A PPP-RTK APPROACH TO MASS-MARKET APPLICATIONS
Notice bibliographique
Résumé
Abstract. PPP-RTK has been widely investigated to take the advantages of both real-time kinematic (RTK) and precise point positioning (PPP) techniques. Prior to PPP-RTK, the conventional RTK based on the use of a single base station, on the one hand, has been extended to work within a regional network of multiple base stations, known as network RTK (NRTK). The RTK and NRTK enable fast ambiguity resolution over a short baseline or a local region. PPP, on the other hand, eliminates the need to establish any local network like NRTK, which is able to work in a single receiver mode but it suffers long convergence time in ambiguity resolution. PPP-RTK therefore can provide fast ambiguity resolution capability like RTK and NRTK. Current PPP-RTK techniques however still face challenges in supporting mass-market applications such as mobile devices and autonomous vehicles. Although PPP-RTK system (a combination of RTK and PPP technologies) can help expand the coverage of RTK and speed up the ambiguity resolution in PPP, the deployment and maintenance of a dense network of permanent base stations and a central data processing infrastructure for generation of SSR corrections increases not only the system cost but also the system complexity. This is particularly an obstacle for mass-market applications. In this paper, a new RTK approach is described. First it is based on a single base station state-space-representation (SSR) correction generation strategy to support fast ambiguity resolved PPP. Further it presents a new peer-to-peer propagation strategy to form a real-time dynamically generated network of base stations to support mass-market application users with unbounded coverage. As a result, the new approach eliminates the need to deploy and maintain a dense network of permanent base stations and central data processing infrastructure as required in a conventional PP-RTK system.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».