基于5G网络的地铁列车定位技术研究

邓建芳，李志明

（南京铁道职业技术学院，江苏南京，210031）

0 引言

地铁列车定位技术是列车运行中的关键技术之一，绝大部分城市轨道交通运用基于无线通信的列车自动控制系统（CBTC）技术来实现。当CBTC出现故障或者断电时，列车运行转由人工调度。建立一套独立于CBTC系统的地铁列车定位系统，使得行车调度员实时获取到列车的位置信息，是确保地铁列车行车安全的前提条件。

1 主流定位技术分析

全球定位系统（GPS）、北斗定位系统（BDS）等全球导航卫星系统（GNSS）为用户提供米级的定位服务，基本解决了在室外空间中进行准确定位的问题，在大多数室外环境已经获得广泛应用，能够实现导航、定位、授时等功能。但是由于卫星信号受到遮挡时衰减严重，定位精度急剧降低，当地铁列车行使在地面以下的隧道中，无法满足列车的准确定位需要。因此，国内外研究者们转向对无线局域网（WLAN）、射频标签（RFID）、Zigbee、蓝牙、超宽带无线电（UWB）、蜂窝移动网络等室内定位技术展开对地铁列车定位的研究，但是不同的室内定位技术根据其定位性能有一定的应用局限。

孟强于2010年提出了RFID技术实现地铁列车定位[1]；毕湘利等于2014年提出了基于射频识别的自动记点系统[2]；刘水平于2019年提出了基于传感器的地铁列车精确定位系统[3]。这些地铁列车定位技术实时性和定位精度均有待提高。RFID定位精度高，但安全性差，通信能力弱，基于传感器的定位技在成本高、算法复杂。

基于蜂窝移动网络实现地铁列车定位是一个很好的解决方案。基于蜂窝网的定位方式，课利用已建成的公共移动通信网络，不需要另行铺设网络，有着覆盖面广、可扩展性强等优点。从第二代、第三代到第四代通信系统定位技术的发展，使得利用基站进行定位的精度大大得到了提高，课题团队于2018年首次提出了基于2G蜂窝移动网络实现地铁列车定位系统[4]。基站定位对连通性、接收信号强度（RSS）、到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）等参数进行测量，通过定位算法得出移动终端的位置，在室内、室外广域环境下都能定位，能作为普适化的定位方案，但是定位精度与基站密度密切相关。2G网络和3G网络基站覆盖大，定位精度在200米左右。4G网络引入AOA等定位测量方法，但由于天线数目较少，不具备精确测量信号角度的条件，定位精度在150米左右。

5G网络具有连续广域覆盖、热点高容量、低功耗、大连接、低时延和高可靠的特点，它是首个将定位服务作为设计目标之一的蜂窝移动网络，可实现亚米级的定位精度，给移动定位带来新的机遇。从2019年下半年开始，5G在我国投入商用，运营商在各大城市纷纷部署5G网络，地铁沿线也将实现5G网络全方位覆盖，为基于5G基站的地铁列车定位研究提供前提条件。地铁列车定位不仅要求具有高精度的定位指标，还要求系统具备低时延特性。5G网络引入了高频率、大带宽、超密集组网、大规模多输入多输出（MIMO）、波束赋形、设备到设备（D2D）技术、CU与DU分离、自包含时隙等一系列关键技术，为隧道内列车的高精度定位和低时延传输提供了有利的条件，有望能够与卫星定位相匹敌。

2 地铁列车定位系统设计

地铁列车运行的轨道线路为线型结构，无线信道环境分为地面高架桥和地下隧道两种。信道环境参数不同，无线信号覆盖方式也不同，需要使用不同的定位算法分别进行分析。本设计提出的地铁列车定位系统由2T4R的两台终端设备和一台控制设备组成，如图1所示。

图1 地铁列车定位系统示意图

两台终端设备分别安装于地铁列车车头和车尾上，采集列车的位置信息。控制设备放置于地铁控制中心，处理采集到的位置信息后显示出来，以便行车调度员实时观测列车的位置，发出准确的调度指令。两台终端设备用光纤连接，实现同步和数据通信。终端设备与控制设备之间通过5G网络进行无线信号的交互。

3 定位算法分析

本设计结合列车所处环境的路损衰落模型，动态学习建立一个二维数据库，然后进行实时采集，比对数据库得出列车所处的位置，具体算法如下：

3.1 动态学习建立二维数据库

综合考虑无线信号参数对信号衰落性能的影响后，为了进一步提高定位精度，将地铁列车运行的闭塞区间每隔一定距离分割成子区间，按序编号，如图2所示。在每个子区间内设定一个采集点（要实现亚米级的定位精度采集间隔需在10m以内）。

图2 闭塞子区间划分

定位测试设备在采集点不定期地移动，进行多次静态测量，选取接收信号强度（RSSI）最优的3个以上基站，将测试到的跟踪区域码（TAC）、物理小区标识（PCI）、载波频点号（EARFCN）、上下行工作频率（FREQ）、接收信号强度（RSSI）、参考信号接收功率（RSRP）、参考信号接收质量（RSRQ）等无线信号参数发送给控制设备。控制设备根据接收到的参数，采用修正的路损衰落模型估计出每个终端设备与5G基站之间的距离后，多个基站的圆形交叠区域即为定位目标的估计位置，结合最小二乘法求解定位系统的初步估算。

为了对抗信号特征的波动，控制设备去除多次测量的最大值和最小值干扰后取均值，通过动态学习，形成一套无线信号参数与地铁子区间编号位置信息有关的二维数据库，预先存储在控制设备的存储器中。

3.2 实时采集

分别安装于地铁列车车头和车尾上的两台定位终端设备随列车运行在5G网络覆盖区域内移动，实时采集列车位置。两台定位终端设备之间的距离根据列车编组长度设定，用以提高定位精度和数据的稳定性。假设地铁列车运行时速不超过120km/h，每隔0.1秒列车最多移动3.33米。为了达到亚米级的定位精度，终端设备至少每隔0.1s采集一次，选取最优的3个以上基站信号参数，通过5G网络传送给控制设备。控制设备将接收到的采集信息与存储的数据库进行最接近比对，查找出每个定位终端设备所处的子区间编号，得出列车在地铁轨道线路上的位置区段，将位置信息通过显示器显示出来。

3.3 算法优化

为了降低数据比对的复杂度，节约控制设备的计算资源，加快运算速度，降低定位时延，地面高架桥和地下隧道分别采用不同的数据库，也可将若干个区间编为一组。先初步区分出地铁列车运行在地面高架桥上还是地下隧道中，然后根据所处的组号进一步查找数据库。

4 结论

通过比较常用的主流定位技术之后，提出基于5G蜂窝网络实现地铁列车定位系统具有前瞻性。5G系统引入了一系列关键技术，使得5G网络具备实现对地铁列车位置的精度更高、时延更低的定位条件。本文提出一套可实现亚米级定位精度的地铁列车定位系统设计方案，并对定位算法进行研究，为后续更深入的探究提供理论依据。