MétaCan
Menu
Retour à la cohorte
Enregistrement W2183507464

Network Real-Time Kinematic Performance Analysis Using Rtcm 3.0 and the Southern Alberta Network

2007· article· en· W2183507464 sur OpenAlexvenueaboutno aff
Kyle O’Keefe, Gérard Lachapelle

Notice bibliographique

RevueGEOMATICA · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmbiguity resolutionComputer scienceReal Time KinematicReal-time computingKinematicsDifferential GPSInterpolation (computer graphics)GNSS applicationsGlobal Positioning SystemRemote sensingGeographyComputer networkTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The RTCM 3.0 data transmission format is introduced and described as it applies to multiple reference station real-time kinematic differential GPS positioning, or network RTK. The new format provides a more modern and flexible message structure that accommodates network RTK data transmission, while requiring up to 80% less bandwidth for the transmission of RTK correction messages. Based on this reduced bandwidth, we investigated moving the correction interpolation step of the network RTK procedure from the network to the rover user. The RTCM 3.0 format is implemented and tested in both network and user software. Three interpolation methods are implemented and compared with single baseline processing using real data collected using reference stations from the Southern Alberta Network. Under moderate ionospheric conditions, the network RTK solution outperforms the single baseline approach in both the observation and position domains. The three interpolation methods are found to be comparable. Under severe ionospheric conditions, network ambiguity resolution becomes difficult, making the network corrections unreliable. It is recommended that a network ambiguity resolution status flag be added to the RTCM 3.0 network correction message format to alert users when network corrections are unreliable.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,194
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGEOMATICAMême sujetGNSS positioning and interferenceTravaux en français237 207