С дороги в облако: краудсорсинг на данных повышает точность позиционирования

Технологии позиционирования глобальных навигационных спутниковых систем (ГНСС) используют огромные данные, генерируемые транспортными средствами, для создания карт коррекции атмосферной задержки высокого разрешения, что значительно повышает точность ГНСС в различных пространственных масштабах. Этот новый метод использует необработанные данные спутниковой навигации транспортных средств в режиме реального времени, совершенствуя традиционные приложения и представляя экономически эффективное решение для точного позиционирования.

Стремление к повышению ГНСС обычно затруднено ограничениями существующих моделей атмосферной коррекции, которые зависят от разреженной и дорогостоящей инфраструктуры. Эти традиционные модели с трудом предоставляют данные высокого разрешения, необходимые для точного позиционирования, особенно в динамичных средах, таких как автономное вождение. Появление данного исследования решает эту проблему, предлагая краудсорсинговый подход для создания подробных атмосферных карт, обещающий значительно улучшить производительность ГНСС и снизить затраты.

Исследователи из Китайской академии наук разработали оригинальную систему позиционирования ГНСС, описание, которой, опубликовано в мае 2024 года в журнале Satellite Navigation. В исследовании подробно описана система, которая использует двойные базовые станции и карты коррекции атмосферной задержки (CAM) из краудсорсинга для достижения высокоточного позиционирования, что является значительным достижением для таких приложений, как автономное вождение и Интернет вещей (IoT).

Исследование представляет новую систему позиционирования ГНСС, которая использует две базовые станции и массивные данные транспортных средств для создания атмосферных карт высокого разрешения, повышая точность позиционирования. Этот краудсорсинговый подход, получивший название CAM, использует данные транспортных средств, оснащенных приёмниками ГНСС.

Эти транспортные средства собирают и передают данные о задержке в атмосфере на облачный сервер, где они интегрируются и обрабатываются для постоянного обновления CAM. Этот процесс динамического обновления улучшает как пространственное разрешение CAM, так и точность позиционирования для общедоступных пользователей в режиме реального времени. Основное новшество этой системы заключается в использовании данных ГНСС обычных транспортных средств, которых больше, и они более доступны по сравнению с традиционными источниками данных.

Путём агрегирования и уточнения этих данных исследование позволяет разработать экономически эффективный метод создания детализированных поправок на задержку в атмосфере. CAM значительно снижает зависимость от дорогих и менее распределённых станций непрерывной оперативной опорной системы (CORS), традиционно используемых для получения атмосферных данных, предлагая масштабируемое решение, которое повышает осуществимость и точность прецизионных приложений ГНСС.

Доктор Юнбин Юань, ведущий исследователь, заявляет: «Эта система не только снижает затраты на сбор атмосферных данных, но также значительно повышает точность и надёжность позиционирования ГНСС…».

Применение этой технологии выходит за рамки повышения точности системы глобального позиционирования; это также открывает возможности для мониторинга окружающей среды в режиме реального времени и имеет серьёзные последствия для городского планирования, транспорта и систем реагирования на чрезвычайные ситуации. Поскольку транспортные средства становятся центрами сбора данных, масштабируемость этой технологии обещает значительные социально-экономические выгоды, особенно в высокоурбанизированных регионах.

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

По материалам открытых источников