Новости и публикации компании СБС
Современные мегаполисы с их небоскрёбами, интенсивным транспортным потоком и множеством барьеров превращаются в серьёзное испытание на надёжность технологий позиционирования. Громадные сооружения блокируют передачу сигналов, транспорт и разнообразные объекты создают помехи, а зоны с ограниченным обзором становятся источником значительных ошибок, которые иногда оказываются критическими.
Чтобы решить эту проблему, учёные разработали революционное решение, использующее искусственный интеллект и инновационную модель LightGBM (Light Gradient Boosting Machine). Это изобретение обещает поднять точность спутниковой навигации на новый уровень, устраняя слабые места современных систем.
Суть подхода была представлена в исследовании, опубликованном 22 ноября 2024 года в журнале Satellite Navigation. Над проектом трудились специалисты из Уханьского университета, Юго-Восточного университета и корпорации Baidu. Для проверки эффективности метода они провели эксперименты в Ухане, одном из самых густонаселённых и сложных для навигации городов Китая.
Как работает новая технология.
Ключевая идея LightGBM заключается в использовании камеры fisheye для анализа спутниковых сигналов. Эта камера помогает разделять сигналы на две категории: прямой видимости (LOS) и вне прямой видимости (NLOS). Алгоритм машинного обучения анализирует широкий спектр параметров, включая соотношение мощности к шуму, наклон траектории и согласованность псевдодальности, чтобы эффективно классифицировать их.
Результаты оказались впечатляющими: метод продемонстрировал успешность определения типа данных на уровне 92%. Это делает LightGBM значительно превосходящим традиционные подходы, например XGBoost, как по качеству классификации, так и по скорости обработки информации. Исключая сигналы NLOS из расчётов, технология позволяет значительно повысить точность позиционирования, что особенно важно для городских условий с их сложной архитектурной средой.
Перспективы и влияние.
«Мы сделали огромный шаг вперёд в решении проблем спутниковой навигации в городах, — поясняет доктор Сяохун Чжан, ведущий исследователь проекта. — Применяя машинное обучение для анализа сигналов, мы доказали, что исключение ошибок NLOS способно значительно улучшить точность и надёжность навигационных систем. Это открывает новые горизонты для автономного транспорта и умных городов».
Достижение имеет далекоидущие последствия. Совершенствование ГНСС повлияет на широкий спектр отраслей, включая автономные автомобили, беспилотники и городское планирование. Исключение сигналов NLOS поможет повысить не только точность навигации, но и её безопасность, что особенно важно в мегаполисах с их плотной застройкой.
В перспективе эта технология может стать краеугольным камнем для развития умных транспортных систем и городской инфраструктуры. С её помощью города смогут перейти на новый уровень интеграции и эффективности, предлагая жителям и бизнесу более безопасные и удобные решения.