En undersøkelse av metoder for å kombinere GNSS-spor

Abstract

Fremtidens infrastruktur innenfor samferdsel vil være avhengig av intelligente transportsystemer der kjøretøy skal kommunisere sin posisjon, fart og retning opptil flere ganger i sekundet. Dette systemet kan bidra til å forebygge ulykker slik at man kan oppnå Statens vegvesen sin “nullvisjon” i fremtiden. I tillegg kan det forbedre flyten i trafikken. For å få fullt potensial ut av autonome og samvirkende kjøretøy er man avhengig av nøyaktig posisjonering. Ved å måle et GNSS-spor vil faren for at grovfeil påvirker nøyaktigheten være tilstede. Denne risikoen kan minimeres ved å måle sporet flere ganger og kombinere det til et spor basert på alle målte enkeltspor. Da enkeltsporene kan ha forskjellig start- og stoppunkt, oppdateringsfrekvens og hastighet kan prosessen med å kombinere enkelsporene bli komplisert. Oppgaven sammenligner to metoder som kombinerer enkeltspor målt på en 2 km strekning på fylkesvei 6814 i Trøndelag. Metodene som blir brukt i oppgaven er minste kvadraters metode (med og uten grovfeilsøk) og Dynamic time warping. Nøyaktighet og forbedring beregnes utifra avvikene mellom resultatene fra hver metode og “fasit”-sporet som er opprettet med statisk CPOS. Resultatene av oppgaven vise at forbedringen blir best når kombineringen av enkelsporene skjer med minste kvadraters metode med et grovfeilsøk hvor forbedringen varier mellom 24.8%-31.6%. Nøyaktigheten i form av kvadratisk gjennomsnitt varier fra 0.169 meter til 0.187 meter. De svakeste resultatene tilhører kombinasjonen av enkeltspor med Dynamic time warping der forbedringene varierer mellom 6.7%-17.4%. Nøyaktigheten i form av kvadratisk gjennomsnitt varierer 0.185 meter til 0.218 meter. Det er kun kombinasjonene utført med minste kvadraters metode med grovfeilsøk som består kravene til horisontal nøyaktighet til autonome kjøretøy som skal være under 20 cm.

The future within transportation is dependent of intelligent transportation systems there each vehicle is communicating it’s position, velocity and heading multiple times each second. This system is contributing to prevent accidents so that we in the future can achieve the State Highways Authority’s vision of zero deaths in trafic accidents. In addition the intelligent transportation system kan improve the traficflow. To get the full potential out of autonomous and cooperative vehicles we are dependant of highly accurate positioning. By measuring only one GNSS-trajectory there is a possibility that outliers can influence the accuracy of the measurements. This possibility can be minimized by measuring the same trajectory multiple times and combining the trajectories to one optimal trajectory based on every measured trajectories. The combination of the trajectories can be complicated due to the trajectories can have different start and stop points, velocities and sample frequence. The purpose of this thesis is to compare to methods that combines multiple trajectories collected from a 2 kilometer stretch of road in Trøndelag, Norway. The methods which is applied in this thesis is least squares parameter estimation (with and without search for outliers) and dynamic time warping. Accuracy and improvement by applying the methods is calculated by using the deviation between the results applying the methods and a trajectory which is conidered the true trajectory. The true trajectory was measured with static CPOS. The study showed that the best improvement by combining the trajectory was when applying the least squares parameter estimation with a search for outliers. The improvement varied between 24.8%-31.6%. The accurucy in the form of a root mean square-value varied between 0.169 meters to 0.187 meters. The weakest results was when applying dynamic time warping where the improvement varied between 6.7%-17.4% and the accuracy varied between 0.185 meters to 0.218 meters. It was only when applying the least squares parameter estimation with a search for outliers where each combinations accuracy value passed the requirements for autonomous vehicles where the accuracy should be 20 cm or under.