Akıllı ulaşım sistemleri ve otonom taşıt teknolojileri için yüksek doğruluklu konumlandırmanın sağlanması

Abstract

Akıllı Ulaşım Sistemleri (AUS) ve Otonom Taşıt Teknolojileri'nde (OTT) mesafe bilgisi yüksek bir doğruluk ile tahmin edilmelidir. Düğüm sayısının hızlı değiştiği ağlar için; çoklu erişimde ve eş zamanlamada yaşanan zorluklar, alınan işaret gücü (AİG) tabanlı yöntemleri AUS ve OTT için uygun hale getirmektedir. Bu tezde AİG tabanlı mesafe tahmininin; OTT ve AUS'nin gerektirdiği doğruluğa ulaşabilmesi için çalışmalar yapılmıştır. Bu amaçla; öncelikle fiziksel bir ağ topolojisi önerilmiştir. Böylece bilinen mesafelere ait AİG'ler, yol kenarındaki düğümlerce gürültüsü azaltılarak elde edilmiştir. Ayrıca ağdaki düğümlerin enerji tüketimini azaltmak ve ağın yükünü hafifletmek amacıyla bir hiyerarşi önerilmiştir. Gezgin araçlarca yapılan AİG ölçümlerindeki gürültü; uyarlanır süzgeç yaklaşımıyla azaltılmıştır. Önerilen yaklaşımda süzgeç katsayıları; AİG-mesafe veri tabanı ve en küçük kareler, parçacık sürü optimizasyonu ve çiçek tozlaşması gibi algoritmalarla bulunmuştur. Gezgin araçlar, gürültüsünü azalttıkları ölçümlerini ve referans düğümden aldıkları mesafe-AİG veri tabanını kullanarak doğrusal interpolasyon ile referans düğüme olan mesafelerini tahmin etmektedirler. Son olarak gezgin araç; kendi hız bilgisi, tahmin ettiği mesafe ve Kalman süzgeç yardımıyla mesafe tahminini iyileştirmektedir. Yapılan deneysel çalışmalar ve benzetimler sonucu önerilen yöntemin karşılaştırılan geleneksel yöntemlere göre oldukça iyi bir başarım sağladığı görülmüştür. In Intelligent Transport Systems (ITS) and Autonomous Vehicle Technologies (AVT), distance information must be estimated with high accuracy. For networks where the number of nodes changes quickly; difficulties in multiple access and synchronization, make Received Signal Strength (RSS) based methods suitable for ITS and AVT. In this thesis, studies have been made to reach required distance accuracy for ITS and AVT through using RSS based estimation approaches. For this purpose, firstly a physical network topology was proposed. Thus, mean of RSS values of known distances were obtained through the roadside anchor nodes. Also, a hierarchy has been proposed to reduce the energy consumption and network load of the nodes. Noise in RSS measurements made by mobile vehicles was reduced through adaptive filter approach. In proposed approach, filter coefficients were estimated over RSS-distance database and least square, particle swarm optimization and flower pollination algorithm. The mobile vehicles estimate their distance to the reference node by using linear interpolation, the adaptive filter output and the RSS-distance database received from the reference anchor node. Finally, the mobile vehicle improves the distance estimation with the help of its own speed information, estimated raw distances and the Kalman filter. As a result of the experimental studies and simulations, it is seen that the proposed method provides better performance compared to the traditional methods.