智能网联汽车的信息共享对提高交通道路安全有着至关重要的作用。而汽车定位又是其中基础而关键的问题,通过共享定位信息可以提高智能网联汽车的定位精度。因此,将智能网联汽车的网联技术和定位技术相结合具有十分重要的研究价值。通过对国内外相关领域研究现状的调研和分析发现,现有研究针对智能网联汽车定位技术可分为自身定位和非自身定位两类:一是通过自身传感器定位;二是利用网联环境下非自身定位信息进行协同定位。在自身定位中存在定位信号丢失和传感器野值的问题,会降低定位精度;在非自身定位中存在数据传输丢包和延迟的问题。因此,本文针对智能网联汽车中数据传输丢包、延迟和传感器厚尾噪声等问题进行研究,主要研究内容如下:1.针对定位数据在网联环境中同时存在丢包和延迟的问题,提出一种考虑数据传输丢包和延迟的智能网联汽车定位方法。在状态空间模型中引入两个二元指示变量分别描述数据传输过程中的丢包和延迟;进而建立考虑丢包和延迟的鲁棒高斯分层模型;然后利用变分贝叶斯算法对模型进行求解,同时估计出状态和未知参数。通过实验证明,本文所提算法与对比算法相比有更好的定位精度和鲁棒性。2.在上述的基础上,针对传感器野值干扰下厚尾噪声的问题,提出一种考虑数据传输丢包、延迟和厚尾噪声的智能网联汽车定位方法。利用两个Bernoulli随机变量分别刻画数据传输过程中的丢包和延迟,再利用Student’s t分布模拟厚尾噪声,进而建立一个考虑数据传输丢包、延迟和厚尾噪声的一体化模型;然后利用变分贝叶斯算法同时求解模型中的状态和未知参数。通过实验证明,本文所提算法与对比算法相比在定位精度和鲁棒性上有更好的性能。3.仿真和真车数据实验验证。利用仿真数据进行实验验证;然后搭建智能网联汽车平台;最后采集校园的定位数据验证算法的有效性。总的来说,本文所提算法与对比算法相比在定位精度和鲁棒性上有更好的性能,同时能有效地估计丢包和延迟概率。将本文所提定位算法用于智能网联汽车定位数据中,可以提高智能网联汽车的定位精度和鲁棒性。本文的研究工作对今后的智能网联汽车研究提供一定的理论和实践基础。