場景選取與衛星軌道參數

選取導航場景與衛星星歷見表1.

表1 主要導航場景信息

3.3 計算單顆衛星特征值

3.3.1 開闊路段

接收機捕獲到9顆衛星，8顆用于定位解算.計算得到評估指標特征值，見表2.

3.3.2 普通道路

接收機捕獲到6顆衛星，均用于定位解算，計算得到評估指標特征值，見表3.

3.3.3 林蔭道

接收機捕獲到5顆衛星，均用于定位解算，計算得到評估指標征征值，見表4.

表2 開闊路段評估指標特征值

表3 普通道路評估指標特征值

表4 林蔭道評估指標特征值

3.3.4 城市峽谷

接收機無法同時捕獲到4顆衛星，無法完成定位.特征C/N0=0(dB·Hz)，GDOP = 99.99(接收機軟件上閾值)，Δρ分別為：644.383 6、365.435 9、606.659 6、1 089.185 1 m.

3.3.5 隧道

衛星信號被完全頻閉，接收機無法捕獲到衛星.特征C/N0=0(dB·Hz)；GDOP = ∞，實際計算時取值99.99；Δρ= ∞，實際計算時，取值1 000 m，以近似正無窮.若取值過大，則使偽距測量誤差在評估中所占權重過大而不切實際.

3.4 計算導航場景評估指標特征值

由多種導航場景脆弱性評估，計算導航場景評估指標特征值，見表5.

表5 各導航場景特征指標

3.5 評價各導航場景脆弱性性能

由多種導航場景脆弱性評估，確定正、負理想方案，見表6.同時，計算各場景距正、負理想方案距離，見表7.

表6 正負理想方案

表7 距正、負理想方案距離

4 結 論

1)本文選擇載噪比、幾何精度因子、偽距測量誤差作為脆弱性評價指標，采用基于信息熵權的數據融合算法，計算導航場景距正、負理想場景的距離，實現了多個導航場景的GNSS脆弱性評估.

2)路測試驗表明，開闊道路、林蔭道、城市峽谷、隧道的GNSS脆弱性性能依次降低.本文算法可以完成城市道路GNSS脆弱性評估.

3)普通道路的實驗地點——萬芳路兩側遮擋物較少，因此脆弱性情況較好.

4)評價導航場景不同“時段”脆弱性，則需要在不同時段采集數據，然后利用本文算法評估脆弱性.

[1] VOLPE J A. Vulnerability assessment of the transportation infrastructure relying on the global positioning system[R]. [S.l.]: NTSC NAVCEN draft report, 2001.

[2] VAN DIERENDONCK A J. Eye on the ionosphere: measuring ionospheric scintillation effects from GPS signals [J]. GPS Solutions, 1999, 2(4): 60-63. DOI: 10.1007/PL00012769.

[3] SKONE S, KNUDSEN K, DE JONG M. Limitations in GPS receiver tracking performance under ionospheric scintillation conditions[J]. Physics and Chemistry of the Earth, Part A: Solid Earth and Geodesy, 2001, 26(6/7/8): 613-621. DOI: 10.1016/S1464-1895(01)00110-7.

[4] GE Linlin, HAN Shaowei, RIZOS C. Multipath mitigation of continuous GPS measurements using an adaptive filter[J]. GPS Solutions, 2000, 4(2): 19-30. DOI: 10.1007/PL00012838.

[5] BRAASCH M S. Performance comparison of multipath mitigating receiver architectures[C]//Proceedings of the 2001 IEEE Aerospace Conference. Big Sky, MT: IEEE, 2001:31309-31505. DOI: 10.1109/AERO.2001.931361.

[6] JAHROMI J A, BROUMANDAN A, NIELSEN J, et al. GPS spoofer countermeasure effectiveness based on signal strength, noise power, and C/N0 measurements[J]. International Journal of Satellite Communications and Networking, 2012, 30(4): 181-191. DOI: 10.1002/sat.1012.

[7] ALEGRE F, AMEHRAYE A, EVANS N. A one-class classification approach to generalised speaker verification spoofing countermeasures using local binary patterns[C]//Proceedings of the 2013 IEEE Sixth International Conference on.Biometrics: Theory, Applications and Systems (BTAS). Washington, DC: IEEE, 2013: 1-8. DOI: 10.1109/BTAS.2013.6712706.

[8] GUO Fei, ZHANG Xiaohong. Real-time clock jump compensation for precise point positioning[J]. GPS Solutions, 2014, 18(1): 41-50. DOI:10.1007/s10291-012-0307-3.

[9] LIU Xuan, ZHAN Xingqun, CHEN Maolin. Quantitative assessment of GNSS vulnerability based on DS evidence theory[J]. Journal of Aeronautics, Astronautics and Aviation, 2014, 46(3): 191-201. DOI： 10.6125/14-0331-790.

[10]JING Shuai, ZHAN Xingqun, LIU Xuan, et al. GNSS vulnerability assessment based on application suitability[C]//Proceedings of the 27th International Technical Meeting of The Satellite Division of the Institute of Navigation. Tampa, Florida: ION GNSS+ 2014, 2014: 2291-2298.

[11]嚴凱.GNSS脆弱性仿真評估平臺技術研究[D].上海：上海交通大學，2013. YAN Kai. Research on GNSS vulnerability simulation assessment platform technique[D]. Shanghai: Shanghai Jiao Tong University,2013.

[12]MORALES Y, TSUBOUCHI T. DGPS, RTK-GPS and Starfire DGPS performance under tree shading environments[C]//Proceedings of the IEEE International Conference on Integration Technology. Shenzhen: IEEE, 2007:519-524. DOI:10.1109/ICITECHNOLOGY.2007.4290370.

[13]KLEIN L A.多傳感器數據融合理論及應用[M]. 戴亞平,劉征,郁光輝,譯.北京：北京理工大學出版社, 2004:47-56. KLEIN L A. Multi-sensor data fusion theory and application[M]. DAI Yaping, LIU Zheng, YU Guanghui, T. Beijing: Beijing Institute of Technology Press, 2004:47-56.

[14]ZHOU Jian, LI Xibing. Integrating unascertained measurement and information entropy theory to assess blastability of rock mass[J]. Journal of Central South University, 2012, 19(7):1953-1960. DOI: 10.1007/s11771-012-1231-y.

[15]孟憲萌, 胡和平. 基于熵權的集對分析模型在水質綜合評價中的應用[J]. 水利學報, 2009, 40(3): 257-263. DOI: 10.3321/j.issn:0559-9350.2009.03.001. MENG Xianmeng, HU Heping. Application of set pair analysis model based on entropy weight to comprehensive evaluation of water quality [J]. Journal of Hydraulic Engineering, 2009, 40(3):257-263. DOI: 10.3321/j.issn:0559-9350.2009.03.001.

(編輯 張 紅)

A GNSS vulnerability assessment technique of urban roads

MEI Hao, ZHAN Xingqun, LI Yuan, LIU Baoyu

(School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China)

Global Navigation Satellite System (GNSS) is now widely used in transportation, and the users have shown growing concerns with the service reliability of GNSS. However, due to the factors such as ionospheric scintillation, multi-path effect, and electromagnetic interference, GNSS has inherent vulnerability, which may damage the quality of GNSS service, and even cause enormous risks. Assessing GNSS vulnerability and releasing alarms to users when vulnerability factors happen are the valid way to consolidate GNSS utilization. To assess GNSS vulnerability under urban roads, this paper proposes three proper vulnerability assessment indexes and conducts vulnerability assessment by the utilization of entropy weight method. Road experiments showed that tunnel, urban canyon, avenue and open road are decreasingly vulnerable, and the algorithm proposed is capable of assessing GNSS vulnerability of urban roads.

GNSS; urban roads; vulnerability; assessment; entropy weight; transportation application

10.11918/j.issn.0367-6234.201601111

2016-01-29

面向中國中東部地區的相位增強運行服務系統研制與應用示范(2014AA123103)

梅 浩(1990—),男，碩士研究生； 戰興群(1970—),男，教授，博士生導師

戰興群，xqzhan@sjtu.edu.cn

TN967.1

A

0367-6234(2017)04-0101-07