Cooperative localization improvement in vehicular ad hoc networks.

Abstract

Em redes veiculares ad hoc (VANets), um sistema de localização preciso é um fator crucial para várias aplicações críticas de segurança. Embora o Sistema de Posicionamento Global (GPS) possa ser usado para fornecer a estimativa de posição de veículos, ele ainda possui erros indesejados que pode aumentar ainda mais em algumas áreas, como túneis e prédios de estacionamento, tornando-o não confiável e inviável para a maioria aplicações críticas de segurança. Neste trabalho, apresentamos uma nova técnica de estimativa de posição através de dois algoritmos, o CoVaLID (melhoria de localização de veículo cooperativa usando informações de distância), que melhora as posições de GPS de veículos próximos e minimiza seus erros usando o Extended Kalman Filter (EKF) para executar a fusão de dados de informações de GPS e distância, e o COLIDAP que utiliza filtro de partículas (PF). Nossa solução também usa informações de distância para avaliar a precisão da posição relacionada a três aspectos diferentes: número de veículos, trajetória do veículo e erro de informações de distância. Para esse fim, usamos um método de média ponderada para aumentar a confiança nas informações de distância fornecidas pelos vizinhos mais próximos do alvo. Implementamos e avaliamos o desempenho dos nossos algoritmos usando cenários do mundo real simulados, além de discutir o impacto de diferentes sensores de distância em nossa solução proposta. Nossos resultados mostram claramente que nossos algoritmos são capazes de reduzir o erro de GPS em 63% e 53% quando comparado ao algoritmo estado da arte Vanet LOCation Improve (VLOCI).