面向海量用户的下一代多系统网络RTK位置服务平台的理论算法及其实现

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41874033
  • 项目类别:
    面上项目
  • 资助金额:
    63.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0402.卫星大地测量学
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Network RTK has become the most widely used high-precision positioning technology. After years of development, due to the active ionosphere or large station height difference, RTK still has some problems such as instability of positioning results, inadequate utilization of GNSS data, etc. Meanwhile, as the public positioning market is expanding day by day, the limitation of the number of its online users at the same time severely limits its service scope and urgently requires technological innovation This project researches the method to correct the network RTK ionospheric error model based on mobile base stations, the RTK tropospheric delay elevation correction model, the GLONASS frequency deviation estimation algorithm based on network RTK, the complete monitoring and fusion theory based on massive observation data, the correction broadcast mode based on smart grid and build mass-user oriented next generation multi-system network RTK location service platform. Based on this platform, the massive real-time observational data of GNSS base stations and users are comprehensively used to improve the network RTK in the instability of positioning, insufficient data utilization and limited number of users when the ionosphere is active or the station height difference is large, providing users with accurate, stable and high-available location services. The research of this project will play a great role in the field of public high-precision positioning and realize another innovation of GNSS positioning technology.
网络RTK已成为现今运用最广泛的高精度定位技术,经过多年的发展,其仍然存在电离层活跃或站间高差较大情况下定位结果不稳定、GNSS数据利用不充分等不足,且在大众定位市场日益扩展的今天,其同时在线用户数量受限的缺陷严重制约着其服务范围,迫切需要技术革新。本项目研究基于流动基准站修正网络RTK电离层误差模型的方法、网络RTK对流层延迟高差改正模型、基于网络RTK的GLONASS频间偏差估计算法、基于海量观测数据的完备性监测和融合处理理论、基于智能格网的改正数播发模式并搭建面向海量用户的下一代多系统网络RTK位置服务平台。以此平台为基础,综合运用GNSS基准站和用户的海量实时观测数据,改善网络RTK电离层活跃或站间高差较大情况下定位不稳定、数据利用不充分以及用户数量受限等不足,为用户提供精确稳定、高适用性的位置服务。本课题的研究将在大众高精度定位领域发挥巨大作用,实现GNSS定位技术的又一次革新。

结项摘要

网络RTK是当前高精度GNSS定位的主流技术,目前市面上比较好的网络RTK软件平台包括美国天宝公司的Trimble Pivot、瑞士徕卡公司的GNSS Spider等,但这些软件价格不菲,有严苛的用户数量有限制,且不提供定制服务。为此有必要自主研发无用户数量限制的、提供定制服务的、支持GPS/BDS/GLONASS/GALILEO多系统的网络RTK位置服务平台。本项目解决了多模网络RTK中的诸多算法难题,采用分布式构架,搭建了面向海量用户的下一代多系统网络RTK位置服务平台——DreamNET,具备世界一流的处理精度和稳定性,实现了对国外Trimble/Leica软件垄断的逐步替代,极大地推动了本领域顶级软件平台的国产化率;针对不同模式、不同环境、不同质量的基准站和流动站GNSS观测数据,建立一套严密的质量控制方案以及大气产品融合处理模型,充分提取海量数据中的有效信息并将其用于网络RTK位置服务的增强,以提高系统的整体精度、稳定性和适用性;研究基于智能格网的改正数播发模式,依据区域的实时大气信息,实时动态更新格网大小和格网点改正信息,实现面向海量用户的稳定可靠的高精度定位服务。共发表论文43篇,其中SCI 论文24篇,培养博士10名,硕士6名,申请发明专利9项,获科研奖励5项。

项目成果

期刊论文数量(30)
专著数量(0)
科研奖励数量(3)
会议论文数量(0)
专利数量(5)
基于BP神经网络的昆明天顶湿延迟模型
  • DOI:
    10.13474/j.cnki.11-2246.2022.0086
  • 发表时间:
    2022
  • 期刊:
    测绘通报
  • 影响因子:
    --
  • 作者:
    丁仁军;王友昆;张君华;刘晨
  • 通讯作者:
    刘晨
GNSS-Based Statistical Analysis of Ionospheric Anomalies During Typhoon Landings in Taiwan/Japan
基于 GNSS 的台风登陆台湾/日本期间电离层异常的统计分析
  • DOI:
    10.1109/tgrs.2020.3004829
  • 发表时间:
    2021
  • 期刊:
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子:
    8.2
  • 作者:
    Peng Hai;Yao Yibin;Kong Jian;Zhou Chen;Kuo Chungyen
  • 通讯作者:
    Kuo Chungyen
Real-time rainfall nowcast model by combining CAPE and GNSS observations
结合 CAPE 和 GNSS 观测的实时降雨临近预报模型
  • DOI:
    10.1109/tgrs.2022.3206459
  • 发表时间:
    2022
  • 期刊:
    10.1109/TGRS.2022.3206459
  • 影响因子:
    --
  • 作者:
    Yang Liu;Yibin Yao;Qingzhi Zhao
  • 通讯作者:
    Qingzhi Zhao
An Updated Experimental Model of IG Indices Over the Antarctic Region via the Assimilation of IRI2016 With GNSS TEC
通过 IRI2016 与 GNSS TEC 同化更新南极地区 IG 指数实验模型
  • DOI:
    10.1109/tgrs.2020.2999132
  • 发表时间:
    2021
  • 期刊:
    IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
  • 影响因子:
    8.2
  • 作者:
    Yao Yibin;Chen Xuanxi;Kong Jian;Zhou Chen;Liu Lei;Shan Lulu;Guo Zihuai
  • 通讯作者:
    Guo Zihuai
Weighted Mean Temperature Hybrid Models in China Based on Artificial Neural Network Methods
基于人工神经网络方法的中国加权平均温度混合模型
  • DOI:
    10.3390/rs14153762
  • 发表时间:
    2022
  • 期刊:
    REMOTE SENSING
  • 影响因子:
    --
  • 作者:
    Meng Cai;Junyu Li;Lilong Liu;Liangke Huang;Lv Zhou;Ling Huang;Hongchang He
  • 通讯作者:
    Hongchang He

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

近40年青藏高原地区地表温度的年际及季节性变化特征分析
  • DOI:
    10.14188/j.2095-6045.2016194
  • 发表时间:
    2018
  • 期刊:
    测绘地理信息
  • 影响因子:
    --
  • 作者:
    柏露;姚宜斌;雷祥旭;张良
  • 通讯作者:
    张良
基于ARIMA模型的ECMWF压强预测
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    测绘地理信息
  • 影响因子:
    --
  • 作者:
    曹娜;姚宜斌;杨军建;许超钤
  • 通讯作者:
    许超钤
COVID-19期间中国区域AOD与气象因子时空特征分析
  • DOI:
    10.13203/j.whugis20210209
  • 发表时间:
    2021
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    赵庆志;杨鹏飞;李祖锋;姚顽强;姚宜斌
  • 通讯作者:
    姚宜斌
三维与二维空间的高程趋近法内外符合精度检验
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    福建省基础地理信息中心; 武汉大学测绘学院
  • 影响因子:
    --
  • 作者:
    谢鸣宇;姚宜斌
  • 通讯作者:
    姚宜斌
顾及设计矩阵误差的AR模型新解法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    姚宜斌;熊朝晖;张豹;张良;孔建
  • 通讯作者:
    孔建

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

姚宜斌的其他基金

基于北斗“星-地”协同的弹性定位关键技术研究与理论体系构建
  • 批准号:
    42330105
  • 批准年份:
    2023
  • 资助金额:
    230 万元
  • 项目类别:
    重点项目
战略研究类:基于创新和需求驱动的中国大地测量学发展战略研究
  • 批准号:
    42142037
  • 批准年份:
    2021
  • 资助金额:
    24 万元
  • 项目类别:
    专项基金项目
基于多源数据的高时空分辨率全球对流层延迟精化模型的构建及其应用研究
  • 批准号:
    41574028
  • 批准年份:
    2015
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目
基于多源数据的电离层三维精细建模及震前电离层异常时空分布规律和触发机制探究
  • 批准号:
    41274022
  • 批准年份:
    2012
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目
整体最小二乘新算法及其精度评定研究
  • 批准号:
    41174012
  • 批准年份:
    2011
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目
卫星精密定位定轨后处理的核心算法及软件实现
  • 批准号:
    40774008
  • 批准年份:
    2007
  • 资助金额:
    34.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码