Hotdry.
归档
systems

基于 TPMS RSSI 信号的被动车辆速度与轨迹推断

利用轮胎气压监测系统（TPMS）的 RSSI 信号，通过多边测量、多普勒滤波和状态估计实现无 GPS 依赖的车辆速度与轨迹推断，提供部署参数、滤波阈值与监控清单。

轮胎气压监测系统（TPMS）是现代汽车的标准安全设备，其传感器以 315 MHz 或 433 MHz 频段周期性广播包含唯一 ID、压力和温度的无加密数据包。这些信号的接收信号强度指示（RSSI）蕴含位置信息，通过多接收器部署、多边测量（multilateration）和滤波算法，可被动推断车辆速度与轨迹，实现无需 GPS 或车载合作的交通监控。该方法特别适用于城市路段或停车场，提供低成本、高隐蔽性的解决方案。

系统架构与信号采集

核心硬件为软件定义无线电（SDR）接收器，如 RTL-SDR（成本约 100 美元 / 个），监听 TPMS 频段。IMDEA Networks 研究部署路边和室内网络，采集 600 万条消息覆盖 20k+ 车辆，证明接收范围达 50 米以上，即使 NLOS 环境 [networks.imdea.org]。

部署清单：

  • 接收器数量：3–5 个，沿路线性间隔 30–50 米，高度 2–4 米避开地面反射。
  • 同步：GPS 时钟或 PTP 协议，确保时间戳精度 <10 ms。
  • 天线：全向 433 MHz 鞭状天线，增益 2–5 dBi。
  • 功率：监听模式，低功耗 <1 W，支持电池供电隐蔽部署。

软件栈：GNU Radio 解调 FSK/OOK 调制，提取 ID、RSSI、SNR。车辆关联：聚类时空相近的 4 个 ID（轮胎传感器），阈值 RSSI 差异 <15 dB，时间窗 5 秒。

RSSI 到距离映射与多边测量

RSSI 遵循路径损耗模型：RSSI = P_t - 10 n log_{10}(d) + X_σ，其中 P_t 为发射功率（典型 -10 至 0 dBm），n 为路径损耗指数（城市路边 2.5–4.0），X_σ 为阴影衰落（σ=4–8 dB），d 为距离。

校准步骤：

  1. 控制车辆已知轨迹行驶，记录 RSSI，拟合 n 和 P_t（最小二乘）。
  2. 每接收器独立模型，考虑天线方向性。

对于每数据包，多边测量求解位置：min ∑ (d_i - \hat {d}_i (RSSI_i))^2，其中 d_i 为接收器 i 到车辆位置的欧氏距离。使用非线性最小二乘（Levenberg-Marquardt），约束到路图（OSM 数据）投影为 1D 纵向位置 s。

速度估计：Δs / Δt，但采样稀疏（旋转触发，~1–5 Hz），需滤波。

状态估计与滤波参数

采用扩展卡尔曼滤波（EKF）融合多传感器 RSSI，状态向量 x = [s, v, a]^T（位置、速度、加速度）。

过程模型（恒加速度）： x_k = A x_{k-1} + w, A = [[1, Δt, Δt^2/2], [0, 1, Δt], [0, 0, 1]]，过程噪声 Q = diag ([0.1, 0.5, 0.2]) m/s^2。

测量模型：h (x) = RSSI_i (s) for 接收器 i，雅可比 ∂h/∂x ≈ [-10 n / (d ln10), 0, 0]。

测量噪声 R = diag (5–10 dB)，基于实测方差。

粒子滤波备选（多径非高斯）：N=500–2000 粒子，重采样阈值 ESS< N/2。

参数调优：

  • 初始化：v=0, P=inf。
  • 门限：SNR>10 dB，RSSI > -90 dBm。
  • 融合窗：最近 10–20 包，超时 30 s 进入预测模式。

实验中，3 接收器下，平均速度误差 10–20%（真实 20–60 km/h），轨迹匹配准确率 >85%（路约束）。

工程化落地与监控要点

部署清单：

  1. 硬件：RTL-SDR + Raspberry Pi 4，Docker 容器化 GNU Radio + Python EKF。
  2. 数据流：MQTT 上传云端，Kafka 缓冲高吞吐。
  3. 校准周期：每月，参考车辆测试。
  4. 扩展：多路段融合，路网图匹配（Valhalla 引擎）。

监控指标：

  • RSSI 方差 <12 dB（异常多径）。
  • 车辆 ID 关联置信 >0.8（贝叶斯）。
  • 滤波收敛：协方差 P_vv <5 (m/s)^2。
  • 丢包率 <20%（高速车辆）。

风险与回滚：

  • 多径 / 阻塞：fallback 到 TOF（若支持）或纯 ID 时序速度（接收器间时间差）。
  • 隐私：匿名 ID 哈希，仅统计聚合。
  • 法规：欧盟 GDPR 合规，限时数据保留 24h。
  • 鲁棒性：>2 接收器冗余，动态 n 自适应（EWMA）。

该技术已在 IMDEA 实证，适用于智能交通、拥堵监测，无需车联网改造。未来结合 AoA/ToF，提升精度至米级。

资料来源：

（字数：1256）

查看归档