确保车辆位置的准确性对于在Uber平台上促进无缝和高效的用户体验至关重要。不准确的上下车地点会导致估计到达时间(eta)不准确，乘客很难找到司机，或浪费司机的时间。
为了计算车辆位置，我们的平台使用来自司机手机接收器的全球导航卫星系统(GNSS)信号。考虑到全球司机使用的手机的多样性，这些接收器的数据质量也存在很大差异。事实上，即使是最好的接球手也有表现市中心的情况很糟糕和其他城市峡谷，因为来自建筑物的GNSS射频信号反射，或在可能没有GNSS覆盖的隧道和堆叠道路中。
考虑到这些问题，Uber开发了beacon，这是一款硬件，包括GNSS接收器、加速度计和陀螺仪，也称为惯性测量单元(imu)和晴雨表传感器。来自这些传感器的信号可以与GNSS信号融合在一起，提供更好的定位质量，相比于来自司机手机的纯GNSS定位。在城市峡谷环境中，GNSS的定位可能相当错误，因此imu提供了车辆加速和转弯速率的额外测量，可以减少这种错误。气压计的高度信息可以通过提供额外的垂直测量来进一步改善定位。
智能手机上的GNSS和传感器
智能手机的传感器种类繁多，但几乎所有的都包含一个GNSS芯片组和一个加速计。事实上，在美国，优步司机和合作伙伴使用的智能手机中，几乎95%都配有陀螺仪，但只有大约60%的智能手机配有晴雨表。晴雨表的缺乏和传感器融合性能的不一致会影响驾驶员在乘客上车和下车过程中的定位精度。
操作系统也会影响这些体验。而一些操作系统利用地图匹配(主要依赖于道路网络)来指定位置，这使得一些设备很难获得定位精度，其他设备提供非地图匹配的位置数据，使先进的技术能够进一步实现定位精度影子匹配．
利用信标提高定位质量
大多数司机都把手机放在汽车仪表盘上的固定装置上，在一系列的旅程中，他们可能会把手机从固定装置上取下来，然后再放回去。
另一方面，Beacon牢固地安装在驾驶员的仪表盘上，在驾驶员体验过程中很少移动。因此，与司机的手机相比，它可以帮助提高对车辆位置的信心。
在安卓手机上，卫星数据信噪比(信噪比)，可以通过优步这样的算法来进一步提高定位精度影子匹配．该信息在iOS手机上不可用。对于运行iOS的手机，beacon通过蓝牙链接将这些数据发送到手机上，支持在iOS上实现影子匹配。
此外，在Android 7或更高版本的手机上，原始GNSS测量(例如伪伪率和伪伪率)使高级传感器融合实现成为可能。这一技术优于所有安卓手机上使用经纬度的传感器融合版本。信标可以发送原始GNSS测量到所有手机，使这种高级传感器融合实现。
评估GNSS、传感器和感兴趣的信号
GNSS和传感器一起在信标中计算精确的位置估计。下面，我们评估这个等式的每个组成部分。
GNSS
GNSS接收器测量位置、速度和相关的不确定性。这些测量可以表示为
的位置,
，包括纬度、经度和海拔。噪音,
,是高斯噪声，
，均值和协方差为零
．速度,
，也是在这三个维度上计算的。噪音,
，为高斯噪声
，均值和协方差为零
，不确定度意味着相关信号在不确定值内，置信度为68%。
而且是用世界大地测量系统(WGS84)框架表示。
接收器还会给出原始的GNSS测量值，称为伪橙色，
，伪橙率，
，这可以用来估计位置和速度。伪橙度测量卫星和接收器之间的距离，而伪橙率测量多普勒频率作为车辆速度的函数。
除了而且，影子匹配利用来自GNSS接收器的卫星信噪比、方位角和仰角，在卫星信号被建筑物遮挡的城市地区更好地确定位置。
Beacon更精确的定位不仅让司机和乘客更容易找到对方，还提高了ETA的准确性和稳定性。这些都是改善乘客和司机上下车体验的关键因素。
加速度计
加速度计用于测量沿传感器x、y和z轴的加速度。它的测量表示为
在哪里
测量加速度,
是线性加速度,
是重力,
是偏见,
是高斯噪声．是导航感兴趣的信号，用于预测两个GNSS样本之间的速度和位置，这种预测通常称为航位推测法．重力和偏差应持续估计和消除得到一个很好的估计
由于重力取决于传感器的方向，传感器的方向会随时间变化，而偏差会随时间和温度变化。
还有一些其他的缺陷，如灵敏度误差和非线性没有被考虑，因为它们的影响比重力和偏差的估计误差小得多。灵敏度是观测到的加速度的比例因子，理想情况下应该是1。灵敏度的误差可能导致其值与1略有不同。任何偏离线性投入产出关系的偏差都称为非线性。
Beacon使用这种加速度计测量进行GPS点之间的航迹推算，并平滑城市峡谷地区典型的GNSS行为的突然位置跳变。需要比加速度计所观察到的加速度高得多的突然位置跳跃会被过滤，从而提供平滑的位置。
陀螺仪>
Beacon的陀螺仪测量沿传感器的x, y和z轴的转换率。它的测量表示为
在哪里
是测量的转弯速度，
是实际的转换率，
是偏见,
是高斯噪声。是导航感兴趣的信号，用于推导航向变化。航向被定义为车辆从北方向运动的角度。对偏差进行估计和去除得到…的准确估计．偏差随时间和温度的变化而变化。与加速度计类似，陀螺仪忽略了灵敏度误差和非线性的影响。
陀螺仪测量用于GPS点间的航迹推算，平滑GNSS接收机的航向计算。对GNSS测量中与陀螺仪测量不一致的突然航向变化进行过滤，从而提供平滑的航向。
气压计
气压计测量环境压力。Beacon的晴雨表具有约1Pa的均方根噪声，对应于8厘米的高度分辨率。
下面的图1显示了在旧金山旅行时的气压计读数:
该图显示了气压计读数与高精度GNSS参考传感器估计的融合高度之间的高度相关性，NovAtel跨度．当卫星覆盖较差时，气压计测量的高度是有用的。信标的晴雨表测量可以被认为是另一种卫星测量，直接高于接收机位置，进一步改进了信标的位置估计。
融合传感器:GNSS/IMU/气压计融合
通过结合GNSS、IMU和晴雨表信号，信标可以利用传感器融合在我们的平台上计算更精确的位置。(有关如何实现传感器融合的更详细描述，请查看松散和紧密的GNSS/INS集成:在真实城市场景中评估的性能比较，来自法尔科、皮尼和马鲁科。)然而，为了达到这个精度，信号必须融合从GNSS, IMU和晴雨表在一个共同的参考系。
加速度计和陀螺仪测量在传感器框架中，与这些传感器的3个轴对齐。我们假设加速度计和陀螺仪轴都是完美对齐的。传感器帧与表示用户位置和速度的导航帧不同。地球,地球定点(ECEF)用作导航框，代表我们参照地球的位置。使用陀螺仪，测量到的用户加速度转换到导航帧，并用于位置计算。
根据所使用的GNSS测量类型，有多种传感器融合架构。最流行的是松耦合和紧耦合。在松散耦合体系结构中，GNSS位置和速度被用作导航滤波器的测量值，并进行融合。这种方法的优点是易于实现。紧密耦合直接使用卫星伪距离和伪距离速率作为导航滤波器的输入。紧密耦合的好处是，一个完整的GNSS解决方案不需要至少四个卫星测量。这在困难的GNSS环境中是至关重要的，如城市峡谷，因此，用于信标。
通过使用附加的运动约束，上述融合解决方案得到了改进。在车辆的常规运动中，可以合理地假设车辆不会向一侧滑动或向上跳跃。此外，气压计测量可用于在导航滤波器中约束高度。这些约束加上信标牢固地安装在车上的事实帮助我们避免定位错误，即使是在卫星能见度有限或零的时期。
使用传感器融合改进驾驶员定位
Beacon对传感器融合的使用提高了全球用户拾取和丢弃点的定位精度。这些改进在GPS较差的地区尤其有用，可以提供更准确的位置和航向。
隧道为全球导航卫星系统缺失地区提供了有力的例子。如果原始GNSS定位用于隧道内的车辆定位，它将停留在隧道的起点，直到司机离开隧道。下面的图2显示了旧金山百老汇隧道在信标传感器融合后的位置覆盖改善:
上图中，绿点为GNSS原始输出，红点为传感器融合后的输出。可以清楚地看到，与IMU的融合可以在GNSS停机期间实现航位推算。
城市峡谷以不精确和错误的GNSS而闻名。在某些情况下，GNSS的定位误差可能超过100米。下面的图3显示了GNSS的位置，绿点有高达10米的误差，导致位置在街道的错误一侧，并穿过建筑区。信标的融合输出，用红点表示，显著地减少了这些误差。
前进
Beacon强大的传感器套件改善了Uber平台上司机的定位，提供了许多好处。它为我们的司机合作伙伴提供了更好的应用内导航，帮助他们方便地到达接送地点。乘客可以更准确地了解司机的位置，以及更准确的到达时间。
Beacon还创建了一个通用的位置参考点，可用于不同类型的手机，如Android和iOS，确保用户自己的手机在使用Uber平台时不受限制。
有兴趣参与大型移动或地理空间定位项目吗?我们的团队一直致力于改进，并一直在寻找有才华和高度积极的个人来大规模构建这些解决方案。申请我们组的一个职位安卓工程师或者一个后端工程师！
