从道路到云端利用车辆全球导航卫星系统原始数据

创新的全球导航卫星系统(GNSS)定位技术利用大量车辆生成的数据来创建高分辨率大气延迟校正地图，显着提高全球定位系统(GPS)在不同空间尺度上的精度。这种新方法利用实时、众包的车辆GNSS原始数据，改进传统的GPS应用，并为精确定位提供经济高效的解决方案。

当前大气校正模型的局限性阻碍了对提高全球导航卫星系统(GNSS)精度的追求，这些模型依赖于稀疏且成本高昂的基础设施。这些传统模型难以提供精确定位所需的高分辨率数据，尤其是在自动驾驶等动态环境中。这项研究的出现解决了这一挑战，提出了一种众包方法来生成详细的大气地图，有望显着提高GNSS性能并降低成本。

中国科学院的研究人员开发了一种创新的GNSS定位框架，并于2024年5月13日发表在《卫星导航》杂志上。该研究详细介绍了一种使用双基站和众包大气延迟校正地图(CAM)来实现高精度定位的系统，这对于自动驾驶和物联网(IoT)等应用来说是一个重大进步。

该研究引入了一种新颖的GNSS定位框架，利用双基站和海量车辆数据来生成高分辨率大气地图，从而提高GNSS的精度。这种众包方法称为CAM，利用来自配备GNSS接收器的车辆的数据。

这些车辆收集大气延迟数据并将其传输到云服务器，在云服务器中对其进行集成和处理，以持续更新CAM。这种动态更新过程提高了CAM空间分辨率和公共用户的实时定位精度。该框架的核心创新在于其使用了通用车辆GNSS数据，与传统数据源相比，这些数据更加丰富且易于获取。

通过汇总和细化这些数据，该研究实现了一种具有成本效益的方法来生成详细的大气延迟校正。CAM显着减少了对传统上用于大气数据的昂贵且分布较少的连续操作参考系统(CORS)站的依赖，提供了可扩展的解决方案，提高了精密GNSS应用的可行性和准确性。

首席研究员袁云斌博士表示：“该框架不仅降低了大气数据收集的成本，而且显着提高了GNSS定位的准确性和可靠性，标志着基于位置的服务的重大飞跃。”

该技术的应用不仅仅限于提高全球定位系统(GPS)的精度;它还为实时环境监测开辟了途径，并对城市规划、交通和应急系统产生重大影响。随着车辆成为数据收集中心，该技术的可扩展性有望带来广泛的社会经济效益，特别是在高度城市化的地区。