Система прогнозирования доступности ГНСС в городской среде

Непрерывное и надёжное позиционирование с помощью ГНСС является необходимым условием для автономного вождения и интеллектуальных транспортных систем. Хотя такие методы, как RTK, обеспечивают точность до сантиметра в условиях открытого неба, их производительность значительно снижается в городских условиях из-за приёма сигнала вне прямой видимости. Традиционные алгоритмы автономной маршрутизации в основном оптимизируют время в пути, игнорируя качество сигнала ГНСС, что может привести транспортные средства в зоны с критическими проблемами позиционирования.

Для решения этой проблемы, учёными факультета информатики, биоинженерии, робототехники и системной инженерии, Генуэзского университета, представлена масштабируемая автоматизированная система 3D-трассировки лучей, предназначенная для прогнозирования доступности сигнала ГНСС в городских условиях. Многие городские модели основаны на вытянутых контурах зданий, предполагающих ровную местность; предлагаемая методология интегрирует 3D-геометрию зданий из OpenStreetMap с цифровой моделью рельефа. Такой подход лучше учитывает как искусственные сооружения, так и естественные топографические перекрытия. Путём вычисления среднего числа спутников прямой видимости и коэффициента снижения точности система генерирует карту качества сигнала ГНСС, предоставляя геометрическую верхнюю границу доступности сигнала, поскольку дифракция не моделируется. Система была протестирована в Генуе и проверена на наборе данных KLT (Kowloon Tong), собранном в Гонконге.

Создание точных и масштабируемых моделей видимости остается сложной задачей. Моделирование в масштабах городов должно учитывать искусственные сооружения, естественный рельеф, разнородные геопространственные наборы данных, системы координат и потенциально очень большое количество запросов видимости от приемника к спутнику. Следовательно, практическая модель должна обеспечивать баланс между геометрической точностью, вычислительной эффективностью, автоматизацией и масштабируемостью.

Основные технические достижения данной работы заключаются в следующем:

• Интегрированное моделирование видимости зданий и рельефа местности: данная система объединяет трёхмерные геометрические модели зданий, полученные методом экструзии, с данными о высоте для моделирования как локальных препятствий, создаваемых зданиями, так и спутникового маскирования, вызванного рельефом местности.

• Автоматизированный сбор и гармонизация геопространственных данных: конвейер обработки извлекает и подготавливает информацию о зданиях из OpenStreetMap и данные о высоте из Copernicus, что сокращает трудозатраты на создание среды моделирования.

• Последовательная пространственная регистрация: структура выравнивает геопространственные данные, потенциальные местоположения приёмников и направления спутников в рамках общего представления координат. Этот шаг устраняет несоответствия между проекционными координатами карты и геодезическими системами отсчёта, используемыми для позиционирования спутников, которые в противном случае могут привести к систематическим ошибкам видимости.

• Эффективное тестирование пересечения лучей и геометрии: Иерархия ограничивающих объемов (BVH) используется для ускорения запросов на пересечение между лучами спутника и трёхмерной геометрией здания, что повышает вычислительную масштабируемость при обработке большого количества местоположений приёмников и конфигураций спутников.

• Иерархический подход к обработке помех сигнала: маскировка рельефом местности и препятствиями от зданий оцениваются с помощью взаимодополняющих процедур, что позволяет классифицировать каналы связи спутник-приёмник в соответствии с условиями их видимости.

• Поддержка оценки доступности ГНСС в масштабе города: полученная информация о видимости может быть агрегирована в пространственные индикаторы, подходящие для построения карт доступности ГНСС и для определения стратегий маршрутизации с учетом ГНСС.

В целом, предложенная структура преобразует разнородные геопространственные и спутниковые данные в полезную информацию об ожидаемой доступности ГНСС, одновременно ограничивая вычислительные затраты, связанные с крупномасштабным трехмерным анализом видимости.

Данная структура представляет ценность для разработки интеллектуальных транспортных систем и автономной маршрутизации транспортных средств. Предоставляя подробные «априорные» карты ожидаемой видимости спутников и верхнюю границу снижения точности, система позволяет разрабатывать алгоритмы навигации, учитывающие ГНСС, которые могут избегать структурно недоступной среды.

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

По материалам открытых источников