Analysis of PPP-B2b Positioning Performance Enhanced by High-Precision Ionospheric Products
-
摘要:
北斗三号卫星导航系统(BeiDou-3 satellite navigation system,BDS-3)通过PPP-B2b信号向中国及周边区域提供实时精密单点定位(precise point positioning, PPP)服务。由于PPP-B2b信号未提供电离层模型产品,目前的定位研究主要采用无电离层组合,其精度可以到达分米级,但是需要30 min左右的收敛时间。针对PPP-B2b定位收敛时间长的问题,分析了电离层模型产品对定位收敛性能的提升。将准四维电离层建模方法引入中国区域电离层延迟建模,并采用2021年年积日第201—207天中国区域均匀分布的50、100、150和200个基准站4种方案进行解算,结果表明,当电离层建模所用测站数量从50个增加至200个时,电离层模型产品精度从2~3 TECU提升至优于0.8 TECU。高精度电离层模型产品可以显著缩短PPP-B2b定位收敛时间,相比于目前PPP-B2b定位,基于电离层模型产品增强的单BDS-3动态PPP收敛时间仅需7.56 min,缩短77%;GPS+BDS-3双系统动态PPP收敛时间由13.51 min缩短至4.45 min。因此,高精度电离层模型产品能显著缩短PPP-B2b的定位收敛时间。
-
关键词:
- 电离层模型 /
- 北斗三号卫星导航系统 /
- PPP-B2b /
- 精密单点定位 /
- 快速收敛
Abstract:ObjectivesThe BeiDou-3 satellite navigation system (BDS-3) can provide real-time precise point positioning (PPP) services to China and neighboring regions through PPP-B2b signals. Because PPP-B2b signals do not contain ionospheric model products, the current positioning research mainly adopts ionospheric-free combination. The positioning accuracy can reach decimeter level, but requires about 30 min of convergence time. In this paper, aiming at the long convergence time of PPP-B2b positioning, the improvement of positioning convergence performance based on ionospheric model products is analyzed.
MethodsQuasi-4-dimensional ionospheric modeling is introduced into regional ionospheric delay modeling in China and four schemes of 50,100,150 and 200 reference stations uniformly distributed in China (day of year 201—207) are adopted for ionospheric modeling.
ResultsThe results show that when the number of stations used in ionospheric modeling increases from 50 to 200, the accuracy of ionospheric model products increases from 2-3 TECU to better than 0.8 TECU. Compared with the current ionospheric-free combined PPP, the convergence time of BDS-3 dynamic PPP can be deceased by 77%. In addition, the convergence time of GPS+BDS-3 dynamic PPP is reduced from 13.51 min to 4.45 min.
ConclusionsHigh-precision ionospheric model products can significantly shorten the convergence time of PPP-B2b.
-
随着交通事业的蓬勃发展和“十四五”交通规划愿景的提出,中国桥梁建设进入高速成长期,在数量、规模、技术等方面跻身世界前列[1-2]。然而桥梁建造过程复杂繁琐,建造环境恶劣、地形地势复杂,易受风场、温度场、自身应力等内外环境的影响[3]。智能化是桥梁建设的重要方向,数字孪生是实现桥梁智能建造的有效途径。数字孪生将现实环境中桥梁的结构、状态和行为等映射到虚拟环境,为透彻理解和精准控制桥梁建造过程提供新手段[4-7]。由于桥梁建造工序和过程复杂多变,因此,如何高效地对桥梁建造过程涉及的对象、行为和状态进行准确描述与表达,是桥梁建造数字孪生构建亟需解决的关键问题[8]。
可视化能够直观而准确地描述桥梁信息。当前许多桥梁建造工程都基于建筑信息模型(building information modeling, BIM)技术对桥梁施工过程开发可视化平台[9-12],相较于施工图纸而言,其能更加明确地表示桥梁复杂的构件组成以及空间位置,从而为施工进度管理以及质量安全管控提供可靠的数据支撑。这些精细的模型能够用于展现桥梁施工工艺工法的动态过程,通过模拟展示施工工序,使得施工方案更加直观和可理解,从而保障施工的可靠性[13-16]。此外,对于桥梁建造环境也开展了较多可视化研究,如桥梁建造过程中的力学、风场、温度场等复杂环境下的三维可视化表达[17-20]。然而,上述研究主要侧重于聚焦数据管理与三维效果的可视化呈现,缺乏对于不同场域下桥梁属性、结构状态和行为的准确刻画,导致规范性差、认知效率低。
叙事即通过一定媒介对发生在特定时间和空间中的事件进行再现。随着地图学制图理论、技术、方法的不断进步,将叙事与地理空间技术相结合,并将事件在空间参考框架中进行分析,可以进一步拓展空间叙事研究思路,促进地理信息和知识的传递[21]。2012年,国际制图协会艺术地图委员会邀请地图学、人文学等多领域专家对叙事与地图的关系进行了深入探讨[22]。同一时期,ESRI开发了地图、文本、多媒体等相结合的在线故事地图平台Story Maps,实现公众对个人地图故事的创建与编辑,叙事地图提供的故事叙述体系增强了地图和文本的表现力[23]。常见的地图叙事可视化方法包括流向图、时空立方体、动画等[24-26]。然而,以上可视化方法主要以二维表达为主,对于复杂性、模糊性、多样性事件描述能力不足导致认知效率低。考虑到一切时间皆发生于一定的空间内,将事件进一步映射至地理空间并建立多维可视化环境,可以进一步加深人员对于事件过程时空特征和规律的理解。
知识图谱可以从多类型复杂数据中抽取实体和关系[27-29],有助于实现对桥梁建造知识的统一表达和关联管理,为桥梁建造过程时空叙事提供基础。然而目前对桥梁本体和知识图谱的研究较少,且侧重桥梁智能运维管理,主要针对桥梁结构、监测和检测信息进行数据的集成和检索[30-31],例如对桥梁混凝土构件裂缝灾害进行本体建模,实现裂缝位置、属性等信息的组织管理,并进行裂缝原因分析[32];又或者以桥梁本体为基础搭建桥梁检测问答系统,实现对桥梁的管理养护[33]。但是这些研究没有刻画复杂多变的桥梁建造过程,缺乏对桥梁建造对象、特征及相互关系的准确描述。
针对以上问题,本文拟创新性地引入知识图谱和时空叙事技术,重点开展知识引导的桥梁建造过程时空叙事三维可视化方法研究。首先通过剖析桥梁建造对象特征和语义关系,建立“对象-行为-状态”三域关联的桥梁建造知识集成表达模型,利用知识图谱实现对桥梁建造知识的统一表达和关联管理;然后分析桥梁建造叙事要素,设计知识图谱中叙事要素的匹配规则,提出了桥梁叙述场景映射与实例化思路,给出时空叙事三维动态可视化方法,实现对桥梁建造过程复杂对象和关系的三维动态表达;最后研发原型系统并进行案例实验分析,以验证方法的有效性与可行性。
1 桥梁建造过程时空叙事三维可视化
1.1 总体思路
桥梁建造过程时空叙事三维可视化方法的总体思路图如图1所示。首先,对桥梁建造事件的相关概念进行剖析,提出桥梁建造信息三域关联的集成表达模型,以实现三域关联的桥梁建造本体的构建,并基于本体为模板通过实体关系抽取构建桥梁建造知识图谱;然后,分析桥梁建造叙事要素特征,形成基于知识图谱实现叙事要素匹配方法与三维场景映射与实例化思路;最后,融合视觉变量、三维动画、图片和文字等多种叙事方法实现桥梁建造过程时空叙事三维动态可视化模拟,以生动直观表达桥梁建造过程复杂对象和时空关系。
1.2 “对象-行为-状态”三域关联的桥梁建造知识图谱
在地理环境复杂艰险的情况下,施工资源与条件需要有机协调,才能有序完成桥梁施工建造。本文剖析了桥梁建造事件需考虑的相关要素和数据,保证所构建知识图谱的完整性。同时,从施工技术变化的角度,提出桥梁建造信息“对象-行为-状态”关联的集成表达模型,按照事件推进、参与对象、状态演变对桥梁建造时间的对象分类和关联,以达成支持桥梁建造本体的构建。
桥梁建造信息三域关联的集成表达模型如图2所示。行为域是推动桥梁施工建造过程变化的驱动力,建造过程中阶段变化伴随着要素、关系的时空变化。对象域是桥梁建造事件的主要参与者,是桥梁对象和资源分配的统一描述;状态域是要素时空与属性的语义变化表达。行为域、对象域、状态域三域联动改变。
根据上述模型,本文通过以下结构来定义桥
梁建造本体:
(1) 其中,BCO(bridge construction ontology)代表桥梁建造事件本体;EO(event object)代表事件对象,包括桥梁建造的各施工流程;SO(scene object)代表桥梁场景对象;DO(data object)代表数据对象,表示事件中多样数据形式,包括桥梁构件模型数据、施工视频数据、文本资料等;SRE(semantic relation)代表语义关系,包含各对象内部间的关系;PRO(property)代表对象属性,如施工设备型号与类别、使用材料类型等。
桥梁建造过程知识图谱先由模式层即本体结构引导下,建立节点与属性间的对应关系,即形成桥梁建造本体到知识图谱的映射关系。如图3所示,利用Neo4j,即知识图谱存储与可视化工具,进行节点的存储与桥梁建造过程知识图谱的可视化构建。
1.3 桥梁建造过程时空叙事三维动态可视化
1.3.1 叙事要素分析与匹配
基于桥梁建造事件的特征,提出桥梁建造事件的时空场景叙事要素。以桥梁建造的叙事场景为主干,桥梁建造事件的时空场景叙事要素为以下3类:①建造过程时间要素;②建造场景空间要素(数据、位置、姿态);③桥梁建造资源要素(施工设备、技术、材料等)。
利用本文所构建知识图谱中节点与关系的规律性,如桥梁建造工序与施工所需的设备、材料、工法技术等节点相连的属性,从核心节点开始,通过定义图结构来实现精准高效的查询。如图4所示,利用关系节点匹配的方法,从桥梁建造知识图谱中提取叙事要素,达成清晰表达桥梁建造过程时空叙事的目标。图4中,V为节点,E为关系边。设H为节点的标签,K为关系的标签,则本文定义的图结构为:首先定义图G=(V,E,H,K)和图G1=(V1,E1,H1,K1),若其映射关系f:V→V1,同时符合以下条件:(1)∀a∈V,且H(a)=(f(a)),f(a)∈G1;(2)∀b∈E,且f(b)∈E1;(3)∀c∈E,且K(c)=K(f(c)),得到结论G和G1子图同构。通过定义的子图结构与语义约束提取知识。图4中,左图定义结构能够匹配右图中3个相同结构(红色、蓝色和紫色虚线所示),然后对节点和关系定义特定约束,如节点类型与名称,最终得到唯一符合要求的子图(蓝色框线所示)。
1.3.2 桥梁建造三维场景的映射与实例化
场景映射与实例化是指利用一定的技术与方法将真实地理场景转换为虚拟地理场景的过程,基于桥梁建造知识图谱查询的内容,能够实现基础地形、场景建筑和桥梁等对象精准地映射到三维场景中。如图5所示,本文桥梁建造场景映射步骤分为概念与逻辑模型设计、桥梁模型轻量化、物理模型建立和三维场景构建,实现桥梁建造三维场景的映射。
1.3.3 时空叙事三维动态可视化
桥梁建造场景涉及的要素与信息庞杂,融合视觉变量、文字、图片和三维模型场景的叙事手段能够丰富场景内容,同时也造成认知困难。叙事地图通过划分场景视觉层次,对过程进行编排,以“讲故事”的形式提升学生视觉体验,为清晰明了、易于理解的可视化带来了新途径[34]。主题、时间、空间、过程是叙事地图的关键要素,主题决定故事的中心思想,是叙事的核心;时间和空间是故事发展的基础;过程是故事的具体内容。
为增强数据信息表达,本文借鉴叙事地图思想,以桥梁建造为主题,以建造工序为故事线,以地形、影像和桥梁BIM模型为数据基础,采用文字、图片、三维动画、视觉变量相结合的手段,通过视角切换展示桥梁建造时空过程的动态变化。并且考虑到桥梁建造过程参与人员大多背景不同,信息理解能力存在差异,本文采用线性叙事结构为用户讲解桥梁建造的时空过程,如图6所示。
本文将桥梁建造过程主要分为事件地点、施工背景及具体建造过程3个场景,每个场景都通过特定的视角切换展示,分别介绍事件发生地点、施工背景和具体建造过程。具体转场过程为:首先,从研究区的高空视角,通过地图、文字与符号等介绍桥梁工程的空间位置,将其作为叙事起始;其次,视角移至桥址位置,利用图文要素说明项目背景和施工部位基本信息;最后,依据施工工序关系,采用三维动画呈现建造过程,箭头标示施工方向,文本注明构件名称,同时图文并茂描述施工工序及机料法对象。
2 原型系统研发与案例分析
2.1 原型系统研发
本文研发的桥梁建造可视化平台的系统界面如图7所示,系统支持知识图谱查询和时空叙事的三维动态可视化展示。开发环境配置如下:AMD Ryzen 7 5800H with Radeon Graphics,
内存为16 GB,显卡显存为GeForce GTX 1650 2 032 MB;编译器为Visual Studio Code,第三方开源库为Cesium.js、Neovis.js,数据库为Neo4j。
2.2 实验数据描述
本文的实验数据分为模型、影像、文本三类。其中模型数据包括数字高程模型(digital elevation model,DEM)、BIM和倾斜摄影测量模型,DEM为案例区域增加了三维地形,BIM用于表达桥梁结构,倾斜摄影测量模型用于立体地描述区域内的地理对象。影像数据主要为文档对象模型(document object model,DOM),DOM能够为地形附着纹理,对道路等地表信息进行增强表达。文本数据为桥梁建造相关知识,包括桥梁结构、建造工序和施工资源等,这些数据被存储在Neo4j数据库中。
2.3 案例实验分析
2.3.1 桥梁建造过程时空叙事三维动态可视化
本文构建的桥梁建造知识图谱明确了可视化实验所需的细节数据,可为桥梁建造的时空叙事三维动态表达提供准确的知识引导。以桥梁索塔建造为具体案例,展示了知识引导的桥梁建造过程三维动态可视化表达过程。
索塔建造过程环节涵盖桩基、承台与塔座等施工环节。随着建造的进行,用户的视角会与施工部位相对应地调整。在桩基施工环节开始之前,首先利用文字描述桩基的基本属性,如数量和长度;其次,展示桩基施工动态模拟过程,旁边辅以文字描述和插图对施工工序进行详细说明,并对桩基模型进行标记说明;然后,是承台与塔座施工过程,先简要展示其基础参数,之后通过施工动画动态呈现施工过程,该过程中通过添加箭头符号标示建造方向,添加文字和插图为施工工序提供详细解读,此过程模拟如图8所示。
2.3.2 可视化评价与分析
为了评定本文方法传递场景信息的能力,从答题正确率和人员感受两方面对时空叙事三维动态可视化效果进行主客观评价。实验分为实验组与对照组,实验组即本文所提方法,对照组采用三维动画和文字的形式进行表达,文字为索塔建造相关信息,约350字,实验材料如图9所示。
实验随机召集了65名人员,其中实验组34名,对照组31名。两组人员完成实验后均立刻回答问卷问题,并且两组问卷内容相同。问卷包含7个问题,分为4个知识类问题和3个体验类问题,前者通过答题正确率客观评定用户对信息的理解程度,后者通过人员打分主观评价本文方法的可视化效果。问卷主要内容如表1所示。实验最后得到有效问卷共63份,其中实验组33份,对照组30份,有效率为97%,被筛选掉的部分问卷主要是由于多选或者漏选。
表 1 问卷主要内容Table 1. Main Content of the Questionnaire问题类型 内容 知识类 Q1:大桥位于哪个省份?(四选一) Q2: 索塔建造顺序大致是怎样的?(四选一) Q3:液压爬模是在什么工序中被使用的?(四选一) Q4:索塔建造过程中涉及到的材料有哪些?(多选) 体验类 Q5: 材料清晰度如何?(非常好,较好,一般,较差,非常差) Q6:材料理解难度如何?(非常容易,较容易,一般,较难,非常难) Q7:材料丰富度如何?(非常丰富,较丰富,一般,不丰富,非常不丰富) 本文对量表类问题即Q5~Q7从信度和效度两方面进行可靠性分析。信度用于评价问卷的一致性,通常认为克朗巴哈系数在0.8以上表示信度优秀,在0.6以下则需修订或删除;效度用于保证问卷的准确性和有效性,通常认为KMO(Kaiser-Meyer-Olkin)在0.7以上表示效度较好,Bartlett球形检验显著性小于0.05表示问卷结果符合要求。问卷结果如表2所示。从表2中可知问卷结果比较可靠,可进一步进行结果分析。
表 2 问卷可靠性检验结果Table 2. Questionnaire Reliability Test Results克朗巴哈系数 KMO Bartlett球形检验 近似卡方 自由度 显著性 0.916 0.734 203.529 3 <0.001 2.3.3 实验结果分析
实验结果通过问卷正确率及主观因素评价两个指标进行评价,主要的评价统计指标有平均值及方差,问卷平均分直观反映正确率,也就是参与人员认知效率的高低;方差反映实验数据离散程度。
1)答题正确率
通过Q1~Q4知识类问题的答题情况进行分析,首先对两组数据进行差异性检验,通过曼-惠特尼U检验得到p<0.001,远小于阈值0.05,说明两组数据差异明显。表3统计了每道题目的正确率(M)和方差(SD),统计结果表明,实验组答题情况普遍优于对照组,每题正确率均大于对照组,其中Q1的正确率提升0.05,Q2的正确率提升0.19,Q3的正确率提升0.16,Q4的正确率提升0.14。从整体答题正确率来看,实验组为76.5%,相比对照组的63.3%,正确率提升了13.2%。
表 3 知识类问题得分统计结果Table 3. Score Statistical Results of Knowledge-Based Questions问题 实验组M±SD 对照组M±SD Q1 0.88±0.33 0.83±0.37 Q2 0.76±0.43 0.57±0.50 Q3 0.79±0.41 0.63±0.48 Q4 0.64±0.48 0.50±0.50 人员个人答题情况如图10所示,从实验结果可以看出,实验组49%的人员能够答对全部题目,45%的人员能答对两题,6%的人员答对了一题,没有出现零正确率的情况;而对照组只有30%的人员能答对全部题目,40%的人员答对两题,15%的人员答对一题,有15%的人员为零正确率。总体而言,实验组90%以上的人至少能够答对两道题,效果远远优于对照组。
2)人员感受
人员感受是人员对材料难度、清晰度和丰富度的主观评价,共有5个等级可供选择,对应1~5分。对Q5~Q7的答题情况进行分析,首先对两组数据进行差异性检验,曼-惠特尼U检验得到p<0.001,证明两组数据存在显著差异。从体验类问题得分正确率的统计结果(表4)可以看出,实验组得分均高于4,而对照组得分均在3左右,其中Q5实验组得分较对照组高1.14,Q6实验组得分较对照组高1.12,Q7实验组得分较对照组高0.99。从整体平均得分来说,对照组得分3.07,实验组得分4.15,较对照组提升了1.08,说明人员对于实验组具有更高的认知效率。
表 4 体验类问题得分统计结果Table 4. Score Statistical Results for the ExperienceCategory Questions问题 实验组M±SD 对照组M±SD Q5 4.24±0.82 3.10±1.14 Q6 4.09±0.83 2.97±1.22 Q7 4.12±0.81 3.13±1.15 图11统计了人员主观感受分数分布情况,从灰色到蓝色的色带分别代表非常差、较差、一般、较好、非常好5个等级。Q5统计了人员对材料清晰度评价,由图11可知,实验组45.46%和36.36%的人员分别认为材料非常清晰和较清晰,对照组则分别只有16.67%和13.33%,说明实验有效提升了材料的清晰度;Q6统计了人员对材料理解难易度评价,实验组36.37%和39.39%的人员分别认为材料理解起来非常容易和较容易,对照组则分别只有13.34%和20.00%,说明实验有效降低了材料的理解难度;Q7统计了人员对材料丰富度评价,实验组36.37%和42.42%的人员分别认为材料非常丰富和较丰富,对照组则分别只有13.33%和23.33%,说明实验有效提升了材料的丰富度。从清晰度、丰富度和理解难度综合的角度来看,实验组78.8%的人员具有良好认知体验,相对对照组的33.3%,提升了45.5%。
3)结果原因分析
以上结果的产生主要有两点原因:①实验组考虑了视觉变量,结合三维模型、图片、文字对桥梁建造过程进行了增强表达,较对照组而言表达方式更为丰富,更具有可读性;②实验组通过“讲故事”的方式表达桥梁建造过程中的地理要素,较对照组而言能够更加清楚地阐释时空变化过程,增强信息的传递能力。
3 结语
针对桥梁建造过程涉及对象众多、行为复杂、状态多变,导致表达存在规范性差、认知效率低等问题,本文提出了一种知识引导的桥梁建造过程时空叙事三维动态可视化方法。首先,建立了“对象-行为-状态”三域关联的集成表达模型和知识图谱,实现桥梁建造知识的统一表达和关联管理;然后,基于桥梁建造知识图谱匹配与叙事可视化相关联的场景要素,支持桥梁建造三维场景映射与实例化,并且设计了时空叙事三维动态可视化方法;最后研发了原型系统,开展桥梁建造过程三维动态可视化实验。实验结果表明,所提方法能够实现桥梁建造知识的准确表达和传递,达到提升人员对桥梁建造过程空间认知水平的效果。
本文基于“对象-行为-状态”三域关联桥梁建造知识图谱,利用时空叙事对桥梁建造过程进行三维动态可视化表达,借助三维场景的可交互性及沉浸感等特点,虽然有效提升了桥梁建造过程认知的教育水平,但尚未考虑桥梁建造过程中结构数值仿真、施工方案预演及预测。就桥梁建造教育而言,结构数值仿真可以使学习者更准确地理解并掌握桥梁结构位移或应力等状态的变化趋势。而通过施工方案预演预测,可预先了解每种决策对应可能会引起的问题,并针对性地建立有效解决方案,培养问题决策能力。因此,如何将桥梁结构仿真与预测预案融入针对桥梁建造过程的教育内容中,将是未来非常重要的研究问题。
http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20230030
-
表 1 数据处理策略
Table 1 Data Processing Strategy
实验参数 电离层建模处理策略 PPP验证处理策略 卫星系统 BDS-3/GPS BDS-3/GPS 信号频点 BDS-3: B1I/B3I;GPS L1/L2 BDS-3: B1I/B3I;GPS L1/L2 测站数/个 200/150/100/50 100 测站坐标 固定 静态/仿动态 数据间隔/s 30 5 观测值 非差非组合观测值 非差非组合观测值/无电离层组合观测值 轨道、钟差产品 PPP-B2b产品 PPP-B2b产品 卫星DCB产品 基于MGEX估计的卫星DCB产品[23] 基于MGEX估计的卫星DCB产品[23] 接收机端DCB 仅伪距估计 仅伪距估计 卫星截止高度角/(°) 7 7 对流层延迟处理 干延迟:GPT2模型改正;湿延迟:随机游走估计 干延迟:GPT2模型改正;湿延迟:随机游走估计 观测值权设置 伪距: 0.2,相位观测值: 0.002 m 伪距: 0.2,相位观测值: 0.002 m 解算模式 事后仿实时 事后仿实时 滤波方式 平方根信息滤波 平方根信息滤波 表 2 基于电离层增强的PPP-B2b定位收敛时间对比
Table 2 Comparison of PPP-B2b Positioning Convergence Time Based on Ionospheric Enhancement
系统 解算策略 静态定位 动态定位 收敛时间/min 缩短比例/% 收敛时间/min 缩短比例/% BDS-3 UDUC-NoIon 10.47 - 33.20 - UDUC-Ion50 9.82 6.21 22.48 32.29 UDUC-Ion100 7.79 25.60 12.83 61.36 UDUC-Ion150 6.87 34.38 10.27 69.07 UDUC-Ion200 5.51 47.37 7.56 77.23 BDS-3 +GPS UDUC-NoIon 8.87 - 13.51 - UDUC-Ion50 7.79 12.18 10.87 19.54 UDUC-Ion100 5.44 38.67 7.02 48.04 UDUC-Ion150 4.66 47.46 5.88 56.48 UDUC-Ion200 3.70 58.29 4.45 67.06 -
[1] Zumberge J F, Heflin M B, Jefferson D C, et al. Precise Point Positioning for the Efficient and Robust Analysis of GPS Data from Large Networks[J]. Journal of Geophysical Research: Solid Earth, 1997, 102(B3): 5005-5017.
[2] 中国卫星导航系统管理办公室.北斗卫星导航系统发展报告(4.0版)[EB/OL].[2019-12-27]. http://www.beidou.gov.cn/yw/xwzx/201912/t20191227_19833.html. China Satellite Navigation Office. Development of the BeiDou Navigation Satellite System(Version 4.0)[EB/OL].[2019-12-27]. http://www.beidou.gov.cn/yw/xwzx/201912/t20191227_19833.html.
[3] 中国卫星导航系统管理办公室.北斗卫星导航系统空间信号接口控制文件精密单点定位服务信号PPP-B2b(1.0版)[DB/OL].[2019-12]. http://www.beidou.gov.cn/xt/gfxz/201912/P020191227330700017853.pdf. China Satellite Navigation Office. BeiDou Navigation Satellite System Signal in Space Interface Control Document Precise Point Positioning Service Signal PPP-B2b(Version 1.0)[DB/OL].[2019-12]. http://www.beidou.gov.cn/xt/gfxz/201912/P020191227330700017853.pdf.
[4] Liu C, Gao W G, Liu T X, et al. Design and Implementation of a BDS Precise Point Positioning Service[J]. Navigation, 2020, 67(4): 875-891.
[5] Tang C P, Hu X G, Chen J P, et al. Orbit Determination, Clock Estimation and Performance Evaluation of BDS-3 PPP-B2b Service[J]. Journal of Geodesy, 2022, 96(9): 60.
[6] Xu Y Y, Yang Y X, Li J L. Performance Evaluation of BDS-3 PPP-B2b Precise Point Positioning Service[J]. GPS Solutions, 2021, 25(4): 142.
[7] 宋伟伟, 赵新科, 楼益栋, 等. 北斗三号PPP-B2b服务性能评估[J]. 武汉大学学报(信息科学版), 2023, 48(3): 408-415. Song Weiwei, Zhao Xinke, Lou Yidong, et al. Performance Evaluation of BDS-3 PPP-B2b Service[J]. Geomatics and Information Science of Wuhan University, 2023, 48(3): 408-415.
[8] Liu Y, Yang C, Zhang M N. Comprehensive Analyses of PPP-B2b Performance in China and Surrounding Areas[J]. Remote Sensing, 2022, 14(3): 643.
[9] Zhang W X, Lou Y D, Song W W, et al. Initial Assessment of BDS-3 Precise Point Positioning Service on GEO B2b Signal[J]. Advances in Space Research, 2022, 69(1): 690-700.
[10] Ren Z L,Gong H,Peng J,et al. Performance Assessment of Real-Time Precise Point Positioning Using BDS PPP-B2b Service Signal[J]. Advances in Space Research, 2021, 68(8): 3242-3254.
[11] Tao J, Liu J N, Hu Z G, et al. Initial Assessment of the BDS-3 PPP-B2b RTS Compared with the CNES RTS[J]. GPS Solutions, 2021, 25(4): 131.
[12] 蔡洪亮, 孟轶男, 耿长江, 等. 北斗三号全球导航卫星系统服务性能评估:定位导航授时、星基增强、精密单点定位、短报文通信与国际搜救[J]. 测绘学报, 2021, 50(4): 427-435. Cai Hongliang, Meng Yinan, Geng Changjiang, et al. BDS-3 Performance Assessment: PNT, SBAS, PPP, SMC and SAR[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(4): 427-435.
[13] 丁文武, 欧吉坤, 李子申, 等. 附加电离层延迟约束的实时动态PPP快速重新初始化方法[J]. 地球物理学报, 2014, 57(6): 1720-1731. Ding Wenwu, Jikun Ou, Li Zishen, et al. Instantaneous Re-initialization Method of Real Time Kinematic PPP by Adding Ionospheric Delay Constraints[J]. Chinese Journal of Geophysics, 2014, 57(6): 1720-1731.
[14] Shi C, Gu S F, Lou Y D, et al. An Improved Approach to Model Ionospheric Delays for Single-Frequency Precise Point Positioning[J]. Advances in Space Research, 2012, 49(12): 1698-1708.
[15] 姚宜斌, 冯鑫滢, 彭文杰, 等. 基于CORS的区域大气增强产品对实时PPP的影响[J]. 武汉大学学报(信息科学版), 2019, 44(12): 1739-1748. Yao Yibin, Feng Xinying, Peng Wenjie, et al. Local Atmosphere Augmentation Based on CORS for Real-Time PPP[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1739-1748.
[16] 宋伟伟, 何成鹏, 辜声峰. 不同纬度区域电离层增强PPP-RTK性能分析[J]. 武汉大学学报(信息科学版), 2021, 46(12): 1832-1842. Song Weiwei, He Chengpeng, Gu Shengfeng. Performance Analysis of Ionospheric Enhanced PPP-RTK in Different Latitudes[J]. Geomatics and Information Science of Wuhan University, 2021, 46(12): 1832-1842.
[17] Gu S F, Gan C K, He C P, et al. Quasi-4-Dimension Ionospheric Modeling and Its Application in PPP[J]. Satellite Navigation, 2022, 3(1): 24.
[18] Zhao Q L, Wang Y T, Gu S F, et al. Refining Ionospheric Delay Modeling for Undifferenced and Uncombined GNSS Data Processing[J]. Journal of Geodesy, 2019, 93(4): 545-560.
[19] Gu S F, Shi C, Lou Y D, et al. Ionospheric Effects in Uncalibrated Phase Delay Estimation and Ambiguity-Fixed PPP Based on Raw Observable Model[J]. Journal of Geodesy, 2015, 89(5): 447-457.
[20] Lou Y D, Dai X L, Gong X P, et al. A Review of Real-Time Multi-GNSS Precise Orbit Determination Based on the Filter Method[J]. Satellite Navigation, 2022, 3(1): 15.
[21] Gong X P, Gu S F, Lou Y D, et al. An Efficient Solution of Real-Time Data Processing for Multi-GNSS Network[J]. Journal of Geodesy, 2018, 92(7): 797-809.
[22] Gu S F, Dai C Q, Fang W T, et al. Multi-GNSS PPP/INS Tightly Coupled Integration with Atmospheric Augmentation and Its Application in Urban Vehicle Navigation[J]. Journal of Geodesy, 2021, 95(6): 64.
[23] Lou Y D, Zhang Z, Gong X P, et al. Estimating GPS Satellite and Receiver Differential Code Bias Based on Signal Distortion Bias Calibration[J]. GPS Solutions, 2023, 27(1): 48.
[24] 张小红, 胡家欢, 任晓东. PPP/PPP-RTK新进展与北斗/GNSS PPP定位性能比较[J]. 测绘学报, 2020, 49(9): 1084-1100. Zhang Xiaohong, Hu Jiahuan, Ren Xiaodong. New Progress of PPP/PPP-RTK and Positioning Performance Comparison of BDS/GNSS PPP[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(9): 1084-1100.
-
期刊类型引用(1)
1. 《中国公路学报》编辑部. 中国桥梁工程学术研究综述·2024. 中国公路学报. 2024(12): 1-160 . 百度学术
其他类型引用(0)