5G与云计算等信息通信技术的蓬勃发展将引爆人们出行方式的变革,智慧城市与智能交通已经成为未来主要的发展趋势。车辆定位导航系统性能的优劣直接影响着智慧出行的交通安全与沟通效率,因此大众对于高质量的车辆定位服务有着更迫切的需求。本文从经济和实用的角度出发,选用低成本的里程计以及车载导航GPS接收机,并结合容积Kalman滤波算法和交互多模型算法构建了具有自适应功能的双里程计/GPS组合导航系统。具体工作内容包括:(1)研究固定在车辆驱动双轮上的双里程计相对车辆的几何位置关系,将此几何约束与里程计航位推算相结合,进一步观测车辆的位置姿态,从而减小观测误差。此外,分别对双里程计和车载GPS接收机的误差进行分析,在此基础上研究并设计了双里程计/GPS组合导航系统,使用GPS完成对双里程计惯性导航的初始化对准以及误差校正。本文将组合导航系统与容积Kalman滤波算法相结合,使用MATLAB进行仿真,实验结果表明相较于单一的GPS导航,组合导航系统的定位精度得到了较大幅度的提升,系统对速度信息的估计时延也降低了5s左右。(2)车辆的实际机动状态难以用单一运动模型描述,本文对双里程计/GPS组合导航系统进一步改进,将其与交互式多模型算法结合。利用双里程计的原始观测数据以及CKF(Cubature Kalman Filter)算法的滤波残差对车辆运动模型概率进行判断和修正。仿真结果表明,相较于普通交互多模型算法使用Markov链控制模型概率的方法,改进后的算法对模型的判断效率得到大幅提升,且定位误差减小了约36%左右。(3)考虑到车辆行驶过程中可能出现观测源信息异常的情况,本文针对不同种类观测信息丢失的情况,分别设计了对应的应急方案。这种设计结构具有较强的自适应能力,可以保证系统的观测信息始终连续输出。仿真表明,当观测源信息不完整时,系统的定位误差存在小幅度的增大,但整体上仍能提供较好的定位估计。本文的工作可以为提高车载定位精度提供借鉴,同时也为智能交通系统中获取准确实时的车辆位姿信息提供参考。