Global Navigation Satellite System (GNSS) 신호는 도심지 환경에서 고층 건물들과 같은 장애물들에 의하여 반사되거나 차폐되기 쉽고, 다중경로와 None-Line-of-Sight (NLOS) 수신으 로 인한 오차는 수백 미터에 이르기도 한다. 또한 다중경로와 NLOS 오차는 수신 환경에 민감하게 변화하는 사용자 고유의 오차로 모델링하거나 완화하는 것이 매우 어려운 것으로 알 려져 있다. 선행 연구에서는 Support Vector Machine (SVR) 기반의 다중경로오차 추정 모델을 학습하여 도심지에서 다중경로 지도를 생성하였으며, 다중경로 지도를 도심지에서 움직 이는 차량에 적용한 결과 도심지에서 수평 오차 20m 수준을 유지하는 것을 보여주었다. 본 논문에서는 동적 사용자를 위한 다중경로 지도와 Code Minus Carrier (CMC) 변량을 이용한 도심지 측위 기법이 제안하였다. 다중경로 지도는 도심지 내에서 출발하는 차량의 초기 다중경로 오차를 추정하는데 이용되었으며 초기화 이후에도 CMC 기반의 다중경로 추정 기법 과 결합되어 측위 신뢰성 향상에 기여하였다.

Seamless Positioning in Deep Urban Area using Machine Learning-based Multipath map and CMC-based Multipath Estimation

Yongjun Lee, Byungwoon Park*

Global Navigation Satellite System (GNSS) signals are easily degraded due to densely packed skyscrapers in urban canyon, and positioning errors arising from multipath and None- Line-of-Sight (NLOS) amount to as much as hundreds of meters. As multipath and NLOS errors are site-specific errors that depend sensitively on surrounding reception environment, they are very difficult to mitigate or model. In our previous work, a dynamic multipath map was generated in urban area using the Support Vector Regression (SVR) based multipath error estimation model and applied to dynamic users. An application of the error to dynamic users in deep urban canyon exhibited a horizontal Root Mean Square (RMS) error about 20m. In this study, a seamless urban positioning technique using dynamic multipath map and Code Minus Carrier (CMC) variance was suggested. The multipath map was used to estimate the initial multipath error of vehicle departing in middle of urban canyon, and it was combined with the CMC-based positioning after initialization.

Keywords: urban positioning, multipath, machine learning

Speaker 이용준 박병운* 세종대학교