Bağlantılı ve Otonom İşbirlikçi Konumlandırma

Abstract

Otonom araçların güvenli bir şekilde şehir ortamlarında seyir yapabilmeleri için kesin ve dayanıklı bir konumlandırma sistemi esastır. Mevcut yöntemler genel navigasyon uydu sistemlerine (GNSS) dayandığı zaman açık alanlarda etkili olsa da, çok katlı köprülerin alt katları, yüksek binalarla çevrili yollar ve metro gibi şehir kanyonlarında hassas konum belirleme zorlukları devam etmektedir. Bu çalışma, GNSS'den yoksun senaryolarda C-V2X kablosuz iletişimin otonom araç konumlandırmasını nasıl geliştirebileceğini araştırmaktadır. Özellikle, sadece C-V2X kanal durumu verilerini kullanarak şerit düzeyinde hassasiyet elde etmek için RSU destekli işbirlikçi bir konumlandırma alt yapısı olan CV2X-LOCA'yı öneriyoruz. CV2X LOCA, bilgi işleme modülü, çevre parametre düzeltme modülü, kaba konumlandırma modülü ve araç izdüşümü filtreleme modülünden oluşan dört ana bileşeni içermekte olup, dinamik C-V2X ağlarındaki zorluklara kolektif olarak yanıt vermektedir. Genel modelleme, CV2X-LOCA'nın gürültülü koşullarda, hızlı hareket eden araçlar ve seyrek RSU kapsamında dahi son teknoloji konumlandırma performansı elde ettiğini göstermektedir. Bulgular, ulaşım kurumlarının gelecekte maliyet etkin RSU dağıtımına ilişkin bilinçli kararlar almasına değerli içgörüler sunmaktadır.

This study investigates the ability of cellular-vehicle-to-anything (C-V2X) wireless communications to enhance AV localization in GNSS-deprived scenarios. Specifically, we propose CV2X-LOCA, a novel Road-Side-Unit (RSU)-assisted cooperative localization framework that leverages C-V2X channel state data to achieve lane-level accuracy. CV2X-LOCA includes four main components: a module of Information processing, an environmental parameter correction module, and a coarse positioning module and the vehicle trajectory filtering module collectively address challenges in dynamic C-V2X networks. The vehicle localization model in general demonstrates that CV2X-LOCA attains cutting-edge localization performance even in noisy conditions, with fast-moving vehicles and sparse RSU coverage. The findings provide transportation agencies with valuable insights to help them make informed decisions regarding the future cost-effective deployment of RSUs.