Uber Делает GPS Более Точным


Большая проблема с GPS, какой бы удивительной она ни была, сводится к точности. Просто это никогда не кажется достаточно точным. Инженеры Uber теперь думают, что у них есть программный способ сделать его немного более точным, и это удивительно умно.

Uber действительно нуждается в большей точности от GPS, чем обычные десятки метров, потому что его датчики зависят от того, где вы находитесь, и вы знаете, где находится автомобиль, который пытается вас забрать. Даже если ошибка невелика по общим стандартам, она все равно может привести к тому, что вы окажетесь не на той стороне дороги или за углом здания. Это пропущенное местоположение может привести к тому, что пикапы будут полностью пропущены с потерей дохода.

Проблема усугубляется тем, что большинство пикапов Uber происходит в больших городах, а высокие здания блокируют прямую связь со спутником GPS. Вместо этого приемник, скорее всего, будет улавливать отражения от зданий, которые ухудшают позиционирование до 50 метров или хуже.

Что вы можете с этим поделать?

Если не считать установки большего количества спутников, кажется, что мало что можно сделать, но аппаратное обеспечение – не единственное решение. Часто в данных содержится больше сигнала, чем получается при простой обработке. Не то чтобы алгоритм позиционирования GPS был простым. Вам нужен контакт с четырьмя спутниками, чтобы получить достаточно информации для решения уравнений, чтобы определить положение приемника. Однако, помимо данных, закодированных на несущей частоте, существует также сила этой несущей. Большинство телефонов предоставляют, как часть своего стандартного API, отношение сигнал / шум (SNR) для каждого видимого спутника. Теперь предположим, что на одной стороне улицы высокие здания блокируют прямой доступ к одному спутнику, но на другой стороне улицы у него есть четкая линия доступа.

Продолжая эту простую идею, мы можем предположить, что, если у нас есть 3D-карта или модель приблизительного местоположения, мы можем вычислить текущие “тени”, вызванные зданиями на спутниковых позициях, как они есть в данный конкретный момент. Затем эта теневая карта может быть использована для определения местоположения GPS-приемника в соответствии с текущими данными SNR. Это не может быть на 100% точным, потому что 3D-карта не может быть идеальной, и есть другие источники отражений и теней GPS, такие как движущиеся транспортные средства.

Исследователям удалось реализовать систему, которая использует алгоритмы из широкого спектра областей. Во-первых, трассировка лучей используется для вычисления теневой карты для каждого из спутников, которые находятся в поле зрения. Исходя из этого, вероятность местоположения, “тепловая карта”, может быть вычислена с использованием фактических данных SNR. Одной этой карты недостаточно, чтобы определить местоположение, но в сочетании с временным рядом вероятных местоположений она может это сделать. В принципе, вы можете использовать фильтр Калмана для выполнения этой работы – он принимает текущее местоположение, направление движения и создает оценку вероятности для нового местоположения. Затем это уточняется дополнительной информацией в тепловой карте. Однако фильтр Калмана предполагает, что ошибки являются нормальными и лучшими. но более сложный подход. это использование фильтра частиц, в котором набор местоположений предлагается на основе начальных вероятностей и медленно отсеивается по мере добавления данных о движении, чтобы дать новые позиции. По мере накопления данных о движении становится ясно, что большинство частиц имеют низкую вероятность оказаться в правильном месте. Фильтры частиц были очень популярны в ИИ до того, как в центре внимания оказались глубокие нейронные сети, но они все еще используются роботами для отслеживания того, где они находятся.

Все это требует больших вычислений. Все это делается на сервере; телефон просто загружает спутниковые данные и получает улучшенные координаты. Поскольку вычисления продолжаются, пользователь должен подключиться к той же службе, чтобы отслеживание работало.

Теневая карта GPS может использоваться в более общем плане для повышения точности GPS в других ситуациях.

На самом деле вопрос заключается в том, сколько еще данных содержится в сигнале и какие другие состояния окружающей среды можно использовать для более точной фиксации положения. Предположительно, использование трюков, подобных тем, которые используют навигаторы для определения местоположения транспортного средства на ближайшей дороге (см. API Дорог Для гладкой точной дорожки), может быть использовано с пешеходами, если мы точно знаем, где находятся тротуары. Как только у вас есть приблизительное местоположение, корреляции с еще более локальными объектами, такими как теневая карта GPS, могут сделать положение более точным.


Добавить комментарий