Development of Intelligent GNSS-based Land Vehicle Localisation Systems
Notice bibliographique
Résumé
The usage of Global Navigation Satellites Systems (GNSS) for localisation purposes demands a permanent evaluation of the position information provided for the receiver, as well as a standardised GNSS-Receivers validation methodology and subsequently quality control procedures oriented to land vehicles within the ergodic hypothesis. The use of an independent reference system should provide enough information to validate the localisation system, but the lack of proper evaluation and procedures presents significant blind spots for future applications in both the GNSS-Receiver and the correspondent reference system. To solve these problems an approach based on artificial intelligence (AI) is presented. Also the development of an advanced filter technique for positioning estimation results in significant improvements of the reference system, even allowing a standalone GNSSdependent reference system when no independent systems are available. The presented developments are the bases for future intelligent GNSS-based localisation systems. The methodologies combine the advanced Particle Filter (PF) for positioning estimation with the newly developed Mahalanobis Ellipses Filter (MEF) methodology for accuracy-based data evaluation and the Artificial Neural Networks (ANN) models for both quantitative and qualitative validation. In this thesis the bases of the intelligent GNSS-based localisation system are presented and developed follows the BMW principle. In German the BMW principle stands for Beschreibungsmittel (means of description), Methode (methods) and Werkzeug (tool). The resulting system described along the thesis is applied and tested in a demonstrator tool, validating the developed methodologies in both software and hardware level. The proposed methodologies for the development of an intelligent GNSS-based localisation system are a substantial contribution for intelligent GNSS-based validation tools that will enable future safety-relevant applications, in field such as on-board uncertainty evaluation of vehicle localisation; advanced driver assistance systems; and GNSS-based vehicle localisation with intelligent maps for track selective enabled-localisation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».