车联网作为物联网中的佼佼者,正逐步走进人们的视野。车联网的蓬勃发展有利于实现智能交通、减少道路拥堵及交通事故。而定位问题是实现智能交通的重要一环。当前,世界各国普遍采用全球导航卫星系统来进行车辆定位。而在GNSS信号不可用的地区,基于无线测距的车路协同定位是实现车联网定位的有效方法之一。本文对于车联网盲区定位方法进行了一些有益的探索,研究了三种适用于不同情形的车联网盲区协同定位方法。首先,针对车载惯导定位误差随时间增大的问题,提出了基于路侧单元与无线测距的车联网相对定位方法。建立了车路协同定位数学模型,并利用非线性加权最小二乘算法对其进行解算。在以高速公路环境为背景的仿真实验中可以有效延缓惯导定位误差的发散速度。其次,在没有车载惯导时,设计了迭代扩展卡尔曼滤波算法,将系统的状态考虑进来,有效地改善了车辆跟踪的效果。再次,针对可能出现较大测距误差的复杂区域,如建筑物较多的城市街区,构建了基于加权最小二乘支持向量回归机的车联网协同定位算法,该算法在测距误差较大的二维和三维情形中都可以保持较好的定位效果。通过仿真分析,在干扰因素较小的简单情形下,非线性加权最小二乘法与迭代扩展卡尔曼滤波法具有良好的定位效果,计算速度快且功耗小。在可能出现较大测距误差的复杂环境中,加权最小二乘支持向量回归机算法更具优势,具有较强的环境适应性。