This post is also available in:
English (אנגלית)
GNSS (Global Navigation Satellite Systems) ממלאת תפקיד מרכזי בטכנולוגיות מודרניות כמו כלי רכב אוטונומיים ומערכות תחבורה חכמות. עם זאת, באזורים עירוניים, בניינים גבוהים, כלי רכב ומבנים אחרים לעתים קרובות חוסמים אותות לוויין, מה שמוביל לשגיאות NLOS (Non-Line-of-Sight). שגיאות אלה יכולות להשפיע באופן משמעותי על דיוק הבנת המיקום, שהוא חיוני לתשתית עיר חכמה ולטכנולוגיות ניווט. כעת, חוקרים הציגו פתרון חדשני המבוסס על בינה מלאכותית (AI) כדי לזהות ולמזער שגיאות אלה, המציע התקדמות מבטיחה בניווט עירוני.
המחקר, שפורסם ב-Satellite Navigation מציג גישה חדשנית מבוססת למידת מכונה שנועדה להתמודד עם בעיות NLOS במערכות GNSS. השיטה פותחה על ידי חוקרים מאוניברסיטת ווהאן, אוניברסיטת Southeast, ו-Baidu, ומשתמשת מודל הבינה המלאכותית Light Gradient Boosting Machine (LightGBM). המודל יכול להבדיל בין אותות בקו הראייה (LOS) ואותות NLOS, ובכך משפר את האמינות של מערכות מיקום מבוססות GNSS.
על פי TechXplore, החוקרים הוכיחו את הפתרון שלהם באמצעות ניסויים בעולם האמיתי שנערכו בווהאן, סין, ובדקו אותו בסביבות עירוניות מורכבות עם מבנים צפופים. השיטה משתמשת במצלמת Fisheye כדי ללכוד נראות לוויינית, וכך מסווגת אותות כ-LOS או NLOS. לאחר מכן, הוא מנתח תכונות כגון יחס אות לרעש, זווית גובה, עקביות פסאודו-טווח ועקביות פאזה. על ידי זיהוי הקורלציות בין גורמים אלה לבין סוגי האותות, מודל LightGBM השיג דיוק של 92%, וביצועים טובים יותר משיטות מסורתיות.
ד"ר Xiaohong Zhang, החוקר הראשי, הדגיש את ההשפעה הפוטנציאלית של חדשנות זו: "על ידי שימוש בלמידת מכונה כדי לנתח תכונות אות מרובות, הראינו כי אי הכללת אותות NLOS יכולה לשפר באופן משמעותי את הדיוק והאמינות של מערכות ניווט מבוססות לוויין. יש לכך השלכות משמעותיות על יישומים כמו נהיגה אוטונומית ותשתיות עיר חכמה".
פריצת דרך זו מבטיחה לשפר את הניווט בערים, ולהבטיח כי מערכות GNSS יישארו אמינות גם בסביבות מאתגרות. ככל שאזורים עירוניים יהפכו לחכמים ומחוברים יותר, שיפור הדיוק של טכנולוגיית GNSS יהיה חיוני לדור הבא של תחבורה ותשתיות עירוניות.
