[0001] 本申请涉及车载天线技术领域，尤其涉及一种安装位置确定方法、装置、终端设备及存储介质。

[0002] 车载天线种类繁多，包括WiFi天线、蓝牙天线、定位天线、5G天线和胎压天线等。过去，这些天线各自独立，分散安装在车身各处，集成度较低。然而，现在一种新的设计趋势是将多种天线集成到一个车载天线盒中，这不仅可以提升车辆的整体设计感，还有利于天线的统一管理。不过，不同种类天线的安装要求各异，将它们集成在一个车载天线盒时，难以确定车载天线盒的安装位置。

[0044] 应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0045] 本申请实施例的主要解决方案是：获取车辆的特征参数、车载天线盒的特征参数，以及所述车载天线盒之中若干个天线各自对应的特征参数；基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建目标函数和约束条件；基于所述目标函数、所述约束条件，求解得到对应的目标决策变量值；基于所述目标决策变量值，确定所述车载天线盒在所述车辆的安装位置。基于本申请方案，综合考虑了车辆、车载天线盒和各天线的特征参数构建目标函数和约束条件，以全面评估不同安装位置对天线的影响。进一步求解得到对应的目标决策变量值，以指示车载天线盒在车辆较优的安装位置，有效提高车载天线盒的安装位置的可靠性。

[0046] 具体地，参照图1，图1为本申请安装位置确定装置所属终端设备的功能模块示意图。该安装位置确定装置可以为独立于终端设备的、能够进行安装位置确定的装置，其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端，还可以为具有数据处理功能的固定终端设备或服务器等。

[0047] 在本实施例中，该安装位置确定装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。

[0048] 存储器130中存储有操作系统以及安装位置确定程序，安装位置确定装置可以将车辆的特征参数、车载天线盒的特征参数、车载天线盒之中若干个天线各自对应的特征参数、决策变量、目标函数、约束条件、目标决策变量值、车载天线盒在车辆的安装位置等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括WI F I模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部设备或服务器进行通信。

[0049] 其中，存储器130中的安装位置确定程序被处理器执行时实现以下步骤：

[0050] 获取车辆的特征参数、车载天线盒的特征参数，以及所述车载天线盒之中若干个天线各自对应的特征参数；

[0051] 基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建目标函数和约束条件；

[0052] 基于所述目标函数、所述约束条件，求解得到对应的目标决策变量值；

[0053] 基于所述目标决策变量值，确定所述车载天线盒在所述车辆的安装位置。

[0054] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0055] 基于所述车辆的结构参数、包络参数、规范参数，所述车载天线盒的包络参数、结构参数，所述若干个天线各自对应的性能参数、包络参数、规范参数，以及所述决策变量，构建所述若干个天线各自对应的信号衰减最小化目标函数。

[0056] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0057] 基于所述车辆的结构参数、包络参数、规范参数，以及所述决策变量，构建对应的车辆约束条件；

[0058] 基于所述车载天线盒的包络参数、结构参数，以及所述决策变量，构建对应的车载天线盒约束条件；

[0059] 基于所述若干个天线各自对应的性能参数、包络参数、规范参数，以及所述决策变量，构建所述若干个天线各自对应的天线约束条件。

[0060] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0061] 定义所述车载天线盒在车辆坐标系下的三维坐标变量作为所述决策变量。

[0062] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0063] 初始化所述决策变量对应的决策变量空间；

[0064] 生成所述决策变量空间中的初始决策变量值；

[0065] 基于预设的寻优算法、所述初始决策变量值、所述目标函数、所述约束条件，在所述决策变量空间中进行迭代搜索直至满足预设的停止条件，得到对应的最优解；

[0066] 将所述最优解确定为所述目标决策变量值。

[0067] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0068] 基于预设的粒子群算法、所述初始决策变量值、所述目标函数、所述约束条件，在所述决策变量空间中进行迭代搜索直至满足所述停止条件，得到对应的最优解。

[0069] 进一步地，存储器130中的安装位置确定程序被处理器执行时还实现以下步骤：

[0070] 响应于决策变量值选择操作，从若干个目标决策变量值之中确定其中一个作为最终决策变量值；

[0071] 基于所述最终决策变量值，确定所述车载天线盒在所述车辆的安装位置。

[0072] 本实施例中，综合考虑了车辆、车载天线盒和各天线的特征参数构建目标函数和约束条件，以全面评估不同安装位置对天线的影响。进一步求解得到对应的目标决策变量值，以指示车载天线盒在车辆较优的安装位置，有效提高车载天线盒的安装位置的可靠性。

[0073] 参照图2，本申请安装位置确定方法第一实施例提供一种流程示意图，所述安装位置确定方法包括：

[0074] 步骤S10，获取车辆的特征参数、车载天线盒的特征参数，以及所述车载天线盒之中若干个天线各自对应的特征参数。

[0075] 具体地，车载天线种类繁多，包括WiFi天线、蓝牙天线、定位天线、5G天线和胎压天线等。过去，这些天线各自独立，分散安装在车身各处，集成度较低。然而，现在一种新的设计趋势是将多种天线集成到一个车载天线盒中，这不仅可以提升车辆的整体设计感，还有利于天线的统一管理。不过，不同种类天线的安装要求各异，将它们集成在一个车载天线盒时，难以确定车载天线盒的安装位置。

[0076] 为解决上述问题，本实施例提出了一种利用多目标优化确定车载天线盒在车辆的安装位置的方法。

[0077] 首先本实施例涉及的车载天线盒一种集成多种天线的装置，包括WiFi天线、蓝牙天线、定位(GPS或北斗)天线、5G天线和胎压天线等。多种天线被整合在一个车载天线盒内，用于车辆通信、定位和连接等功能，提升车辆整体设计感和天线管理效率。

[0078] 为了构建多目标优化模型，需要获取车辆的特征参数、车载天线盒的特征参数，以及车载天线盒之中若干个天线各自对应的特征参数。其中，车辆的特征参数可以包括：车辆的结构参数、包络参数、规范参数；车载天线盒的特征参数可以包括：车载天线盒的包络参数、结构参数；若干个天线各自对应的特征参数可以包括：若干个天线各自对应的性能参数、包络参数、规范参数。

[0079] 步骤S20，基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建目标函数和约束条件。

[0080] 具体地，在获取上述特征参数的基础上，可以进一步结合预先定义的决策变量构建多目标优化模型。多目标优化模型包括目标函数和约束条件。目标函数是优化的目标，约束条件是对决策变量的限制条件，两者共同构成了多目标优化问题的数学描述。目标函数可以包括最小化或最大化一个或多个目标，约束条件可以包括等式约束和不等式约束，以确保解满足实际需求。

[0081] 在多目标优化模型中，决策变量是指可以调整的参数或变量，其取值会影响目标函数的优化结果。在确定车载天线盒在车辆的安装位置时，决策变量是指车载天线盒在车辆坐标系下的三维坐标变量，反映车载天线盒的横向、纵向和竖向位置。

[0082] 更为具体地，目标函数的构建需要考虑车辆的特征参数、车载天线盒的特征参数以及各个天线的特征参数。这些特征参数可能涉及车辆的结构、天线的性能、信号传输质量等方面。至少需要基于车辆的特征参数、车载天线盒的特征参数、若干个天线各自对应的特征参数，以及预先定义的决策变量，构建信号衰减最小化目标函数。在此基础上还可以构建信号覆盖范围最大化目标函数、天线互干扰最小化目标函数等，以提高整体的信号接收性能和覆盖效果。

[0083] 另外还需要基于车辆的特征参数、车载天线盒的特征参数、若干个天线各自对应的特征参数，以及预先定义的决策变量，构建约束变量。约束条件的制定需要考虑到实际应用场景中的限制，比如车辆结构的约束、天线安装位置的限制、天线性能要求等，以确保求解得到的目标决策变量值符合实际可行性和安全性要求。

[0084] 进一步地，将目标函数和约束条件转化为数学表达式，并结合决策变量进行组合，形成一个多目标优化问题的数学描述，也即得到多目标优化模型。

[0085] 步骤S30，基于所述目标函数、所述约束条件，求解得到对应的目标决策变量值。

[0086] 具体地，求解多目标优化模型通常涉及使用寻优算法。首先，选择适当的寻优算法，如遗传算法、粒子群算法或模拟退火算法。然后，初始化决策变量对应的决策变量空间，并生成决策变量空间中的初始决策变量值。接下来，利用选定的寻优算法，在决策变量空间中进行迭代搜索，不断优化初始决策变量值，直至满足预设的停止条件。在每次迭代中，根据多目标优化模型中的目标函数和约束条件评估候选解的优劣，并更新目标决策变量值。最终，得到一组最优的目标决策变量值，即为多目标优化模型的最优解。

[0087] 步骤S40，基于所述目标决策变量值，确定所述车载天线盒在所述车辆的安装位置。

[0088] 具体地，目标决策变量值是车载天线盒在车辆坐标系下的三维坐标值。车载天线盒在车辆的安装位置可能以多种形式表示，具体如下：

[0089] (1)数据形式：车载天线盒在车辆的安装位置可以通过数据的形式表示，如三维坐标值(x,y,z)，这种形式适合于存储、传输和处理。在数据形式下，目标决策变量值可以直接赋值作为车载天线盒在车辆的安装位置，或者在此基础上进行坐标系转换，以确保安装位置的准确性和适用性。

[0090] (2)可视化形式：车载天线盒在车辆的安装位置也可以通过可视化的形式表示，比如通过三维模型展示，以便更直观地了解车载天线盒在车辆上的位置。在可视化形式下，在可视化形式下，可以通过三维建模软件或者专业的车辆仿真工具来实现车载天线盒在车辆上的位置可视化。首先，需要使用车辆的三维模型和车载天线盒的模型来构建场景。然后，根据目标决策变量值确定车载天线盒的安装位置，并将其在场景中准确放置。最后，可以通过渲染引擎生成真实感的图像或动画，展示车载天线盒在车辆上的安装位置及其与周围环境的关系。这种可视化形式可以帮助设计人员更直观地评估安装方案的合理性和效果。

[0091] 本实施例中，综合考虑了车辆、车载天线盒和各天线的特征参数构建目标函数和约束条件，目标函数、约束条件以及决策变量构成了多目标优化模型，以全面评估不同安装位置对天线的影响。进一步求解得到对应的目标决策变量值，以指示车载天线盒在车辆较优的安装位置，有效提高车载天线盒的安装位置的可靠性。

[0092] 进一步地，参照图3，本申请安装位置确定方法第二实施例提供一种流程示意图，基于上述图2所示的实施例，对步骤S20中的“基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建目标函数”进一步细化，包括：

[0093] 步骤S21，基于所述车辆的结构参数、包络参数、规范参数，所述车载天线盒的包络参数、结构参数，所述若干个天线各自对应的性能参数、包络参数、规范参数，以及所述决策变量，构建所述若干个天线各自对应的信号衰减最小化目标函数。

[0094] 具体地，以下为本实施例涉及的各参数的定义：

[0095] (1)车辆的结构参数：车辆的尺寸、形状、质量分布等；车辆的包络参数：车辆外形轮廓的几何特征，如长度、宽度、高度等；车辆的规范参数：车辆的设计标准、性能要求、工作环境等。

[0096] (2)车载天线盒的包络参数：车载天线盒的外形尺寸、体积等；车载天线盒的结构参数：车载天线盒内部的结构特征，如支撑结构、天线安装方式等。

[0097] (3)若干个天线各自对应的性能参数：每个天线的接收灵敏度、发射功率、工作频率等；若干个天线各自对应的包络参数：每个天线的外形尺寸、天线位置等；若干个天线各自对应的规范参数：每个天线的设计标准、工作频率范围、覆盖范围等。

[0098] 基于上述车辆的结构参数、包络参数、规范参数，车载天线盒的包络参数、结构参数，若干个天线各自对应的性能参数、包络参数、规范参数，以及决策变量，可构建若干个天线各自对应的信号衰减最小化目标函数。若干个天线各自对应的信号衰减最小化目标函数旨在优化车载天线盒中各个天线的信号接收质量，使其在不同工作条件下尽可能减小信号衰减，以提高信号接收的可靠性和性能。

[0099] 例如，可以通过Mi nfi(x)表示第i个天线对应的信号衰减最小化目标函数，x是决策变量。

[0100] 值得注意的是，上述参数类型的列举只为实现本实施例提供一种可能的方式，在其他可能的实现方式中，可以选取上述任意项参数用于构建目标函数。

[0101] 本实施例中，通过目标函数最小化各个天线的信号衰减，可以有效提高车载天线系统的信号接收质量，增强信号覆盖范围和传输性能，从而优化车载通信体验，提升车辆整体的智能化和互联性能。

[0102] 进一步地，参照图4，本申请安装位置确定方法第三实施例提供一种流程示意图，基于上述图2所示的实施例，对步骤S20中的“基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建约束条件”进一步细化，包括：

[0103] 步骤S22，基于所述车辆的结构参数、包络参数、规范参数，以及所述决策变量，构建对应的车辆约束条件；

[0104] 步骤S23，基于所述车载天线盒的包络参数、结构参数，以及所述决策变量，构建对应的车载天线盒约束条件；

[0105] 步骤S24，基于所述若干个天线各自对应的性能参数、包络参数、规范参数，以及所述决策变量，构建所述若干个天线各自对应的天线约束条件。

[0106] 具体地，参考上述第三实施例关于各参数的定义。

[0107] 在一方面，需要构建车辆约束条件。车辆约束条件是根据车辆的结构参数、包络参数和规范参数制定的限制条件，可以包括车辆尺寸、形状、质量分布等结构参数，以及车辆外形轮廓的几何特征，如长度、宽度、高度等包络参数，以及车辆的设计标准、性能要求、工作环境等规范参数。车辆约束条件旨在确保车载天线盒的安装不会影响车辆的正常运行和安全性。

[0108] 在另一方面，需要构建车载天线盒约束条件。车载天线盒约束条件是根据车载天线盒的包络参数和结构参数制定的限制条件，可以涉及车载天线盒的外形尺寸、体积等包络参数，以及车载天线盒内部的结构特征，如支撑结构、天线安装方式等结构参数。车载天线盒约束条件旨在确保车载天线盒能够正确安装在车辆上，并满足设计要求。

[0109] 在另一方面，需要构建天线约束条件。天线约束条件是根据若干个天线各自对应的性能参数、包络参数和规范参数制定的限制条件，可以涉及每个天线的接收灵敏度、发射功率、工作频率等性能参数，以及每个天线的外形尺寸、天线位置等包络参数，以及每个天线的设计标准、工作频率范围、覆盖范围等规范参数。天线约束条件旨在确保每个天线能够在车载天线盒中正常工作，并提供良好的信号接收和传输性能。

[0110] 假设以g1(x)表示车辆约束条件，g2(x)表示车载天线盒约束条件，g3(x)表示天线约束条件，其中x为决策变量，组合的数学表达式如下：

[0111]

[0112] 本实施例中，通过构建约束条件，确保车辆、车载天线盒和各个天线的设计与实际应用环境相符，保证安装位置满足结构强度、空间限制和性能要求，提高系统稳定性和可靠性，确保车载天线系统在各种条件下能够正常工作，增强整车的通信性能和安全性。

[0113] 进一步地，参照图5，本申请安装位置确定方法第四实施例提供一种流程示意图，基于上述图2、图3、图4所示的实施例，所述决策变量的定义过程包括：

[0114] 步骤S011，定义所述车载天线盒在车辆坐标系下的三维坐标变量作为所述决策变量。

[0115] 具体地，了将车载天线盒的安装位置转化为数学问题中的决策变量，本实施例定义车载天线盒在车辆坐标系下的三维坐标变量作为决策变量。其中，车辆坐标系是一个以车辆为参考点建立的坐标系，用来描述车辆内部和周围的空间关系。通常，车辆坐标系的原点位于车辆的特定位置(例如车辆的质心或基准点)，坐标轴则沿着车辆的特定方向定义。车辆坐标系可以用来描述车辆上各种组件的位置、方向和运动状态，是车辆设计和控制中常用的参考框架。

[0116] 车载天线盒在车辆坐标系下的三维坐标变量表示为三维空间中的一个点，例如以点坐标(x，y，z)表示，描述了车载天线盒相对于车辆的位置。

[0117] 本实施例中，通过将车载天线盒的安装位置定义为三维坐标变量，实现了对安装位置的精确描述和控制，便于优化设计和管理。

[0118] 进一步地，参照图6，本申请安装位置确定方法第五实施例提供一种流程示意图，基于上述图2所示的实施例，对步骤S30中的“基于所述目标函数、所述约束条件，求解得到对应的目标决策变量值”进一步细化，包括：

[0119] 步骤S31，初始化所述决策变量对应的决策变量空间；

[0120] 步骤S32，生成所述决策变量空间中的初始决策变量值；

[0121] 步骤S33，基于预设的寻优算法、所述初始决策变量值、所述目标函数、所述约束条件，在所述决策变量空间中进行迭代搜索直至满足预设的停止条件，得到对应的最优解；

[0122] 步骤S34，将所述最优解确定为所述目标决策变量值。

[0123] 具体地，求解多目标优化模型，首先需要初始化决策变量对应的决策变量空间。初始化决策变量对应的决策变量空间即确定一个初始的决策变量范围或取值空间。在多目标优化问题中，决策变量代表了问题的可调节参数，其取值范围直接影响到最优解的搜索范围。

[0124] 进一步地，根据决策变量对应的决策变量空间所限制的范围或取值空间，生成一组初始决策变量值，作为寻优算法的起点。

[0125] 然后，基于预设的寻优算法、初始决策变量值、目标函数、约束条件，在决策变量空间中进行迭代搜索直至满足预设的停止条件，得到对应的最优解。可选的寻优算法包括遗传算法、粒子群算法、模拟退火等。在每一次迭代中，寻优算法都会根据目标函数来评估当前解的优劣，并根据约束条件来确保解的可行性。

[0126] 停止条件的判断过程可以包括：(1)达到最大迭代次数：设定一个最大迭代次数，当寻优算法达到该次数时停止迭代。(2)目标函数值收敛：当目标函数值的变化小于某个阈值时，可以认为优化过程已经收敛，可以停止迭代。(3)决策变量值收敛：当决策变量值的变化小于某个阈值时，可以认为优化过程已经收敛，可以停止迭代。(4)时间限制：设定一个最大运行时间，在规定的时间内无法达到满意的解时停止迭代。

[0127] 最优解表示对应的目标函数值是在给定约束条件下的最优值。换句话说，最优解是使目标函数达到最小值或最大值的一组决策变量值，它代表了问题的最佳解决方案或最优配置，因此，可以将最优解确定为多目标优化模型对应的目标决策变量值。

[0128] 例如，针对若干个天线各自对应的信号衰减最小化目标函数，最优解是使若干个天线各自对应的信号衰减最小化目标函数达到最小值。可以确保车载天线盒中的各车天线能获得综合最佳的信号接收质量，提高车辆的通信、定位等功能的性能稳定性和可靠性。

[0129] 本实施例中，通过迭代优化过程，能够搜索到最优的目标决策变量值，从而使得车载天线盒的安装位置更加合适和优化。通过预设的寻优算法和停止条件，确保了搜索过程的高效性和收敛性，使得最终确定的目标决策变量值能够在多个目标之间取得最佳平衡，提高了系统性能和稳定性。

[0130] 进一步地，参照图7，本申请安装位置确定方法第六实施例提供一种流程示意图，基于上述图6所示的实施例，对步骤S33中的“基于预设的寻优算法、所述初始决策变量值、所述目标函数、所述约束条件，在所述决策变量空间中进行迭代搜索直至满足预设的停止条件，得到对应的最优解”进一步细化，包括：

[0131] 步骤S331,基于预设的粒子群算法、所述初始决策变量值、所述目标函数、所述约束条件，在所述决策变量空间中进行迭代搜索直至满足所述停止条件，得到对应的最优解。

[0132] 具体地，本实施例以粒子群算法(PSO)作为优选的寻优算法。在粒子群算法中，解空间中的每个潜在解被看作是一个“粒子”，而这些粒子根据自身的经验和邻居的经验，在解空间中进行搜索，并不断调整自己的位置以寻找最优解。

[0133] 粒子群算法之所以可以用于上述多目标优化问题，是因为它具有以下特点：(1)全局搜索能力：粒子群算法能够同时利用个体的历史最优位置和全局最优位置，以全局和局部信息引导搜索过程，有利于找到全局最优解。(2)简单易实现：粒子群算法的实现相对简单，不需要复杂的数学模型或梯度信息，适用于多种类型的优化问题。(3)并行性：粒子群算法中的多个粒子可以并行地搜索解空间，因此具有较好的并行性能。(4)鲁棒性：粒子群算法对问题的初始条件和参数的选择相对不敏感，在一定程度上具有鲁棒性。

[0134] 在粒子群算法中，每个粒子的位置就对应了一个决策变量值，而粒子的速度则影响着下一步位置的更新方向和步长。基于粒子群算法、初始决策变量值、目标函数和约束条件，在决策变量空间中进行迭代搜索的过程，是通过调整粒子的位置和速度来不断优化解的过程。粒子根据目标函数的值和约束条件的限制，更新自己的位置和速度，并在迭代过程中逐步靠近最优解。最终，当满足停止条件时，得到的粒子位置对应的决策变量值即为最优解。

[0135] 本实施例中，基于粒子群算法，通过不断调整粒子的位置和速度，寻找最优解。其优点在于全局收敛性强，易于并行化，且适用于连续和离散优化问题，能够有效解决高维、非线性问题，快速有效地寻找最优解。

[0136] 进一步地，参照图8，本申请安装位置确定方法第七实施例提供一种流程示意图，基于上述图2所示的实施例，所述目标决策变量值的数量为若干个，对步骤S40中的“基于所述目标决策变量值，确定所述车载天线盒在所述车辆的安装位置”进一步细化，包括：

[0137] 步骤S41，响应于决策变量值选择操作，从若干个目标决策变量值之中确定其中一个作为最终决策变量值；

[0138] 步骤S42，基于所述最终决策变量值，确定所述车载天线盒在所述车辆的安装位置。

[0139] 具体地，在某些情况下，可能存在多个目标决策变量值可以满足多目标优化模型的要求，这取决于多目标优化模型的设计和约束条件的复杂性。例如，对于车载天线盒的安装位置确定，可能存在多个位置都能满足设计要求和性能指标，因此会有多个可行的目标决策变量值。

[0140] 在这种情况下，需要选择一个最优的目标决策变量值作为最终的解决方案。本实施例的执行主体可以是电脑、手机等终端设备，提供一种可操作界面。用户可以在可操作界面进行决策变量值选择操作，也即从多个目标决策变量值之中选择一个作为最终决策变量值。相应地，终端设备响应于决策变量值选择操作，从若干个目标决策变量值之中确定其中一个作为最终决策变量值。然后，诊断设备基于最终决策变量值，确定车载天线盒在所述车辆的安装位置。

[0141] 本实施例中，允许在多个目标决策变量值中进行选择，以确定最优的安装位置。通过选择最终决策变量值，能够有效地筛选出最适合的安装位置，从而提高了系统的性能和效率。

[0142] 此外，本申请实施例还提出一种安装位置确定装置，所述安装位置确定装置包括：

[0143] 获取模块，用于获取车辆的特征参数、车载天线盒的特征参数，以及所述车载天线盒之中若干个天线各自对应的特征参数；

[0144] 构建模块，用于基于所述车辆的特征参数、所述车载天线盒的特征参数、所述若干个天线各自对应的特征参数，以及预先定义的决策变量，构建目标函数和约束条件；

[0145] 求解模块，用于基于所述目标函数、所述约束条件，求解得到对应的目标决策变量值；

[0146] 确定模块，用于基于所述目标决策变量值，确定所述车载天线盒在所述车辆的安装位置。

[0147] 本实施例实现安装位置确定的原理及实施过程，请参照上述各实施例，在此不再赘述。

[0148] 此外，本申请实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的安装位置确定程序，所述安装位置确定程序被所述处理器执行时实现如上所述的安装位置确定方法的步骤。

[0149] 由于本安装位置确定程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。

[0150] 此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有安装位置确定程序，所述安装位置确定程序被处理器执行时实现如上所述的安装位置确定方法的步骤。

[0151] 由于本安装位置确定程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。

[0152] 需要说明的是，在本文中，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0153] 上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

[0154] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络设备等)执行本申请每个实施例的方法。

[0155] 以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。