GNSS 신호는 도심지 환경에서 고층 건물과 다수의 차량 등 신호 수신을 방해하는 장애물들로 인하여 반사되기 쉬우며, 반사된 신호의 수신은 다중경로오차라는 거리 오차를 유발하게 된다. 다중경로 오차는 도심지에서 위치 오차를 수 백 m에도 이르게 하는 도심지 GNSS 측위의 가장 큰 오차 요인으로, 사용자 주변 수신 환경에 따라 민감히 달라지는 특성으로 인하여 모델링하는 것이 매우 어려운 것으로 알려져 있다. 선행 연구에서는 GNSS/INS 통합 정밀 측위 장비를 활용하여 수집한 학습 데이터로 SVR 기반 다중경로 추정 모델을 학습시키고, 이를 통해 생성한 GNSS 다중경로 지도를 사용자에게 적용하는 기법을 제안하였다. 본 연구에서는 다중경로 지도와 CMC 기반 정밀 측위 기법을 결합한 측위 기법을 제안하고, 이 기법을 통해 수집한 사용자 데이터를 새로운 학습 데이터로 활용해 다중경로오차 예측 모델을 지 속적으로 업데이트 하는 방안을 제시하였다.

A Study on Adaptive GNSS Multipath Map Generation and GNSS Multipath Map Monitoring using User Data Clouding

Yongjun Lee, Byungwoon Park*

GNSS signals are prone to reflection in urban environments due to obstacles such as tall buildings and numerous vehicles. The reception of these reflected signals causes a ranging error known as multipath. Multipath is one of the main sources of error in urban GNSS positioning, potentially leading to position errors of several hundred meters. Due to its sensitivity to the surrounding reception environment, modeling multipath is known to be particularly challenging. In our previous study, we propose a technique that construct GNSS multipath map by training SVR-based multipath estimation model. This study proposes a positioning technique that combines the GNSS multipath map with a CMC-based positioning technique, and suggests continuously updating the GNSS multipath prediction model using new training data collected from users.

Keywords: GNSS, multipath, urban canyon, machine learning, data clouding

Speaker 이용준 세종대학교