MétaCan
Menu
Back to cohort
Record W6991386361

GNSS-positionering med webbaserade beräkningstjänster : Utvardering av den relativa osakerheten

2024· article· sv· W6991386361 on OpenAlexaboutno aff

Bibliographic record

VenueDiVA (University of Gävle) · 2024
Typearticle
Languagesv
FieldEngineering
TopicGNSS positioning and interference
Canadian institutionsnot available
Fundersnot available
KeywordsOpusService (business)PhilologyAbbé
DOInot available

Abstract

fetched live from OpenAlex

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.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.659
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.011
GPT teacher head0.189
Teacher spread0.178 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueDiVA (University of Gävle)Same topicGNSS positioning and interferenceFrench-language works237,207