李卫东，侯丽虹，王友生

(1. 大连交通大学 电气信息学院，辽宁 大连 116028；2. 渤海石油装备有限公司 第一机械厂，河北 沧州 062658)



基于BDS/GSM-R组合列车定位方法的研究

李卫东1，侯丽虹1，王友生2

(1. 大连交通大学 电气信息学院，辽宁 大连 116028；2. 渤海石油装备有限公司 第一机械厂，河北 沧州 062658)

摘要:针对卫星定位容易丢失信号的问题，提出北斗卫星导航技术与GSM-R技术相结合的定位方法。根据哈尔滨西至长春铁路线的实测数据，利用BP神经网络构造BDS/GSM-R定位信息的融合模型，采用遗传算法优化BP神经的权值和阈值，对比优化前和优化后的BDS/GSM-R组合定位方法。实验结果表明：优化后的BP神经网络训练结果与列车实际运行轨迹偏差更小，东向、北向、方位角定位误差的波动范围明显减小，可以保持列车定位的连续性和精确性。

关键词：北斗卫星导航系统；GSM-R；遗传算法；BP神经网络

随着我国铁路建设事业的快速发展，列车的高速行驶对列车运行控制系统的智能性提出了更高的要求。在列车运行控制系统中，列车定位系统扮演着重要角色[1]。各国采用的列车定位方式有所不同，法国ASTREE系统采用多普勒雷达定位法；德国LZB系统采用轨间电缆定位法；北美ARES，PTC和PTS系统采用GPS定位法；欧洲ETCS系统和日本CARAT系统采用查询/应答器和里程计融合的定位法[2]。目前，我国CTCS系统根据具体的功能要求和系统配置采用GPS定位为主，轨道电路定位为辅的方法进行定位，并已将GPS和“北斗”导航系统用于青藏铁路列车定位和运输调度指挥的研究。因此，对基于卫星导航的列车定位方法进行深入研究，对于推动我国铁路运输业的发展具有重大和深远的意义。

1列车定位方法研究现状

GPS可以提供全天候的，覆盖全球的标准授时/导航定位服务，在卫星可视的情况下可以满足实时、连续、高效的定位要求[3]。中国北斗卫星导航系统(BDS)是继GPS之后的第二大全球卫星导航系统，其建设与发展为列车定位提供了更多的资源保障，但是卫星导航用于列车定位时，卫星信号的强度容易受到周围环境的影响，面临信号遮蔽、电磁干扰、多径效应等多种挑战[4]。因此，在利用卫星导航系统获取定位信息的同时，寻求弥补其缺陷的方法，以保证列车的连续准确定位显得尤为重要。近年来，学者们对协同定位方法进行了大量研究，航位推算法[5]，地图匹配法[6-8]，多传感器信息融合法[9]等都是常用的辅助卫星导航定位的方法。航位推算法的优点是充分利用了历史数据，且有效性不受外界影响；缺点是仅能推算相对位置，误差随时间推移不断积累。地图匹配法的优点是提高了列车定位的精度，缺点是开发高精度的电子地图成本较高，地图匹配算法复杂，匹配精度依赖于地图数据的处理。多传感器信息融合法的优点是结合了各个传感器的优点，容错能力强，缺点是实时性不好，而且对硬件要求较高，使用范围受到限制。

在列车运行控制系统中，GSM-R是关系到车-地无线通信的重要纽带，不仅具有无线传输功能，还能以多种方式实现无线测距，可以起到协同定位的作用。发挥GSM-R的定位功能是解决卫星定位问题的重要途径，本文采用基于遗传算法改进的BP神经网络的融合算法，将北斗卫星采集数据与GSM-R传输数据相结合，提出了基于BDS/GSM-R组合的列车定位方法。该方法的优点主要体现在3个方面，北斗卫星导航系统具有双向通信的能力，并且定位精度与GPS相当；遗传算法改进的BP神经网络具有更强的泛化能力，能够充分逼近复杂的非线性映射关系，非常适合应用于大容量、多信息的列车运行控制系统中，而且有助于列车在盲区运行时的位置预测；不需要其他的辅助测量设备，只利用北斗卫星和GSM-R提供的列车位置信息，就可以通过神经网络拟合出列车的行驶路线。

2基于BDS/GSM-R组合的列车定位方法

2.1BDS/GSM-R组合定位的原理

北斗卫星导航系统(BDS)是我国自主研发、独立运行的具有双向通信能力的全球卫星导航系统。目前，我国已经建成了“5GEO+5IGSO+4MEO”的系统空间星座结构，可以为亚太地区提供无源导航服务，2020年建成后可以提供覆盖全球的导航服务[10-11]。GSM-R是国际铁路联盟(UIC)和欧洲电信标准研究所 (ETSI)为欧洲新一代铁路无线移动通信开发的技术标准[12-13]。GSM-R采用GSM技术标准和铁路专用的通信频段，形成了一个列车与地面之间的大容量双向无线通信系统，通过GSM-R建立列车与监控中心的联系，可实现对列车运行的实时监控。

列车在运行过程中，由于线路、地形情况的变化较大，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组合定位的构想。我国铁路线附近的GSM-R通信网络呈线状覆盖区域，GSM-R通信网络基站之间的距离一般为5～6 km，每个小区的覆盖范围是2～4 km[14-15]。在实际布局中，综合考虑环境干扰，容错率和费用等问题，基站分布通常采用单层和双层交织的混合模式。网络通信信号的强度完全可以满足，北斗卫星接收信号减弱或消失时列车定位的要求。

列车上需要同时安装北斗卫星信号接收终端和GSM-R信号接收终端，信息系统接收来自北斗卫星和GSM-R的2种定位数据，并利用北斗卫星定位信息对GSM-R定位信息进行校准。当列车运行在平原、乡村等开阔地带时，可以利用北斗卫星导航系统进行独立定位；当列车运行在隧道、山区、森林、建筑群等地区时，采用BDS/GSM-R组合定位方案，识别列车的当前运行轨迹。为了充分融合北斗卫星和GSM-R接收的数据，本文提出了一种基于遗传算法改进的BP神经网络的融合算法，以提高定位的实时性和准确性。

2.2基于遗传算法改进的BP神经网络融合算法

BP神经网络是一个非线性动力学系统，它由许多并行运算的神经元组成，其特色在于信息的分布式存储和并行协同处理。单个神经元结构简单，功能有限，但大量神经元构成的网络系统所能实现的功能却是极其丰富的。但是BP神经网络也存在不少问题，初始权值选择不当，容易产生局部极小值，减慢学习算法的收敛速度[16]。遗传算法是一种自适应的迭代寻优过程，与BP神经网络算法相比，最大的区别是可用于复杂系统全局性的优化计算[17]。利用遗传算法改进BP神经网络的重要功能在于能够从外部输入中学习并改善其行为，即通过遗传算法的全局寻优能力来修正神经网络的连接权值等参数，使BP神经网络进入一种新的更为适应外部环境的状态。

本文用改进的遗传算法优化BP神经网络权值和阈值的基本思想是：首先对输入样本数据进行预处理，初始化BP神经网络参数，其次用改进的遗传算法对BP神经网络权值进行优化，再次将最佳神经元的权值和阈值赋给BP神经网络训练，最后输出神经网络的训练结果。算法的主要步骤如下：

1) 构建BP神经网络，理论上已经证明，3层神经网络可以实现任意复杂的非线性映射问题。因此本文采用3层BP神经网络作为信息融合中心，输入层为GSM-R传输的列车位置和方向信息P(xGSM-R,yGSM-R,θGSM-R)，对应的输出层为北斗卫星采集的列车位置和方向信息T(xBDS,yBDS,θBDS)，隐含层神经元数目选为10。隐含层传递函数选取非线性SIGMOID函数，输出层采用线性传递函数。

2) 对输入数据进行预处理，设置种群数目和优化目标，对初始化的BP神经网络权值和阈值进行编码。在遗传算法中，编码影响着算法的性能和种群的多样性。本文采用实数编码，对权值和阈值的取值范围进行约束，有效地保持了算法的搜索能力和种群的多样性。

3) 计算各初始种群对应的适应度函数值

式中：Pi是输入向量；Ti是输出向量；N是样本数据个数。

4) 采用轮盘赌选择法选择合适的个体作为进化的父本，一定概率的最优父本可以直接复制到下一代种群，其余的则在选择后进行交叉和变异操作。

5) 将选择后得到的新种群按照预先确定的交叉概率用单点交叉的方式进行交叉操作。

6) 将选择后的种群依据预先给定的变异概率进行变异操作。

7) 重复进行步骤4)，5)和6)，直至达到最大进化代数后结束。

8) 将得到的最佳权值和阈值赋给用BP神经网络训练，判断是否满足精度要求。若满足则算法结束，输出训练结果；否则，继续进行训练，直至达到精度要求为止。算法流程图如图1所示。

图1　算法流程图Fig.1 Algorithm process

3仿真结果与分析

为了验证本文提出的基于BDS/GSM-R组合列车定位方法的有效性，采用哈尔滨西至长春运营线路的实测数据进行仿真测试。列车最高时速200km/h，平均车速为99.90km/h。北斗Ⅱ卫星接收机设置1s接收1次数据，以哈尔滨西站的经纬度坐标为起点基准位置，列车实际运行13.286km，共采集了400个北斗Ⅱ卫星的测量数据和GSM-R传输数据。分别建立基于BP神经网络融合算法的BDS/GSM-R组合定位模型和基于遗传算法改进的BP神经网络融合算法的BDS/GSM-R组合定位模型。

对比图2和图3可知，无论是基于BP神经网络融合算法的BDS/GSM-R组合定位法的训练结果，还是基于遗传算法改进的BP神经网络融合算法的BDS/GSM-R组合定位法的训练结果，都可以与列车的实际运行轨迹相重合。但是经过遗传算法优化后的BP神经网络学习性能和泛化能力都明显优于传统的BP神经网络，拟合曲线更加接近于实际铁路线路的发展变化趋势，灵活性更好，能够真实的反应出列车运行轨迹的细节特征。

图2　BP神经网络拟合曲线Fig.2 BP neural network fitting curve

图3　GABP网络拟合曲线Fig.3 GABP network fitting curve

通过观察图4～6可知，基于遗传算法改进的BP神经网络融合算法的BDS/GSM-R组合定位法，东向、北向和方向角误差的波动范围均小于基于BP神经网络融合算法的BDS/GSM-R组合定位法。基于BP神经网络融合算法的BDS/GSM-R组合定位法的东向定位误差范围为-42.96～51.18m，北向定位误差范围为-32.66～44.38m，方向角误差在-0.3182°～0.5726°。基于遗传算法改进的BP神经网络融合算法的BDS/GSM-R组合定位法的东向定位误差范围在-21.48～18.41m，北向定位误差范围在-18.20～27.39m，方向角误差在-0.1632°～0.1667°。优化后与优化前相比，东向定位误差降低了54.25%，北向定位误差降低了32.45%，方向角误差降低了56.09%。

图4　东向定位误差Fig.4 East positioning error

图5　北向定位误差Fig.5 North positioning error

图6　方向角误差Fig.6 Azimuth error

4结论

1)本文提出的BDS/GSM-R组合列车定位方法的突出特点是北斗卫星导航系统和GSM-R技术都可以实现车-地通信，并且二者可以形成优势互补，有助于列车在盲区运行时的位置预测。

2)采用BP神经网络算法融合北斗卫星采集的列车位置信息和GSM-R传输的列车位置信息，可以简化建立系统模型的复杂度，减少系统误差造成的积累。克服了传统的数据融合方法在系统本身存在不确定因素时，难以建立系统模型的缺点。

3)遗传算法优化之后的BP神经网络学习能力和泛化能力增强，拟合的结果与列车实际运行轨迹偏差更小，东向、北向和方位角定位误差的波动范围明显减小。

参考文献：

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

[2] 吴汶麟.国外铁路信号新技术[M].北京：中国铁道出版社,2006.

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

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

[4] 刘江,蔡伯根,王云鹏.基于GNSS/DSRC融合的协同车辆定位方法[J]. 交通运输工程学报,2014,14(4):116-126.

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

[5] 王剑,刘江,上官伟，等.基于道岔曲线信息的列车定位方法研究[J].交通运输系统工程与信息,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] 刘江,蔡伯根,王剑,等.列车定位轨道电子地图数据约简算法研究[J].铁道学报,2011,33(8):73-79.

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

[9] 刘江,蔡伯根,唐涛，等.基于GPS与惯性测量单元的列车组合定位系统[J].中国铁道科学,2010,31(1): 123-129.

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

[10] 李鹤峰,党亚民,秘金钟，等.北斗卫星导航系统的发展、优势及建议[J].导航定位学报,2013,1(2):49-54.

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

[11] 李克昭,韩梦泽,孟福军.北斗系统的特色、机遇与挑战[J].全导航定位学报,2014,2(2):21-25.

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

[12] 朱惠忠,张亚平,蒋笑冰，等.GSM-R通信技术与应用[M].北京：中国铁道出版社,2005.

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

[13] 王磊.基于GPS和GSM-R的列车定位系统研究[D].成都：西南交通大学,2008.

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

[14] 高礼群.基于GSM-R网络的列车组合定位技术研究[D].成都：西南交通大学,2013.

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

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

[16] 胡卫东,曹文贵.基于粒子群BP网络混合算法的边坡稳定性评价[J].铁道科学与工程学报,2015,12(1):66-71.

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

[17] 谢学斌,罗海霞,杨承祥，等. 基于遗传单纯形算法与RBF网络的地应力场反演方法[J].铁道科学与工程学报,2015,12(1):72-78.

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

(编辑阳丽霞)

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

中图分类号：TP13

文献标志码：A

文章编号：1672-7029(2016)03-0552-05

通讯作者：李卫东(1963-)，男，辽宁大连人，教授，博士，从事铁路信息与通信智能化技术、复杂系统分析与控制等方面的教学与科研；E-mail：leeluke@126.com

基金项目：国家自然科学基金资助项目(6147080)

收稿日期：2015-08-03