GNSS-positionering med webbaserade beräkningstjänster : Utvardering av den relativa osakerheten
Notice bibliographique
Résumé
Ett sätt att efterberäkna statiska GNSS-observationer är att använda webbaserade beräkningstjänster. Fördelen med att använda webbaserade beräkningstjänster är att det inte krävs någon avancerad kunskap om GNSS- mätning för att bestämma en position. I Sverige finns SWEPOS Beräkningstjänst, som använder sig av de permanenta referensstationerna i SWEPOS-nätverket för att utföra efterberäkning. Andra exempel på webbaserade beräkningstjänster är AUSPOS, Online User Positioning Service (OPUS), Trimble CenterPoint RTX Post Processing Service (TrimbleRTX) och Canadian Spatial Reference System Precise Point Positioning (CSRS-PPP). Dessa tjänster kan användas på platser utan geodetisk infrastruktur. Syftet med examensarbetet är att undersöka hur den relativa osäkerheten mellan närliggande punkter skiljer sig vid koordinatbestämning med de fem just nämnda tjänsterna. Fem kontrollpunkter valdes i ett redan etablerat stomnät runt Högskolan i Gävle. Kontrollpunkterna mättes i tre sessioner och varje session varade i fyra timmar. Från varje observationsfil skapades fyra nya observationsfiler som hade en, två, tre respektive fyra timmars observationstid. Filerna, totalt 60, skickades till beräkningstjänsterna när efterberäknade bandata var tillgängliga. För att jämföra de olika tjänsterna beräknades standardosäkerhet, medelavvikelse samt RMS-värdet. Resultatet visade att AUSPOS, CSRS-PPP, TrimbleRTX och SWEPOS presterar ungefär lika bra. Med fyra timmars observationstid hade dessa tjänster ett RMS för de relativa koordinatskillnaderna i plan runt 5–7 mm och i höjd 9–15 mm. OPUS presterade dock betydligt sämre än de andra tjänsterna. OPUS hade vid fyra timmars observationstid ett RMS-värde runt 16 mm och i höjd 27 mm. Resultaten visar även att längre observationstider förbättrar den relativa osäkerheten, men efter en viss observationstid förbättras inte osäkerheten.För AUSPOS och CSRS-PPP sker detta vid tre timmars observationstid medan för SWEPOS börjar RMS-värdet stabiliseras vid två timmar. TrimbleRTX presterar bra redan vid korta observationstider men förbättras något vid längre observationstider. OPUS visade en tydlig förbättring vid längre observationstider.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».