CN117452460B - 北斗星地协同云边端弹性定位平台及方法 - Google Patents
北斗星地协同云边端弹性定位平台及方法 Download PDFInfo
- Publication number
- CN117452460B CN117452460B CN202311793763.1A CN202311793763A CN117452460B CN 117452460 B CN117452460 B CN 117452460B CN 202311793763 A CN202311793763 A CN 202311793763A CN 117452460 B CN117452460 B CN 117452460B
- Authority
- CN
- China
- Prior art keywords
- service
- cloud
- edge
- beidou
- positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000002776 aggregation Effects 0.000 claims abstract description 64
- 238000004220 aggregation Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims description 48
- 238000010276 construction Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 36
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000012706 support-vector machine Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 18
- 238000013499 data model Methods 0.000 claims description 15
- 230000006855 networking Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 11
- 238000007499 fusion processing Methods 0.000 claims description 7
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims 2
- 238000011161 development Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种北斗星地协同云边端弹性定位平台及方法,涉及北斗高精度数据服务技术领域,所述方法通过构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;根据云端模型对多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成北斗定位终端算法对应的终端位置应用;将云位置服务、边缘位置服务和终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对数据池中的服务进行服务分发,获得定位结果;能够提升北斗服务经济社会发展的综合能力,提高了定位精度和稳定性,提升了区域复杂环境的作业精度。
Description
技术领域
本发明涉及北斗高精度数据服务技术领域,尤其涉及一种北斗星地协同云边端弹性定位平台及方法。
背景技术
北斗“星-地”协同定位的关键是星基点对点协议(Point to Point Protocol,PPP)与地基实时动态(Real time kinematic,RTK)算法的融合;虽然PPP-RTK技术的推出试图让PPP达到与RTK同样的定位性能,但其依旧是独立于RTK的定位技术,无法充分发挥两者的优势,特别是在地基增强网络覆盖边缘地带,高精度改正信息发布不稳定,PPP和RTK均会出现频繁地初始化,导致高精度定位可用性下降;同时,PPP和RTK的基准框架差异、无缝切换等问题也限制了两者真正意义上的协同;因此,研究PPP和RTK的统一数学模型,发挥PPP和RTK协同促进与互补的效果,对于完善北斗高精度定位的理论算法,具有推动作用。
此外,单一的北斗定位技术无法满足多样化环境下的连续、稳定、可靠定位需求,卫星导航、惯性导航、视觉等多传感器集成定位成为主流;然而,多传感器的集成面临着多样的噪声与干扰,不同场景下误差特征也存在差异;同时,多源定位滤波器耦合参数会根据传感器类型的不同而有所不同,这会增加多传感器融合定位的自适应难度。
发明内容
本发明的主要目的在于提供一种北斗星地协同云边端弹性定位平台及方法,旨在解决现有技术中多传感器融合定位难度较高,不同场景下误差较大,定位精确性较差的技术问题。
第一方面,为实现上述目的,本发明还提出一种北斗星地协同云边端弹性定位平台,所述北斗星地协同云边端弹性定位平台包括:
构建模块,用于构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;
服务应用模块,用于根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;
定位模块,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果。
可选地,所述构建模块包括多源模型云端综合定位服务构建模块、任务驱动北斗边缘分布式服务构建模块和北斗定位终端算法构建模块;其中,
所述多源模型云端综合定位服务构建模块,用于以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;
所述任务驱动北斗边缘分布式服务构建模块,用于以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;
所述北斗定位终端算法构建模块,用于建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
可选地,所述多源模型云端综合定位服务构建模块,还用于获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型;
所述多源模型云端综合定位服务构建模块,还用于以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据;
所述多源模型云端综合定位服务构建模块,还用于通过差分全球卫星导航***DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
可选地,所述任务驱动北斗边缘分布式服务构建模块,还用于在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心;
所述任务驱动北斗边缘分布式服务构建模块,还用于根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可选地,所述服务应用模块包括云端模型生成模块、云位置服务模块、边缘位置服务模块、终端算法生成模块和终端位置应用生成模块;其中,
所述云端模型生成模块,用于获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型;
所述云位置服务模块,用于根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务;
所述边缘位置服务模块,用于获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务;
所述终端算法生成模块,用于将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法;
所述终端位置应用生成模块,用于根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
可选地,所述终端位置应用生成模块包括智能优选模型建立模块、终端应用补偿模块和终端位置应用模块;其中,
所述智能优选模型建立模块,用于建立多GNSS多频观测值的最小动态滤波模型,并构建基于卫星***的最少卫星智能优选模型;
所述终端应用补偿模块,用于采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,获得终端应用补偿方案;
所述终端位置应用模块,用于根据所述最小动态滤波模型、所述最少卫星智能优选模型、所述终端应用补偿方案、所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
可选地,所述定位模块包括服务聚合模块、数据输入模块和定位结果获得模块;其中,
所述服务聚合模块,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;
所述数据输入模块,用于将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;
所述定位结果获得模块,用于根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
第二方面,本发明提供一种北斗星地协同云边端弹性定位方法,所述北斗星地协同云边端弹性定位方法包括以下步骤:
构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;
根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;
将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果。
可选地,所述构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法,包括:
以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;
以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;
建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
可选地,所述以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台,包括:
获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型;
以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据;
通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
可选地,所述以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务,包括:
在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心;
根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可选地,所述根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用,包括:
获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型;
根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务;
获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务;
将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法;
根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
可选地,所述根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用,包括:
建立多GNSS多频观测值的最小动态滤波模型,并构建基于卫星***的最少卫星智能优选模型;
采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,获得终端应用补偿方案;
根据所述最小动态滤波模型、所述最少卫星智能优选模型、所述终端应用补偿方案、所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;
可选地,所述将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果,包括:
将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;
将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;
根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
本发明提出的北斗星地协同云边端弹性定位方法,通过构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,保证北斗星地协同云边端弹性定位的准确性的同时,提高了北斗星地协同云边端弹性定位的速度和效率。
附图说明
图1为本发明北斗星地协同云边端弹性定位平台第一实施例的功能模块图;
图2为本发明北斗星地协同云边端弹性定位平台第二实施例的功能模块图;
图3为本发明北斗星地协同云边端弹性定位平台第三实施例的功能模块图;
图4为本发明北斗星地协同云边端弹性定位平台第四实施例的功能模块图;
图5为本发明北斗星地协同云边端弹性定位方法第一实施例的流程示意图;
图6为本发明北斗星地协同云边端弹性定位方法第二实施例的流程示意图;
图7为本发明北斗星地协同云边端弹性定位方法第三实施例的流程示意图;
图8为本发明北斗星地协同云边端弹性定位方法第四实施例的流程示意图;
图9为本发明北斗星地协同云边端弹性定位方法第五实施例的流程示意图;
图10为本发明北斗星地协同云边端弹性定位方法第六实施例的流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明北斗星地协同云边端弹性定位平台第一实施例的功能模块图。
本发明北斗星地协同云边端弹性定位平台第一实施例中,该北斗星地协同云边端弹性定位平台包括:
构建模块10,用于构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法。
需要说明的是,为了实现北斗星地协同云边端弹性定位,可以通过多源模型云端综合定位平台体系架构,提供高可用的北斗定位服务;通过分布式北斗边缘计算技术,分担云中心压力,以区域自组网分布式解算方式提供就近的高精度位置服务能力,结合轻量级定位算法来构建移动端设备,即构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法。
服务应用模块20,用于根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,进而根据预先设置的边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,从而根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
可以理解的是,通过“云边端”弹性定位***实现云端之间高效互联、协同工作、弹***的北斗高精度应用模式,以多组合方式融合多源数据模型,可以根据弹性定位需求,提供更快速、更多元、更安全、更专业、更智能的北斗高精度弹性定位服务。
定位模块30,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果。
应当理解的是,将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合后,可以获得服务聚合结果,进而将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,最终获得定位结果。
本实施例通过上述方案,通过构建模块构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;服务应用模块根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;定位模块将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,保证北斗星地协同云边端弹性定位的准确性的同时,提高了北斗星地协同云边端弹性定位的速度和效率。
进一步地,图2为本发明北斗星地协同云边端弹性定位平台第二实施例的功能模块图,如图2所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位平台第二实施例,在本实施例中,所述构建模块10,包括多源模型云端综合定位服务构建模块11、任务驱动北斗边缘分布式服务构建模块12和北斗定位终端算法构建模块13;其中,
所述多源模型云端综合定位服务构建模块11,用于以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台。
需要说明的是,多源模型云端综合定位服务模块是以位置云为依托,进而通过微服务架构,容器化部署,结合北斗高精度数据处理算法、高精度地图和城市多路径模型,构建多源模型云端综合定位服务平台。
进一步的,所述多源模型云端综合定位服务构建模块11,还用于获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型,以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
可以理解的是,获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型后,可以以位置云为依托,根据海事无线电技术委员会(RadioTechnical Commission for Maritime services,RTCM)转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
进一步的,所述多源模型云端综合定位服务构建模块11,还用于以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
可以理解的是,以位置云为依托,根据海事无线电技术委员会(Radio TechnicalCommission for Maritime services,RTCM)转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
进一步的,所述多源模型云端综合定位服务构建模块11,还用于通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
应当理解的是,通过差分全球卫星导航***(Technical requirements ofDifferential Global Navigation Satellite System,DGNSS)处理引擎处理全球导航卫星***(Global Navigation Satellite System,GNSS)定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,从而获得多源模型云端综合定位服务平台。
在具体实现中,为高精度带来了更高精度、更稳定、更新更实时的高精度应用模式,多源模型云端综合定位服务平台利用GNSS设备上的多星座观测量、内置传感器等数据,通过DGNSS、RAIM、城市多路径模型及高精度地图匹配改正等方法提高定位精度,具体地,可以通过DGNSS技术来降低GNSS的***误差,并通过RAIM技术来判断GNSS定位结果的可靠性,如果GNSS数据可靠,可以直接将定位结果返回至定位终端;否则,通过高精度地图匹配和城市多路径模型来修正GNSS的多路径误差,并将修正后的GNSS定位结果返回至定位终端。
所述任务驱动北斗边缘分布式服务构建模块12,用于以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可以理解的是,北斗边缘分布式服务模块是以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建北斗边缘融合高精度位置服务算法。
进一步的,所述任务驱动北斗边缘分布式服务构建模块12,还用于在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心。
需要说明的是,在边缘构建任务调度中心,可以根据区域服务需求形成服务任务,并在边缘节点构建区域解算网和区域数据服务中心。
进一步的,所述任务驱动北斗边缘分布式服务构建模块12,还用于根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可以理解的是,根据所述服务任务在区域解算网和区域数据服务中心通过分布节点式进行部署,可以搭建北斗边缘融合高精度位置服务算法,进而可以根据服务需求,在边缘解算提供区域性高精度数据服务和产品。
在具体实现中,边缘高精度产品服务是根据任务需求构建区域子网,解算生成区域空间大气产品、大气改正随机模型、星地基高精度坐标框架等区域服务产品,并通过边缘网络获取区域星历、钟差产品,提供边缘多样性弹性高精度产品服务;边缘高精度数据服务是以边缘高精度解算为核心,一方面根据边缘***解算生成差分数据服务,提供区域高精度位置服务;另一方面,在边缘提供任务需求型数据解算服务,利用区域高程基准模型、区域三维模型和区域基准框架转换数据等,通过实时基准变换同步对设备坐标和高程基准进行变换解算,提供专业性数据服务,并通过多源模型辅助改正等方法提高设备的定位精度。
所述北斗定位终端算法构建模块13,用于建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
应当理解的是,建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法后,可以构建北斗定位终端算法,轻量级的北斗定位终端算法可以在有限资源条件下,保障整体解算精度、内存和算力间的最佳平衡。
本实施例通过上述方案,通过所述多源模型云端综合定位服务构建模块,以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;所述任务驱动北斗边缘分布式服务构建模块以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;所述北斗定位终端算法构建模块建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力。
进一步地,图3为本发明北斗星地协同云边端弹性定位平台第三实施例的功能模块图,如图3所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位平台第三实施例,在本实施例中,所述服务应用模块20包括云端模型生成模块21、云位置服务模块22、边缘位置服务模块23、终端算法生成模块24和终端位置应用生成模块25;其中,
所述云端模型生成模块21,用于获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型。
需要说明的是,获取区域高程基准、区域坐标***和区域辅助模型后,可以通过融合区域坐标框架、区域高程基准模型和区域空间大气产品,依据边缘自由组网解算,构建边缘弹性高精度位置解算服务中心,即生成云端模型。
所述云位置服务模块22,用于根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务。
可以理解的是,根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,进而获得云位置服务。
所述边缘位置服务模块23,用于获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务。
应当理解的是,获取边缘模型的边缘数据接口后,可以通过边缘数据接口请求云端数据模型在边缘进行解算服务,并通过边缘网络获得区域,获得边缘位置服务,缓解云端计算压力。
所述终端算法生成模块24,用于将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法。
可以理解的是,将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法,能够提高数据处理效率。
所述终端位置应用生成模块25,用于根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,根据所述终端算法可以和终端应用生成所述北斗定位终端算法对应的终端位置应用。
进一步的,所述终端位置应用生成模块25包括智能优选模型建立模块251、终端应用补偿模块252和终端位置应用模块253;其中,
所述智能优选模型建立模块251,用于建立多GNSS多频观测值的最小动态滤波模型,并构建基于卫星***的最少卫星智能优选模型。
所述终端应用补偿模块252,用于采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,获得终端应用补偿方案。
所述终端位置应用模块253,用于根据所述最小动态滤波模型、所述最少卫星智能优选模型、所述终端应用补偿方案、所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,针对复杂环境下多个GNSS观测值误差,采用支持向量机的小样本神经网络算法和结合速度与位置预测的一步误差探测方法来替代反复迭代探测粗差的传统方法,提升数据预处理效率。
需要说明的是,建立多GNSS多频观测值最小动态滤波模型,避免未参与解算卫星的内存消耗,同时充分分析卫星短时遮挡与中断恢复后的可利用率,引入基于历元自适应调整的权重策略,保障最小内存下的可用卫星连续性。
可以理解的是,优先采用部分卫星解算和部分模糊度固定技术,构建基于卫星***和频率、高度角、信噪比、观测弧长、观测误差、空间强度等多要素引导的最少卫星智能优选模型,同时分析外部改正数接收到生成可用改正的效率,结合产品有效期,建立合理的分片解算调度机制,保证最小算力下的高精度定位性能。
应当理解的是,采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,为将终端算法轻量化,项目将用现在市面应用较广的低成本低功耗高通MDM9628和I.MX6ULL Cortex ARMv7平台进行算法移植和测试。
本实施例通过上述方案,通过所述云端模型生成模块获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型;所述云位置服务模块根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务;所述边缘位置服务模块获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务;所述终端算法生成模块将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法;所述终端位置应用生成模块根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用,能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,提高了北斗星地协同云边端弹性定位的速度和效率。
进一步地,图4为本发明北斗星地协同云边端弹性定位平台第四实施例的功能模块图,如图4所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位平台第四实施例,在本实施例中,所述定位模块30包括服务聚合模块31、数据输入模块32和定位结果获得模块33;其中,
所述服务聚合模块31,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果。
需要说明的是,将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合后,可以获得各类的服务聚合结果。
所述数据输入模块32,用于将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池。
可以理解的是,将自动更新的所述服务聚合结果可以按照预先设置的高频定时发送至数据池。
所述定位结果获得模块33,用于根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
应当理解的是,根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,进而获得服务分发后的定位结果。
在具体实现中,在面向终端服务方面,可以通过设置服务调度机制,根据终端定位需求,快速选择合适的北斗高精度数据服务来实现服务响应,并实现云-边服务的无法切换进行云-边弹性协同服务;在云-边数据融合服务方面通过融合区域高程基准、区域坐标***和区域高精度辅助模型,根据终端应用场景进行数据组合,为不同用户需求弹性提供数据服务;在云-边协同解算方面,在云端保持统一化整网解算服务的同时在边缘端搭建轻量级云端解算服务,通过边缘数据接口请求云端数据模型在边缘进行解算服务,缓解云端计算压力,与云端构成互备,提升服务的稳定性,并通过区域模型数据服务融合解算技术,融合区域特性高精度模型,提升区域复杂环境作业精度,实现北斗应用服务的高精度、高安全性和高可用性。
本实施例通过上述方案,通过所述服务聚合模块将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;所述数据输入模块将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;所述定位结果获得模块根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果,能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,保证北斗星地协同云边端弹性定位的准确性的同时,提高了北斗星地协同云边端弹性定位的速度和效率。
参照图5,图5为本发明北斗星地协同云边端弹性定位方法第一实施例的流程示意图。
在第一实施例中,所述北斗星地协同云边端弹性定位方法包括以下步骤:
步骤S10、构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法。
需要说明的是,为了实现北斗星地协同云边端弹性定位,可以通过多源模型云端综合定位平台体系架构,提供高可用的北斗定位服务;通过分布式北斗边缘计算技术,分担云中心压力,以区域自组网分布式解算方式提供就近的高精度位置服务能力,结合轻量级定位算法来构建移动端设备,即构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法。
步骤S20、根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,进而根据预先设置的边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,从而根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
可以理解的是,通过“云边端”弹性定位***实现云端之间高效互联、协同工作、弹***的北斗高精度应用模式,以多组合方式融合多源数据模型,可以根据弹性定位需求,提供更快速、更多元、更安全、更专业、更智能的北斗高精度弹性定位服务。
步骤S30、将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果。
应当理解的是,将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合后,可以获得服务聚合结果,进而将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,最终获得定位结果。
本实施例通过上述方案,通过构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,保证北斗星地协同云边端弹性定位的准确性的同时,提高了北斗星地协同云边端弹性定位的速度和效率。
进一步地,图6为本发明北斗星地协同云边端弹性定位方法第二实施例的流程示意图,如图6所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位方法第二实施例,在本实施例中,所述步骤S10具体包括以下步骤:
步骤S11、以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台。
需要说明的是,多源模型云端综合定位服务模块是以位置云为依托,进而通过微服务架构,容器化部署,结合北斗高精度数据处理算法、高精度地图和城市多路径模型,构建多源模型云端综合定位服务平台。
步骤S12、以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可以理解的是,北斗边缘分布式服务模块是以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建北斗边缘融合高精度位置服务算法。
步骤S13、建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
应当理解的是,建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法后,可以构建北斗定位终端算法,轻量级的北斗定位终端算法可以在有限资源条件下,保障整体解算精度、内存和算力间的最佳平衡。
本实施例通过上述方案,通过以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法,能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力。
进一步地,图7为本发明北斗星地协同云边端弹性定位方法第三实施例的流程示意图,如图7所示,基于第二实施例提出本发明北斗星地协同云边端弹性定位方法第三实施例,在本实施例中,所述步骤S11具体包括以下步骤:
步骤S111、获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型。
需要说明的是,获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型。
步骤S112、以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
可以理解的是,以位置云为依托,根据海事无线电技术委员会(Radio TechnicalCommission for Maritime services,RTCM)转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据。
步骤S113、通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
应当理解的是,通过差分全球卫星导航***(Technical requirements ofDifferential Global Navigation Satellite System,DGNSS)处理引擎处理全球导航卫星***(Global Navigation Satellite System,GNSS)定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,从而获得多源模型云端综合定位服务平台。
在具体实现中,为高精度带来了更高精度、更稳定、更新更实时的高精度应用模式,多源模型云端综合定位服务平台利用GNSS设备上的多星座观测量、内置传感器等数据,通过DGNSS、RAIM、城市多路径模型及高精度地图匹配改正等方法提高定位精度,具体地,可以通过DGNSS技术来降低GNSS的***误差,并通过RAIM技术来判断GNSS定位结果的可靠性,如果GNSS数据可靠,可以直接将定位结果返回至定位终端;否则,通过高精度地图匹配和城市多路径模型来修正GNSS的多路径误差,并将修正后的GNSS定位结果返回至定位终端。
本实施例通过上述方案,通过获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型;以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据;通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台,能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力。
进一步地,图8为本发明北斗星地协同云边端弹性定位方法第四实施例的流程示意图,如图8所示,基于第二实施例提出本发明北斗星地协同云边端弹性定位方法第四实施例,在本实施例中,所述步骤S12具体包括以下步骤:
步骤S121、在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心。
需要说明的是,在边缘构建任务调度中心,可以根据区域服务需求形成服务任务,并在边缘节点构建区域解算网和区域数据服务中心。
步骤S122、根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务。
可以理解的是,根据所述服务任务在区域解算网和区域数据服务中心通过分布节点式进行部署,可以搭建北斗边缘融合高精度位置服务算法,进而可以根据服务需求,在边缘解算提供区域性高精度数据服务和产品。
本实施例通过上述方案,通过在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心;根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力。
进一步地,图9为本发明北斗星地协同云边端弹性定位方法第五实施例的流程示意图,如图9所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位方法第五实施例,在本实施例中,所述步骤S20具体包括以下步骤:
步骤S21、获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型。
需要说明的是,获取区域高程基准、区域坐标***和区域辅助模型后,可以通过融合区域坐标框架、区域高程基准模型和区域空间大气产品,依据边缘自由组网解算,构建边缘弹性高精度位置解算服务中心,即生成云端模型。
步骤S22、根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务。
可以理解的是,根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,进而获得云位置服务。
步骤S23、获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务。
应当理解的是,获取边缘模型的边缘数据接口后,可以通过边缘数据接口请求云端数据模型在边缘进行解算服务,并通过边缘网络获得区域,获得边缘位置服务,缓解云端计算压力。
步骤S24、将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法。
可以理解的是,将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法,能够提高数据处理效率。
步骤S25、根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,根据所述终端算法可以和终端应用生成所述北斗定位终端算法对应的终端位置应用。
进一步的,所述步骤S25包括以下步骤:
建立多GNSS多频观测值的最小动态滤波模型,并构建基于卫星***的最少卫星智能优选模型;
采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,获得终端应用补偿方案;
根据所述最小动态滤波模型、所述最少卫星智能优选模型、所述终端应用补偿方案、所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
应当理解的是,针对复杂环境下多个GNSS观测值误差,采用支持向量机的小样本神经网络算法和结合速度与位置预测的一步误差探测方法来替代反复迭代探测粗差的传统方法,提升数据预处理效率。
需要说明的是,建立多GNSS多频观测值最小动态滤波模型,避免未参与解算卫星的内存消耗,同时充分分析卫星短时遮挡与中断恢复后的可利用率,引入基于历元自适应调整的权重策略,保障最小内存下的可用卫星连续性。
可以理解的是,优先采用部分卫星解算和部分模糊度固定技术,构建基于卫星***和频率、高度角、信噪比、观测弧长、观测误差、空间强度等多要素引导的最少卫星智能优选模型,同时分析外部改正数接收到生成可用改正的效率,结合产品有效期,建立合理的分片解算调度机制,保证最小算力下的高精度定位性能。
应当理解的是,采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,为将终端算法轻量化,项目将用现在市面应用较广的低成本低功耗高通MDM9628和I.MX6ULL Cortex ARMv7平台进行算法移植和测试。
本实施例通过上述方案,通过获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型;根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务;获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务;将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法;根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用,能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,提高了北斗星地协同云边端弹性定位的速度和效率。
进一步地,图10为本发明北斗星地协同云边端弹性定位方法第六实施例的流程示意图,如图10所示,基于第一实施例提出本发明北斗星地协同云边端弹性定位方法第六实施例,在本实施例中,所述步骤S30具体包括以下步骤:
步骤S31、将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果。
需要说明的是,将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合后,可以获得各类的服务聚合结果。
步骤S32、将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池。
可以理解的是,将自动更新的所述服务聚合结果可以按照预先设置的高频定时发送至数据池。
步骤S33、根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
应当理解的是,根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,进而获得服务分发后的定位结果。
本实施例通过上述方案,通过将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果;能够提升定位服务的稳定性,提升了北斗服务经济社会发展的综合能力,提高了定位精度,提升了区域复杂环境的作业精度,实现了北斗应用服务的高精度、高安全性和高可用性,保证北斗星地协同云边端弹性定位的准确性的同时,提高了北斗星地协同云边端弹性定位的速度和效率。
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、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明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,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种北斗星地协同云边端弹性定位平台,其特征在于,所述北斗星地协同云边端弹性定位平台包括:
构建模块,用于构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;
服务应用模块,用于根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;
定位模块,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果;
其中,所述定位模块包括服务聚合模块、数据输入模块和定位结果获得模块;其中,
所述服务聚合模块,用于将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;
所述数据输入模块,用于将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;
所述定位结果获得模块,用于根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
2.如权利要求1所述的北斗星地协同云边端弹性定位平台,其特征在于,所述构建模块包括多源模型云端综合定位服务构建模块、任务驱动北斗边缘分布式服务构建模块和北斗定位终端算法构建模块;其中,
所述多源模型云端综合定位服务构建模块,用于以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;
所述任务驱动北斗边缘分布式服务构建模块,用于以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;
所述北斗定位终端算法构建模块,用于建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
3.如权利要求2所述的北斗星地协同云边端弹性定位平台,其特征在于,所述多源模型云端综合定位服务构建模块,还用于获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型;
所述多源模型云端综合定位服务构建模块,还用于以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据;
所述多源模型云端综合定位服务构建模块,还用于通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
4.如权利要求2所述的北斗星地协同云边端弹性定位平台,其特征在于,所述任务驱动北斗边缘分布式服务构建模块,还用于在北斗边缘构建任务调度中心,根据区域服务需求形成服务任务,并在所述北斗边缘的边缘节点构建区域解算网和区域数据服务中心;
所述任务驱动北斗边缘分布式服务构建模块,还用于根据所述服务任务在区域解算网和区域数据服务中心进行分布节点式部署,搭建任务驱动北斗边缘分布式服务。
5.如权利要求1所述的北斗星地协同云边端弹性定位平台,其特征在于,所述服务应用模块包括云端模型生成模块、云位置服务模块、边缘位置服务模块、终端算法生成模块和终端位置应用生成模块;其中,
所述云端模型生成模块,用于获取区域高程基准、区域坐标***和区域辅助模型,融合所述区域高程基准、所述区域坐标***和所述区域辅助模型生成云端模型;
所述云位置服务模块,用于根据所述云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务;
所述边缘位置服务模块,用于获取边缘模型的边缘数据接口,根据所述边端模型的边缘数据接口请求所述云端模型在北斗边缘进行解算,并通过边缘网络获得区域,获得边缘位置服务;
所述终端算法生成模块,用于将支持向量机的神经网络算法结合速度与位置预测误差探测算法作为终端算法;
所述终端位置应用生成模块,用于根据所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
6.如权利要求5所述的北斗星地协同云边端弹性定位平台,其特征在于,所述终端位置应用生成模块包括智能优选模型建立模块、终端应用补偿模块和终端位置应用模块;其中,
所述智能优选模型建立模块,用于建立多GNSS多频观测值的最小动态滤波模型,并构建基于卫星***的最少卫星智能优选模型;
所述终端应用补偿模块,用于采用支持即插即用的信息抽象与多源智能融合算法,根据传感器类型进行信息抽象,利用联邦卡尔曼滤波与因子图滤波进行融合处理,并采用神经网络来估计和补偿,获得终端应用补偿方案;
所述终端位置应用模块,用于根据所述最小动态滤波模型、所述最少卫星智能优选模型、所述终端应用补偿方案、所述终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用。
7.一种北斗星地协同云边端弹性定位方法,其特征在于,所述北斗星地协同云边端弹性定位方法包括:
构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法;
根据云端模型对所述多源模型云端综合定位服务进行云端解算,获得云位置服务,根据边端模型对所述任务驱动北斗边缘分布式服务进行边端解算,获得边缘位置服务,根据终端算法和终端应用生成所述北斗定位终端算法对应的终端位置应用;
将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果;
其中,所述将所述云位置服务、所述边缘位置服务和所述终端位置应用进行服务聚合,并将服务聚合结果输入至数据池,对所述数据池中的服务进行服务分发,获得定位结果,包括:
将所述云位置服务、所述边缘位置服务和所述终端位置应用按照区域、精度、模型和需求进行服务聚合,获得服务聚合结果;将自动更新的所述服务聚合结果按照预设定时发送频率输入至数据池;根据弹性任务驱动、协同解算引擎、弹***切换引擎和多元数据服务引擎对所述数据池中的服务进行多源组合和智能匹配,获得服务分发后的定位结果。
8.如权利要求7所述的北斗星地协同云边端弹性定位方法,其特征在于,所述构建多源模型云端综合定位服务、任务驱动北斗边缘分布式服务和北斗定位终端算法,包括:
以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台;
以任务驱动的边缘节点分区域组网为核心,结合区域服务需求,通过分布节点式部署,搭建任务驱动北斗边缘分布式服务;
建立多GNSS多频观测值最小动态滤波模型和最少卫星智能优选模型,结合支持向量机的小样本神经网络算法和信息抽象与多源智能融合算法构建北斗定位终端算法。
9.如权利要求8所述的北斗星地协同云边端弹性定位方法,其特征在于,所述以位置云为依托,通过微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型构建多源模型云端综合定位服务平台,包括:
获取微服务架构、容器化部署、北斗高精度数据处理算法、高精度地图和城市多路径模型;
以位置云为依托,根据RTCM转换引擎转换所述微服务架构、所述容器化部署、所述北斗高精度数据处理算法、所述高精度地图和所述城市多路径模型对应的数据,获得转换数据;
通过差分全球卫星导航*** DGNSS处理引擎处理GNSS定位结果,通过核心DGNSS校正引擎根据处理后的GNSS定位结果对所述转换数据对应的多元数据模型进行校正,获得多源模型云端综合定位服务平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311793763.1A CN117452460B (zh) | 2023-12-25 | 2023-12-25 | 北斗星地协同云边端弹性定位平台及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311793763.1A CN117452460B (zh) | 2023-12-25 | 2023-12-25 | 北斗星地协同云边端弹性定位平台及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117452460A CN117452460A (zh) | 2024-01-26 |
CN117452460B true CN117452460B (zh) | 2024-03-19 |
Family
ID=89585947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311793763.1A Active CN117452460B (zh) | 2023-12-25 | 2023-12-25 | 北斗星地协同云边端弹性定位平台及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117452460B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918138A (zh) * | 2017-11-28 | 2018-04-17 | 千寻位置网络有限公司 | “云+端”综合定位终端定位装置和差分定位方法 |
CN111090111A (zh) * | 2018-10-23 | 2020-05-01 | 千寻位置网络有限公司 | 基于边缘计算的动态差分定位方法及*** |
CN114509794A (zh) * | 2022-02-15 | 2022-05-17 | 国汽大有时空科技(安庆)有限公司 | 基于云端解算技术的卫星差分定位***和方法 |
WO2022227105A1 (zh) * | 2021-04-30 | 2022-11-03 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制***及方法 |
-
2023
- 2023-12-25 CN CN202311793763.1A patent/CN117452460B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107918138A (zh) * | 2017-11-28 | 2018-04-17 | 千寻位置网络有限公司 | “云+端”综合定位终端定位装置和差分定位方法 |
CN111090111A (zh) * | 2018-10-23 | 2020-05-01 | 千寻位置网络有限公司 | 基于边缘计算的动态差分定位方法及*** |
WO2022227105A1 (zh) * | 2021-04-30 | 2022-11-03 | 广州中国科学院软件应用技术研究所 | 一种基于端云融合的协同控制***及方法 |
CN114509794A (zh) * | 2022-02-15 | 2022-05-17 | 国汽大有时空科技(安庆)有限公司 | 基于云端解算技术的卫星差分定位***和方法 |
Non-Patent Citations (2)
Title |
---|
Research and Application of PNT Information Service System Based on "End + Network + Cloud";Jiang Li 等;China Satellite Navigation Conference (CSNC 2022) Proceedings;20220510;366-375 * |
基于微服务架构的高精度室内外综合位置服务平台设;王晓博 等;《邮电设计技术》;20201231;77-83 * |
Also Published As
Publication number | Publication date |
---|---|
CN117452460A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2382485B1 (en) | Improvements to assisted positioning systems | |
EP4206743A1 (en) | Method for vehicle positioning, related apparatus, device, and storage medium | |
CN110927665B (zh) | 一种千寻云迹虚拟参考站定位精度的验证方法及*** | |
CN111290005A (zh) | 载波相位的差分定位方法、装置、电子设备及存储介质 | |
TWI459016B (zh) | 移動資訊確定裝置、方法以及接收器 | |
JP2009025233A (ja) | 搬送波位相式測位装置 | |
CN111123295B (zh) | 基于ssr的定位方法及装置、定位*** | |
JP2002071782A (ja) | 測位機能付き情報端末 | |
CN112924997A (zh) | 目标终端定位方法、装置和存储介质及电子设备 | |
Skaloud et al. | Real-time registration of airborne laser data with sub-decimeter accuracy | |
CN110618438B (zh) | 大气误差计算方法、装置、计算机设备和存储介质 | |
CN112014869A (zh) | 基于天文导航的星间链路自主导航方法及*** | |
CN109669194B (zh) | Gnss虚拟参考站智能设站方法及*** | |
CN117452460B (zh) | 北斗星地协同云边端弹性定位平台及方法 | |
CN109752747B (zh) | 差分数据确定方法、装置、服务器及存储介质 | |
Zheng et al. | 5G-aided RTK positioning in GNSS-deprived environments | |
Yang et al. | Resilient smartphone positioning using native sensors and PPP augmentation | |
CN111288990B (zh) | 一种架空检修机器人组合姿态测量方法 | |
Schwarzbach et al. | Cooperative Positioning for Urban Environments based on GNSS and IEEE 802.11 p | |
Zhao et al. | Multi-antenna GNSS tight combination attitude determination in the urban environment | |
CN109901196A (zh) | 利用北斗短报文传输多频gnss数据和rts数据的方法 | |
WO2023023902A1 (zh) | 定位方法、电子设备及计算机存储介质 | |
CN115236706A (zh) | 一种星间链路单向测距观测数据处理方法及*** | |
CN112013834B (zh) | 基于天文导航的星间链路自主恢复方法及*** | |
CN112731268B (zh) | 一种差分数据的处理方法和定位跟踪*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |