An Assessment of Long-term Spatial Agnosticism of GNSS Positioning Degradation Risks Due to Ionospheric Conditions
Notice bibliographique
Résumé
The Global Navigations Satellite Systems (GNSS) have been evolved into an essential infrastructure of modern civilisation, a public goods, and enabler of rapidly growing number of technology and socio-economic applications. However, GNSS applications often lack fundamental details on GNSS Positioning, Navigation, and Timing (PNT services performance to define and determine their Quality of Service (QoS). The lack of alignment with the core GNSS PNT deprives GNSS applications of assessing the risks of the GNSS PNT utilisation, thus leaving GNSS applications unable to prepare alternatives and mitigate the causes of GNSS PNT performance disruptions. Here we contributed to solution of the problem with the introduction and long-term performance assessment of the risk model of ionospheric-caused GNSS positioning degradation. Called the Probability of Occurrence (PoO), our team defined the risk model of GNSS positioning degradation caused by ionospheric conditions based on the long term observations of occurrences of degraded GNSS positioning performance. In the process of the GNSS risk model validation, the long-term PoO risk models are developed using the annual 2014 stationary GNSS horizontal positioning error observations derived from the GNSS pseudoranges collected at the International GNSS Service (IGS) reference stations situated in polar (Iqaluit, Canada) and sub-equatorial regions (Darwin, Australia). Two GNSS risk models are compared for similarity using statistical methods of Hausdorff distance and Cramér–von Mises statistical test. Research results show that two GNSS risk models are spatially agnostic, since no significant difference in two long-term GNSS risk models is found. The research results supports the conclusion of generality of the PoO GNSS risk model, and its ability to serve GNSS applications developers, operators, and users in determination of the QoS of particular GNSS applications.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 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 ».