GNSS는 4개의 가시 위성만 확보되면 지구 상의 어느 위치에서나 사용자의 절대 위치 정보와 시각 정보 제공이 가능한 항법 시스템으로 다양한 자율주행체의 핵심 항법 장치로 활용되어 왔다. 하지만 자율주행체의 주요 운용 지역인 도심지에서는 밀접한 고층 건물들과 장애물들로 인해 GNSS 신호는 차폐되거나 반사되기 쉬우며, 반사된 신호 수신으로 인한 위치 오차는 수 백 m에 달하기도 하여 도심지에서 GNSS의 신뢰성과 정확성을 보장하는 것은 매우 어렵다. 최근 도심지에서 사용자에게 정확한 절대 위치 정보를 제공하기 위하여 3D 빌딩 모델과 GNSS를 결합한 다양한 기법들이 연구되어 왔으나, GNSS 초기 사용자 위치 불확실성으로 인해 다수의 후보군이 생성되어야 하는 문제와 이로 인한 계산 부하의 증가와 같은 제약이 여 전히 존재하고 있다. 본 연구에서는 기계학습 기반 다중경로오차 추정 모델로 생성한 도심지 다중경로 오차 지도와 3D 빌딩 모델을 이용하여 생성한 다중경로 오차 지도를 결합한 다중 해상도 다중경로 오차 지도를 생성하고 적용하는 기법을 제안하였다. 제안한 기법은 극심한 도심지에서 운행하는 차량에 적용되었으며 사용자의 측위 성능이 향상된 것이 확인되었다.

Generation and Application of Urban Multi-Resolution GNSS Multipath Error Maps Using Machine Learning-based Multipath Estimation Model and 3D Building Model

Yongjun Lee, Byungwoon Park

Global Navigation Satellite System (GNSS) has been utilized as a main navigation sensor for various autonomous vehicles, providing users with precise position and timing information anywhere on Earth when at least four visible satellites are available. However, in urban environments, which are a major operational target for autonomous vehicles, GNSS signals are prone to interference and reflection due to high-rise buildings. This can result in position errors of up to several hundred meters, making it challenging to ensure the reliability and accuracy of GNSS in urban areas. Recent research has explored various techniques that combine 3D building models with GNSS to provide accurate absolute position information to users in urban canyons. However, challenges such as the need to generate multipath candidates due to initial GNSS position uncertainty. In this study, we propose a technique that combines multipath error maps generated using a machine learning-based multipath error prediction model with 3D building models to generate multi-resolution multipath error map and apply it. The proposed technique was applied to moving vehicles operating in deep urban areas.

Keywords: multipath, NLOS, 3DMA, machine learning

Speaker 이용준 세종대학교