本發(fā)明涉及一種基于模糊理論的復(fù)合定位新方法，屬于車輛定位的技術(shù)領(lǐng)域。

背景技術(shù)：

信息-物理融合系統(tǒng)CPS(Cyber-Physical System)是一個(gè)綜合計(jì)算、網(wǎng)絡(luò)和物理環(huán)境的多維復(fù)雜系統(tǒng)，通過(guò)3C技術(shù)(Computing、Communication和Control)的有機(jī)融合與深度協(xié)作，以實(shí)現(xiàn)實(shí)時(shí)感知、信息服務(wù)和動(dòng)態(tài)控制。近年來(lái)，人們研究了CPS在電力、醫(yī)療、交通等領(lǐng)域的應(yīng)用，并已取得了一些極具價(jià)值的成果。隨著城市智能交通系統(tǒng)的建設(shè)和人們對(duì)汽車性能要求的提高，汽車CPS(Vehicular Cyber-Physical System，VCPS)也受到了很多學(xué)者的關(guān)注。在汽車CPS中，實(shí)時(shí)傳入傳感器收集本車的實(shí)時(shí)信息或其它車輛的信息，通過(guò)一個(gè)統(tǒng)一的網(wǎng)絡(luò)完成信息的交互和計(jì)算，并根據(jù)反饋的信息來(lái)完成對(duì)汽車的控制，使得汽車更易于駕駛，響應(yīng)更快，更安全，更智能。由于在汽車CPS的大多數(shù)應(yīng)用中，比如智能路徑規(guī)劃、防碰撞系統(tǒng)以及車輛組網(wǎng)等，車輛的位置信息往往假設(shè)為一個(gè)已知的條件，因此，車輛定位技術(shù)在汽車CPS中是一個(gè)值得關(guān)注的問題。

目前，最常用的車輛定位方法是全球定位系統(tǒng)(Global Positioning System，GPS)，雖然GPS定位有著自身覆蓋范圍廣，定位迅速，在無(wú)遮擋情況下可實(shí)現(xiàn)全天候定位的優(yōu)勢(shì)。但是，在城市中，高大密集的建筑、立交橋、隧道、無(wú)線電干擾等，非常容易地造成GPS定位效果較差，不能準(zhǔn)確定位。即使在郊外，定位精度也無(wú)法達(dá)到安全應(yīng)用如防碰撞系統(tǒng)的定位要求。差分全球定位系統(tǒng)(Differential Global Positioning System，DGPS)雖然可以提供很高的定位精度，但其設(shè)備價(jià)格昂貴，且同樣會(huì)受城市環(huán)境下的多徑效應(yīng)(建筑物和樹林等對(duì)衛(wèi)星信號(hào)的遮擋)影響，其定位性能大大下降。綜合考慮到成本和性能，大多數(shù)車輛定位采用將GPS與航位推算(Dead Reckoning，DR)、慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)等導(dǎo)航技術(shù)進(jìn)行組合的方式。但由于航位推算和慣性導(dǎo)航中所使用的慣性器件存在累積誤差，在GPS長(zhǎng)時(shí)間失效的遮擋環(huán)境下定位精度不高。為了進(jìn)一步提高組合定位系統(tǒng)的精度，通常采用卡爾曼濾波進(jìn)行最優(yōu)估計(jì)。但是在濾波遞推過(guò)程中通常將觀測(cè)噪聲協(xié)方差作為定值處理，降低了濾波的精度和穩(wěn)定性。除了上述基于GPS的定位技術(shù)外，現(xiàn)在還有其他一些定位技術(shù)，如射頻識(shí)別(Radio Frequency Identification,RFID)定位、蜂窩網(wǎng)絡(luò)(Cellular Network，CN)定位以及無(wú)線保真(Wireless-Fidelity，WiFi)定位等，這些定位技術(shù)也可用于車輛定位中。但是，這些定位技術(shù)在一定程度上受到視距和基站密度的影響。

隨著異構(gòu)無(wú)線網(wǎng)絡(luò)技術(shù)的成熟和普及，利用多種定位技術(shù)的融合互補(bǔ)是未來(lái)車輛定位的一種行之有效的方法。而卡爾曼濾波能夠有效修正觀測(cè)值，抑制異常波動(dòng)，提高系統(tǒng)的精度，因此被廣泛應(yīng)用于車輛定位系統(tǒng)中。本申請(qǐng)人致力于如何把融合互補(bǔ)過(guò)程和卡爾曼濾波模型有效結(jié)合的研究，因此具有很重要的發(fā)明意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)現(xiàn)有技術(shù)在車輛定位方面存在精度不高、成本高昂、缺乏普適性等問題，結(jié)合汽車CPS系統(tǒng)中實(shí)時(shí)感知本車或其它車輛的信息，實(shí)現(xiàn)信息的交互和計(jì)算并根據(jù)反饋信息來(lái)完成對(duì)汽車的控制的特點(diǎn)，提出一種新的基于模糊理論的復(fù)合定位技術(shù)。

本發(fā)明提出一種基于模糊理論的復(fù)合定位新方法，首先獲取目標(biāo)車輛以及某相鄰車輛上三種定位技術(shù)裝置(GPS,WiFi和CN)的定位數(shù)據(jù)和兩車之間的精確距離，然后計(jì)算出能夠反映各定位技術(shù)可靠程度的兩個(gè)指標(biāo)：離群率和絕對(duì)誤差，同時(shí)運(yùn)用模糊理論融合這兩個(gè)指標(biāo)，得出各定位技術(shù)的定位貢獻(xiàn)度，接著以定位貢獻(xiàn)度作為權(quán)值，模糊加權(quán)計(jì)算得到目標(biāo)車輛的復(fù)合位置；最后采用一個(gè)模糊可變觀測(cè)噪聲協(xié)方差的卡爾曼濾波器對(duì)復(fù)合位置進(jìn)行濾波，從而得到一個(gè)更加實(shí)時(shí)、準(zhǔn)確的車輛位置。該方法包括下列操作步驟：

步驟1，利用V2V(汽車-汽車)通信技術(shù)和三種定位裝置，采集目標(biāo)車輛以及某相鄰車輛的三種定位裝置的定位數(shù)據(jù)和兩車之間的精確距離；所述三種定位裝置分別為：全球定位系統(tǒng)(Global Positioning System，GPS)、無(wú)線保真(Wireless-Fidelity，WiFi)定位系統(tǒng)和蜂窩網(wǎng)絡(luò)(Cellular Network，CN)定位系統(tǒng)。

步驟2，采集到目標(biāo)車輛的三種定位裝置的定位數(shù)據(jù)分別為：GPS(X,Y)、WiFi(X,Y)和CN(X,Y)，某相鄰車輛的三種定位裝置的定位數(shù)據(jù)分別為：GPS_nei(X,Y)、WiFi_nei(X,Y)和CN_nei(X,Y)，以及兩車之間的精確距離為：D，然后計(jì)算出目標(biāo)車輛各定位技術(shù)的離群率(s)分別為：

和其中d_GW表示GPS(X,Y)與WiFi(X,Y)之間的歐幾里得距離，d_GC和d_WC同理。各定位技術(shù)的絕對(duì)誤差(e)分別為：

e_GPS＝|D_G-D|、e_WiFi＝|D_W-D|和e_CN＝|D_C-D|，其中D_G表示GPS(X,Y)與GPS_nei(X,Y)之間的歐幾里得距離，D_W和D_C同理。由上述計(jì)算可知，離群率表明了某定位技術(shù)的定位數(shù)據(jù)與其它定位數(shù)據(jù)的背離程度，而絕對(duì)誤差表明了某定位技術(shù)得出的兩車距離與實(shí)際距離的誤差，兩者在一定程度上均能反映該定位技術(shù)的可靠程度。

步驟3，將目標(biāo)車輛各定位技術(shù)的離群率和絕對(duì)誤差模糊融合后得到這些定位技術(shù)各自對(duì)應(yīng)的定位貢獻(xiàn)度。由于離群率(s)、絕對(duì)誤差(e)和貢獻(xiàn)度(w)皆為精確量，因此需要分別為其確定模糊屬性。首先確定它們的論域，分別記作S、E和W，然后為各論域確定模糊子集及相應(yīng)的隸屬度函數(shù)，最后確定這三個(gè)論域之間的關(guān)系，即模糊規(guī)則。具體確定過(guò)程如下：

(1)根據(jù)離群率的計(jì)算可知，其論域S＝(0,1)。為了保證靈敏度的同時(shí)盡量減少計(jì)算量，本文在論域S上定義了5個(gè)模糊子集，分別為：很小、較小、適中、較大、很大。

(2)由于各定位技術(shù)的絕對(duì)誤差一般不會(huì)超過(guò)3m，若超過(guò)3m則按3m進(jìn)行計(jì)算。因此，其論域E＝[0,3]。同樣可在論域E上定義5個(gè)模糊子集，分別為：很小、較小、適中、較大、很大。

(3)由于權(quán)重值只是用來(lái)標(biāo)稱各定位技術(shù)的定位可信度，因此可取其論域W＝(0,1)。其論域上的模糊子集同離群率。

(4)根據(jù)離群率和絕對(duì)誤差對(duì)定位貢獻(xiàn)度的影響程度，作出相應(yīng)模糊規(guī)則。模糊規(guī)則的形式可以表示為：如果s等于A_i并且e等于B_j，則w等于C_ij，其中A_i是離群率的模糊語(yǔ)言量，B_j為絕對(duì)誤差的模糊語(yǔ)言量，C_ij為定位貢獻(xiàn)度的模糊語(yǔ)言量。然后依據(jù)制定好的模糊規(guī)則和瑪達(dá)尼推理法，得出GPS、WIFi和CN這三種定位技術(shù)的定位貢獻(xiàn)度分別為：w_GPS、w_WiFi和w_CN。

步驟4，將目標(biāo)車輛的三種定位技術(shù)的定位貢獻(xiàn)度，即w_GPS、w_WiFi和w_CN作為權(quán)值，模糊加權(quán)計(jì)算得到目標(biāo)車輛的復(fù)合位置為：

步驟5，將目標(biāo)車輛的三種定位技術(shù)的定位貢獻(xiàn)度之和作為評(píng)定復(fù)合位置可信程度的指標(biāo)，記作：C_m＝w_GPS+w_WiFi+w_CN。將該指標(biāo)輸入另一個(gè)模糊控制器后，得到一個(gè)控制量記作：Δr。該控制量用來(lái)動(dòng)態(tài)調(diào)節(jié)卡爾曼濾波器中的觀測(cè)噪聲協(xié)方差矩陣。同樣的，需要為C_m和Δr確定模糊屬性和相應(yīng)的模糊規(guī)則：C_m的論域規(guī)定為(0，3),且劃分為5個(gè)模糊子集：很小、較小、適中、較大、很大；Δr的論域規(guī)定為(-2，2)，且劃分為5個(gè)模糊子集：負(fù)大、負(fù)小、零、正小、正大；根據(jù)卡爾曼濾波遞推公式，可以得出如下模糊規(guī)則：

規(guī)則1：如果C_m很小，那么Δr為正大；

規(guī)則2：如果C_m較小，那么Δr為正??；

規(guī)則3：如果C_m適中，那么Δr為零；

規(guī)則4：如果C_m較大，那么Δr為負(fù)??；

規(guī)則5：如果C_m很大，那么Δr為負(fù)大。

步驟6，把目標(biāo)車輛k時(shí)刻的復(fù)合位置Target_k(X,Y)作為卡爾曼濾波遞推公式中觀測(cè)量Z(k)的值，同時(shí)將k時(shí)刻的控制量Δr用于卡爾曼濾波遞推公式中觀測(cè)噪聲協(xié)方差矩陣R的動(dòng)態(tài)調(diào)節(jié)，即:Z(k)＝Target_k(X,Y),R(k)＝(1+Δr(k))R,其中R(k)即為可變觀測(cè)噪聲協(xié)方差矩陣。最后，在卡爾曼濾波遞推過(guò)程中，將公式中的進(jìn)一步估計(jì)值作為目標(biāo)車輛最終的實(shí)時(shí)定位結(jié)果。

本發(fā)明提出一種基于模糊理論的復(fù)合定位新方法，其創(chuàng)新技術(shù)是：結(jié)合CPS系統(tǒng)可實(shí)現(xiàn)實(shí)時(shí)感知、信息服務(wù)和動(dòng)態(tài)控制的特點(diǎn)，運(yùn)用模糊理論融合三種車輛定位技術(shù)(GPS,WiFi和CN)，構(gòu)建了能反映各定位技術(shù)可靠程度的兩個(gè)指標(biāo)：離群率和絕對(duì)誤差，提高了定位技術(shù)融合的合理性；同時(shí)采用模糊可變?cè)肼晠f(xié)方差卡爾曼濾波器對(duì)融合結(jié)果進(jìn)行濾波，提高了定位的準(zhǔn)確性。本發(fā)明的優(yōu)點(diǎn)是：操作步驟簡(jiǎn)單、實(shí)時(shí)性強(qiáng)，可用于不同環(huán)境下，且定位準(zhǔn)確率高、計(jì)算量小，可適用于多種定位設(shè)備，因此，推廣容易，應(yīng)用廣泛，具有很好的應(yīng)用前景。

附圖說(shuō)明

圖1是一種基于模糊理論的復(fù)合定位新方法示意圖。

圖2是一種基于模糊理論的復(fù)合定位新方法流程示意圖。

圖3是復(fù)合定位新方法和CPS理論融合框架圖。

圖4是目標(biāo)車輛的行駛軌跡試驗(yàn)圖。

圖5是目標(biāo)車輛的定位累積誤差試驗(yàn)圖。

圖6是目標(biāo)車輛的定位累積分布函數(shù)試驗(yàn)圖。

具體實(shí)施方式

下面結(jié)合附圖1至6對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。本發(fā)明提出一種新的基于模糊理論的復(fù)合定位方法：首先獲取目標(biāo)車輛以及相鄰車輛上的三種定位技術(shù)裝置(GPS,WiFi和CN)的定位數(shù)據(jù)和兩車之間的精確距離，然后計(jì)算出能夠反映各定位技術(shù)可靠程度的兩個(gè)指標(biāo)：離群率和絕對(duì)誤差，同時(shí)運(yùn)用模糊理論融合這兩個(gè)指標(biāo)，得出各定位技術(shù)的定位貢獻(xiàn)度，接著以定位貢獻(xiàn)度作為權(quán)值，模糊加權(quán)計(jì)算得到目標(biāo)車輛的復(fù)合位置；最后采用一個(gè)模糊可變觀測(cè)噪聲協(xié)方差的卡爾曼濾波器對(duì)復(fù)合位置進(jìn)行濾波，從而得到一個(gè)更加實(shí)時(shí)、準(zhǔn)確的車輛位置。

參見圖1和圖2，具體介紹本發(fā)明方法的下列操作步驟：

步驟1，利用V2V(汽車-汽車)通信技術(shù)和三種定位裝置(GPS,WiFi和CN)，采集目標(biāo)車輛以及某相鄰車輛的三種定位裝置的定位數(shù)據(jù)和兩車之間的精確距離。如圖1所示，本發(fā)明的三種定位裝置分別為：全球定位系統(tǒng)(Global Positioning System，即GPS)、無(wú)線保真(Wireless-Fidelity，即WiFi)定位系統(tǒng)和蜂窩網(wǎng)絡(luò)(Cellular Network,即CN)定位系統(tǒng)。此外，V2V(汽車-汽車)通信技術(shù)用來(lái)測(cè)量目標(biāo)車輛與某相鄰車輛之間的精確距離并相互共享各自的定位數(shù)據(jù)。

步驟2，采集到目標(biāo)車輛以及某相鄰車輛的三種定位裝置的定位數(shù)據(jù)和兩車之間的精確距離后，計(jì)算出目標(biāo)車輛各定位技術(shù)的離群率和絕對(duì)誤差。如圖2所示，采集到目標(biāo)車輛的三種定位裝置的定位數(shù)據(jù)分別為：GPS(X,Y)、WiFi(X,Y)和CN(X,Y)，某相鄰車輛的三種定位裝置的定位數(shù)據(jù)分別為：GPS_nei(X,Y)、WiFi_nei(X,Y)和CN_nei(X,Y)，以及兩車之間的精確距離為D。通過(guò)離群率計(jì)算模塊和絕對(duì)誤差計(jì)算模塊后，可得到目標(biāo)車輛各定位技術(shù)的離群率分別為：s_GPS、s_WiFi和s_CN，各定位技術(shù)的絕對(duì)誤差分別為：e_GPS、e_WiFi和e_CN。

步驟3，將離群率和絕對(duì)誤差模糊化后，根據(jù)制定好的模糊規(guī)則以及瑪達(dá)尼推理法得到這些定位技術(shù)各自對(duì)應(yīng)的定位貢獻(xiàn)度。其模糊規(guī)則如下表所示：

如圖2所示，將目標(biāo)車輛各定位技術(shù)的離群率和絕對(duì)誤差輸入模糊控制器1之后，可得到這些定位技術(shù)各自對(duì)應(yīng)的定位貢獻(xiàn)度分別為：w_GPS、w_WiFi和w_CN。

步驟4，將定位貢獻(xiàn)度作為權(quán)值，通過(guò)對(duì)各定位裝置的定位數(shù)據(jù)進(jìn)行模糊加權(quán)計(jì)算，得到目標(biāo)車輛的復(fù)合位置。如圖2所示，目標(biāo)車輛各定位技術(shù)的定位貢獻(xiàn)度，通過(guò)加權(quán)平均計(jì)算模塊后，可得到目標(biāo)車輛的復(fù)合位置為：Target(X,Y)。

步驟5，將各定位技術(shù)的定位貢獻(xiàn)度之和作為輸入，通過(guò)另一個(gè)模糊控制器2的調(diào)節(jié)之后，得到一個(gè)控制量。如圖2所示，目標(biāo)車輛各定位技術(shù)k時(shí)刻的定位貢獻(xiàn)度之和C_m(k)，在輸入模糊控制器2后，可以得到一個(gè)控制量Δr(k)。

步驟6，把所得到的復(fù)合位置作為卡爾曼濾波公式中的觀測(cè)量，同時(shí)將控制量用于卡爾曼濾波公式中觀測(cè)噪聲協(xié)方差矩陣的動(dòng)態(tài)調(diào)節(jié)，然后執(zhí)行卡爾曼濾波遞推過(guò)程，最后將卡爾曼濾波公式中的進(jìn)一步估計(jì)值作為目標(biāo)車輛最終的實(shí)時(shí)定位結(jié)果。如圖2所示，把目標(biāo)車輛k時(shí)刻的復(fù)合位置Target_k(X,Y)作為卡爾曼濾波公式中觀測(cè)量Z(k)的值，同時(shí)將k時(shí)刻的控制量Δr(K)用于卡爾曼濾波公式中觀測(cè)噪聲協(xié)方差矩陣R的動(dòng)態(tài)調(diào)節(jié)，得到可變觀測(cè)噪聲協(xié)方差矩陣R(k)，然后執(zhí)行卡爾曼濾波遞推過(guò)程，最后將卡爾曼濾波公式中的進(jìn)一步估計(jì)值作為目標(biāo)車輛最終的實(shí)時(shí)定位結(jié)果。

需要說(shuō)明的是，雖然本發(fā)明所述方法是利用上述三種現(xiàn)有的定位技術(shù)計(jì)算得到準(zhǔn)確的目標(biāo)車輛的實(shí)時(shí)位置。但是，車載終端在實(shí)際應(yīng)用時(shí)，使用三種或三種以上定位裝置采集各自定位數(shù)據(jù)時(shí)，對(duì)定位技術(shù)的種類和數(shù)量都沒有限制。比如在上述三種定位技術(shù)的基礎(chǔ)上增加一種射頻識(shí)別(Radio Frequency Identification,RFID)定位技術(shù),且目標(biāo)車輛和某相鄰車輛的RFID定位數(shù)據(jù)分別為：RFID(X,Y)和RFID_nei(X,Y)，則目標(biāo)車輛的四種定位技術(shù)的離群率改寫為：

其中d_GW表示GPS(X,Y)與WiFi(X,Y)之間的歐幾里得距離，d_GC、d_GF、d_WC、d_WF和d_CF同理。在各定位技術(shù)的絕對(duì)誤差中，GPS、WiFi和CN的保持不變，只需添加RFID的絕對(duì)誤差為：e_RFID＝|D_F-D|，其中D_F表示RFID(X,Y)和RFID_nei(X,Y)之間的歐幾里得距離。然后目標(biāo)車輛的復(fù)合位置改寫為：

其中w_RFID為RFID定位技術(shù)的貢獻(xiàn)度，其它變量含義同上。復(fù)合位置可信程度的指標(biāo)改寫為：C_m＝w_GPS+w_WiFi+w_CN+w_RFID，同時(shí)C_m的論域改為(0,4),其它參數(shù)保持不變。

此外，本發(fā)明方法中的復(fù)合定位方法與CPS理論融合之后，可更好的服務(wù)于大部分的車輛應(yīng)用場(chǎng)景，比如智能路徑規(guī)劃、防碰撞系統(tǒng)以及車輛組網(wǎng)等?，F(xiàn)以車輛組網(wǎng)為例，如圖3所示，當(dāng)目標(biāo)車輛獲取到相關(guān)數(shù)據(jù)(定位數(shù)據(jù)和兩車距離)之后，便運(yùn)行本發(fā)明中的復(fù)合定位算法；在獲取自身定位數(shù)據(jù)后，可將自身的行駛狀態(tài)(位置、速度、方向、目的地等)共享至云服務(wù)中心，同時(shí)可獲取周圍車輛的行駛狀態(tài)；然后根據(jù)自身的行駛狀態(tài)和周圍車輛的行駛狀態(tài)來(lái)動(dòng)態(tài)決定是否需要組網(wǎng)以及與哪些車輛進(jìn)行組網(wǎng)，通常情況下，應(yīng)當(dāng)選取目的地、速度和方向都比較接近的車輛進(jìn)行組網(wǎng)，從而增加車載自組織網(wǎng)絡(luò)的通信鏈路時(shí)間并提高網(wǎng)絡(luò)服務(wù)質(zhì)量。此過(guò)程通過(guò)3C技術(shù)(Computing、Communication和Control)的有機(jī)融合與深度協(xié)作，達(dá)到了實(shí)時(shí)感知和動(dòng)態(tài)組網(wǎng)的目的。

本發(fā)明在MATLAB平臺(tái)上進(jìn)行了仿真實(shí)施試驗(yàn)，試驗(yàn)參數(shù)如下表所示：

試驗(yàn)結(jié)果從目標(biāo)車輛各定位技術(shù)的定位軌跡、累積誤差和累積分布函數(shù)這三個(gè)方面對(duì)本發(fā)明方法的性能做了對(duì)比分析。如圖4所示，在前200m的距離內(nèi)，本發(fā)明方法的定位軌跡顯然比GPS、WiFi和CN的定位軌跡更加靠近目標(biāo)車輛的實(shí)際軌跡。此外，各定位方法的定位累積誤差(前200m內(nèi))，如圖5所示，表明本發(fā)明方法能把定位累積誤差控制在20m左右，而GPS、WiFi和CN均超過(guò)了100m。最后，我們給出了整個(gè)試驗(yàn)階段中目標(biāo)車輛使用各定位方法產(chǎn)生的定位誤差累積分布函數(shù)(Cumulative Distribution Function,CDF),如圖6所示，表明本發(fā)明方法的定位誤差能夠達(dá)到4m的精度要求，相比GPS、WiFi和CN的10m的定位精度，提高了將近％60。

由此可見，實(shí)施例中本發(fā)明提出的一種新的基于模糊理論的復(fù)合定位方法能夠有效結(jié)合GPS、WiFi和CN這三種定位技術(shù)并提高定位精度，且每次定位時(shí)間耗時(shí)都在50ms以內(nèi)，因此滿足了實(shí)時(shí)、準(zhǔn)確的定位需求。應(yīng)當(dāng)指出，凡屬于本發(fā)明思路下的技術(shù)方案均屬于本發(fā)明的保護(hù)范圍；對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理前提下的若干改進(jìn)和潤(rùn)飾，應(yīng)視為本發(fā)明的保護(hù)范圍。車載終端在實(shí)際應(yīng)用時(shí)，使用三種或三種以上定位裝置采集各自定位數(shù)據(jù)時(shí)，對(duì)所述定位裝置的種類和數(shù)量都沒有限制，參見附圖1，目標(biāo)車輛通過(guò)三個(gè)GPS定位裝置、三個(gè)WiFi定位裝置和三個(gè)CN裝置共同定位。