Integrated 5G mmWave Positioning in Deep Urban Environments: Advantages and Challenges
Notice bibliographique
Résumé
Achieving the highest levels of autonomy within autonomous vehicles (AV s) requires a precise and dependable positioning solution that is not influenced by the environment. 5G mm Wave signals have been extensively studied in the literature to provide such a positioning solution. Yet, it is evident that 5G alone will not be able to provide uninterrupted positioning services, as outages are inevitable to occur. Towards that end, few works have explored the benefits of integrating mm Wave positioning with onboard motion sensors (OBMS) like inertial measurement units (IMUs) and odometers. Inspired by INS-GNSS integration literature, all methods defaulted to a tightly-coupled (TC) integration scheme, which hinders the potential of such an integration. Additionally, the proposed methods were validated using simulated 5G and INS data with probability-based line-of-sight (LOS) assumptions. Such an experimental setup fails to highlight the true advantages and challenges of 5G-OBMS integration. Therefore, this study first explores a loosely-coupled (LC) 5G-OBMS integration scheme as a viable alternative to TC schemes. Next, it examines the merits and challenges of such an integration in a deep-urban setting using a novel quasi-real simulation setup. The setup comprises quasi-real 5G measurements from the Siradel simulator and real commercial-grade IMU measurements from a challenging one-hour-long trajectory in downtown Toronto. The trajectory featured multiple natural 5G outages which helped with assessing the integration's performance. The proposed LC method achieved a 14-cm level of accuracy for 95% of the time, while significantly limiting positioning errors during natural 5G outages.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».