Искусственный интеллект поможет улучшить точность в городских условиях

Городская среда постоянно создаёт проблемы для глобальных навигационных спутниковых систем (ГНСС) – высокие здания, автомобили и другие препятствия часто нарушают сигналы и вызывают ошибки вне прямой видимости (NLOS). Чтобы решить эту проблему, исследователи разработали решение на основе искусственного интеллекта (ИИ) с использованием машины усиления градиента света (LightGBM), предлагающей новый уровень точности в определении и смягчении этих ошибок.

Исследование, опубликованное в журнале Satellite Navigation 22 ноября 2024 года, демонстрирует подход машинного обучения, который значительно повышает точность ГНСС за счёт идентификации и исключения сигналов NLOS. Исследователи из Уханьского университета, Юго-Восточного университета и Baidu провели реальные эксперименты в Ухане, Китай, подтвердив эффективность модели LightGBM в сложных городских условиях.

Метод LightGBM использует камеру fisheye для классификации сигналов ГНСС как сигналов прямой видимости (LOS) или NLOS на основе видимости спутника. Анализируя множество характеристик сигнала, таких как отношение сигнал/шум, угол возвышения и согласованность псевдодальности, модель достигла точности в 92% при различении сигналов LOS и NLOS. По сравнению с традиционными методами, такими как XGBoost, LightGBM обеспечивает превосходную производительность, повышая вычислительную эффективность и точность. Исключение сигналов NLOS из расчётов ГНСС привело к заметному повышению точности позиционирования, особенно в густонаселённых городских районах.

«Этот метод представляет собой большой шаг вперёд в улучшении позиционирования ГНСС в городских условиях, — говорит доктор Сяохун Чжан, ведущий исследователь. – Используя машинное обучение для анализа множественных характеристик сигнала, мы показали, что исключение сигналов NLOS может значительно повысить точность и надёжность спутниковых навигационных систем. Это имеет глубокие последствия для таких приложений, как автономное вождение и инфраструктура умного города».

Результаты имеют критические последствия для отраслей, зависящих от ГНСС, включая автономные транспортные средства, беспилотники и городское планирование. Улучшенное обнаружение и устранение ошибок NLOS может повысить безопасность и эффективность навигации в переполненных городских ландшафтах. Поскольку города внедряют более интеллектуальные и более связанные системы, это достижение должно сыграть важную роль в формировании будущих транспортных и инфраструктурных технологий.

Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал

По материалам открытых источников