위성항법을 이용한 위치결정 수행 시 개활지에서는 1 m 이내의 정확도를 확보할 수 있으나, 고층 건물과 다수의 차량에 의 하여 위성 가시성과 신호 품질을 저해하는 요소가 많은 도심지에서는 반사파로 인하여 생성된 다중경로오차로 인한 오차 가 수 백 m까지 달하여 위성항법으로 계산한 위치에 대하여 신뢰하기가 어렵다. 다중경로오차는 Differential GNSS (DGNSS) 기법이나 Real Time Kinematic (RTK) 등의 방법으로는 제거할 수 없는 사용자 고유의 오차로 기존의 일반적인 위 성항법 보강기법의 적용이 불가능하다. 또한 다중경로오차는 그 생성 원인과 영향이 사용자 수신 환경에 따라 다양하고 정 의할 수 없어 항법 분야에서 전통적으로 사용되던 기술의 적용이 어렵기 때문에 인공지능 기법과 같은 알고리즘을 새롭게 적용할 필요가 있다. 본 논문에서는 위성의 앙각, 방위각 등 지형적인 특성을 활용하여 도심지 환경에 적용할 수 있는 기계 학습 기반의 다중경로오차 추정 모델을 제안하였다. 도심지 내 기측 지점에서 취득한 데이터를 이용하여 위성항법 측정치 에 포함된 다중경로오차를 계산할 수 있고, 계산한 다중경로오차를 학습 데이터로 Support Vector Regression (SVR) 기법 에 기반한 모델에 학습시킴으로써 새로운 데이터의 다중경로오차를 추정할 수 있도록 하였다.

Estimation of Multipath in Urban Area Using Machine Learning Technique

Yongjun Lee, Cheolsoon Lim, Yebin Lee, Jeonghyeon Yun, Eunyeong Lee, Byungwoon Park*

When determining the position using satellite navigation, it has an accuracy of less than 1m in open areas. However, in urban areas where there are many factors that hinder satellites visibility and signal quality is degraded by high buildings and multiple vehicles, errors due to multipath errors can reach hundreds of meters, making it difficult to trust the position calculated by satellite navigation. Multipath error is user-specific errors that cannot be removed by Differential GNSS (DGNSS) or Real Time Kinematic (RTK) techniques, making it impossible to apply general augmentation technique. Also, their error types and effects on users are so sensitively dependent on the signal reception environment which makes it difficult to apply a technology traditionally used in the navigation field, so it is necessary to newly apply an algorithm such as machine learning. In this paper, we proposed a machine learning based multipath error estimation model that can be applied to urban environment by utilizing geographical features such as elevation and azimuth of satellites. The multipath error included in the satellite navigation measurement can be calculated using data acquired at the known point in the city, and the calculated multipath error can be estimated by learning data to a model based on the Support Vector Regression (SVR) technique.

Speaker 이용준 세종대학교