Post-processed Precise Point Positioning: \nA viable alternative?
Notice bibliographique
Résumé
The concept of Precise Point Positioning (PPP) using Global Navigation Satellite System (GNSS) technology was first introduced in 1976. However, it took until the 1990s for PPP to generate interest amongst the greater GNSS community. Over the last two decades, dual-frequency PPP has been extensively researched, and several PPP online services and software packages have been developed. This research has shown that centimetre-level point positioning is achievable in post-processed static mode. However, several limitations still remain, primarily the long convergence times needed to resolve ambiguities, currently restricting the use of PPP for high-accuracy survey applications. With the advent of cost-effective and accurate post-processing PPP services provided by organisations such as the National Aeronautics and Space Administration (NASA) Jet Propulsion Laboratory (JPL), the International GNSS Service (IGS) and Natural Resources Canada (NRCan), PPP now offers centimetre-level point positioning from much smaller observation datasets. This study compares PPP results from 1-hour, 2-hour, 4-hour, 12-hour and 24-hour observation datasets using NRCan’s PPP online service against the official, Regulation 13-certified coordinates of twenty CORSnet-NSW sites across New South Wales. It is shown that post-processed PPP can provide a viable alternative to differential techniques for survey accuracy, static survey applications for observation spans of at least 4 hours.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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 ».