JP2021001736A

JP2021001736A - 測位アルゴリズムの設定パラメータ決定方法

Info

Publication number: JP2021001736A
Application number: JP2019114049A
Authority: JP
Inventors: 駿介木村; Shunsuke Kimura
Original assignee: Shimizu Construction Co Ltd; Shimizu Corp
Current assignee: Shimizu Construction Co Ltd; Shimizu Corp
Priority date: 2019-06-19
Filing date: 2019-06-19
Publication date: 2021-01-07
Anticipated expiration: 2039-06-19
Also published as: JP7329980B2

Abstract

【課題】測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができること。【解決手段】予め、衛星データ、設定パラメータの組み合わせ、及び、解に含まれる解の質をセットとした教師データを取得する教師データ取得ステップ（Ｓ１０１）と、前記教師データを用いた機械学習によって、前記衛星データと前記設定パラメータの組み合わせとから前記測位アルゴリズムの解の質を推定する数式モデルを生成する数式モデル生成ステップ（Ｓ１０２）と、測位対象の衛星データと、異なる複数の前記設定パラメータの組み合わせとを前記数式モデルに入力し、推定された時系列の前記解の質をもとにフィックス率を求め、求めた複数のフィックス率のうち、最も高いフィックス率が得られた前記設定パラメータの組み合わせを前記設定パラメータとして決定する設定パラメータ決定ステップ（Ｓ１０３）とを含む。【選択図】図４

Description

本発明は、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる測位アルゴリズムの設定パラメータ決定方法に関する。

干渉測位（ＲＴＫ:ＲｅａｌＴｉｍｅＫｉｎｅｍａｔｉｃＧＰＳ）は、衛星と移動体との間の距離として搬送波位相を用いる。搬送波位相は、ＧＰＳ測位による疑似距離に比較して測距精度が高く、数ｍｍから数ｃｍの測位が可能となる。干渉測位は、座標が既知である固定の基準局に対する移動局の相対位置を求める方法が一般的である。干渉測位では、二重位相差を求めることにより時計誤差を消去することができる（特許文献１参照）。

干渉測位は、基準局及び移動局において観測される搬送波位相を測定する。位相は、各受信器内で搬送波のレプリカを発生させ、比較することで知ることができる。しかし、その間にいくつかの波数（整数値バイアス）が存在するのを知ることができず、この整数値バイアス（整数値アンビギュイティ）を決定する必要がある。この整数値アンビギュイティ（Ａｍｂｉｇｕｉｔｙ）の決定には、推測から収束という手順を踏む。最初の推測値は、単独測位のディファレンシャル測位（ＤＧＰＳ）により求められる。そのディファレンシャル測位解から候補範囲を推測し、収束させていくことになり、最終的な収束解（Ｆｉｘ解：フィックス解）を得るまでに時間がかかる。なお、整数値アンビギュイティが決定するまでの推測解をＦｌｏａｔ解（フロート解）という。

特開２０１８−１１９８１８号公報

ところで、移動局が受信する信号には、人工衛星から直接受信できる所望の信号に加えて、壁や地面に一回以上反射してから受信されてしまう反射波（マルチパス）が混入している。反射波には、移動局から人工衛星を見たときの仰角が低いと反射波が発生する確率が高くなる。また、反射波の信号は、所望の信号と比較して信号強度が弱く受信される傾向がある。そこで、指定の仰角以下の信号を無視する「仰角マスク」と、指定の強度以下の信号を無視する「ＳＮＲマスク」とを設定することで反射波の影響を取り除くことができる。また、受信信号から移動局の位置を測位するアルゴリズムの中には「アンビギュイティ決定」のアルゴリズムが必要である。「アンビギュイティ決定」の方法は複数あり、この複数の「アンビギュイティ決定」の方法を指定する「アンビギュイティ決定モード」を設定する。

すなわち、干渉測位では、上記の仰角マスク、ＳＮＲマスク、アンビギュイティ決定モードなどの設定パラメータの組み合わせを適切に選択して誤差の要因を取り除く、測位結果の向上を図っている。この設定パラメータの組み合わせの良否は，測位アルゴリズムによって得られる移動局の位置の解とともに得られる解の質（Ｑｕａｌｉｔｙ）によって判断する。具体的には，それぞれの時間ごとに移動局の位置及び質（Ｑｕａｌｉｔｙ）が得られるが，そのすべての計測時間に対する良い質（Ｑｕａｌｉｔｙ）が得られた割合の高さで決定する。質（Ｑｕａｌｉｔｙ）は、例えば、バイアス決定比（ｒａｔｉｏ）であり、この値が大きいほど整数値バイアス決定の確度が高い。バイアス決定比（ｒａｔｉｏ）が十分に得られた移動局の位置の解を上記のフィックス解（Ｆｉｘ解）といい、計測時間の中でフィックス解が得られた割合をフィックス率（Ｆｉｘ率）という。

これら設定パラメータのうち、仰角マスク及びＳＮＲマスクを緩く設定すると、反射波の除去ができず、厳しく設定すると所望の信号も無視されてしまう。一方、アンビギュイティ決定モードの選び方によって仰角マスク、ＳＮＲマスクの最良のパラメータも変化する。このため、設定パラメータの最適設定は難しい。

この設定パラメータの最適設定を行う場合、測位アルゴリズム単体の計算時間が大きいため、すべての設定パラメータの組み合わせを計算して比較するには膨大な時間が必要となる。例えば、１日分の測定データを手動で後解析する場合、１つの設定パラメータの組み合わせで数分を要し、全ての設定パラメータの組み合わせを確認するには数日以上を要する。

このため、現在、仰角マスク、ＳＮＲマスク、アンビギュイティ決定モードの組み合わせの決定は、計測結果を人間が見ながら試行錯誤的に調整して位置測位の再計算を繰り返すことで決定している。したがって、設定パラメータの組み合わせに対する全探索をするわけではないので、決定した設定パラメータの決定が最良のものとは限らない。すなわち、設定パラメータの組み合わせ決定は、熟練した人間の勘に頼っていた。

本発明は、上記に鑑みてなされたものであって、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる測位アルゴリズムの設定パラメータ決定方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、複数の衛星からの衛星信号をもとに受信局の位置を計測する測位アルゴリズムの設定パラメータを決定する測位アルゴリズムの設定パラメータ決定方法であって、予め、測位に必要な衛星データと設定パラメータの組み合わせとを前記測位アルゴリズムに入力して測位の解を算出し、前記衛星データ、前記設定パラメータの組み合わせ、及び、前記解に含まれる解の質をセットとした教師データを取得する教師データ取得ステップと、前記教師データを用いた機械学習によって、前記衛星データと前記設定パラメータの組み合わせとから前記測位アルゴリズムの解の質を推定する数式モデルを生成する数式モデル生成ステップと、測位対象の衛星データと、異なる複数の前記設定パラメータの組み合わせとを前記数式モデルに入力し、推定された時系列の前記解の質をもとにフィックス率を求め、求めた複数のフィックス率のうち、最も高いフィックス率が得られた前記設定パラメータの組み合わせを前記設定パラメータとして決定する設定パラメータ決定ステップと、を含むことを特徴とする。

また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータは、仰角マスク、ＳＮＲマスク及びアンビギュイティ決定モードであることを特徴とする。

また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータ決定ステップにおける前記設定パラメータの組み合わせは、前記仰角マスクの仰角及びＳＮＲマスクの信号レベルが小さい範囲まで網羅し、かつ、各設定パラメータの刻みを細かくしたことを特徴とする。

また、本発明にかかる測位アルゴリズムの設定パラメータ決定方法は、上記の発明において、前記設定パラメータ決定ステップは、前記フィックス率が所定値以上となった場合、該フィックス率に対応する設定パラメータの組み合わせを設定パラメータとして決定することを特徴とする。

本発明によれば、測位アルゴリズムにおける最良の設定パラメータを迅速かつ確度良く決定することができる。

図１は、測位アルゴリズムによる教師データの取得処理を説明する説明図である。図２は、数式モデルを生成するための機械学習の処理を説明する説明図である。図３は、数式モデルを用いた設定パラメータ決定の処理を説明する説明図である。図４は、設定パラメータ決定処理手順を示すフローチャートである。

以下、添付図面を参照して本発明を実施するための形態について説明する。本実施の形態は、測位アルゴリズムを用いて測位の解の質を求めるのではなく、測位アルゴリズムに対応した数式モデルによって測位の解の質を求め、この解の質をもとに計算されるフィックス率のうち、最も高いフィックス率を出力した設定パラメータの組み合わせを設定パラメータとして決定するものである。

＜教師データの取得＞
図１は、測位アルゴリズム１による教師データの取得処理を説明する説明図である。図１に示すように、まず、測位に用いられるＲＴＫなどの測位アルゴリズム１に、衛星データＤ１及び設定パラメータＤ２を入力し、測位アルゴリズム１によって演算された測位の解Ｄ３を求める。この測位の解Ｄ３には、解の質（Ｑｕａｌｉｔｙ）Ｄ４が含まれる。解の質（Ｑｕａｌｉｔｙ）Ｄ４は、バイアス決定比（ｒａｔｉｏ）であり、この値が大きいほど整数値バイアス決定の確度が高い。

衛星データＤ１は、時刻毎の、衛星数、疑似距離、位相、ドップラー速度、ＳＮＲ（信号対雑音比）である。設定パラメータＤ２は、仰角マスク、ＳＮＲマスク、及び、アンビギュイティ決定モードの組み合わせである。教師データは、これら衛星データＤ１、設定パラメータＤ２、及び、解の質Ｄ４の１つの組み合わせからなる複数のデータセットの集合である。なお、測位の解Ｄ３（解の質Ｄ４）は、１時刻の衛星データＤ１と１つの設定パラメータＤ２との組み合わせに対して１つ得られる。すなわち、衛星データＤ１と設定パラメータＤ２とからは、衛星データＤ１の時刻の個数の測位の解Ｄ３（解の質Ｄ４）が得られる。

なお、バイアス決定比（ｒａｔｉｏ）が、ある一定以上の数値、例えば「３」を超えた場合の測位の解Ｄ３を「フィックス解（Ｆｉｘ解）」といい、ある一定以上の数値を超えない場合の測位の解Ｄ３を「フロート解（Ｆｌｏａｔ解）」という。解の質Ｄ４（Ｑｕａｌｉｔｙ）は、「フィックス解」、「フロート解」、に「解無し」を加えた３パターンで判定されたものである。

また、測位の解Ｄ３（解の質Ｄ４）は、衛星データＤ１の１つと設定パラメータＤ２の組み合わせの１つとを入力として、衛星データＤ１の時刻（タイムスタンプ）の分だけ得られるが、計測時間全体の複数の解の質Ｄ４のうち、フィックス解が得られた割合をフィックス率という。すなわち、フィックス率は、計測時間内でフィックス解が得られたエポック数を、計測時間内の総エポック数で除算した値である。ここで、エポック数とは、衛星データＤ１内の衛星数、疑似距離、位相、ドップラー速度、ＳＮＲのセット１つに対して、計測時間内でサンプリングされた１つを、１つのエポックとした数である。したがって、総エポック数は、衛星データＤ１に対する計測時間内のサンプリング数と同じである。

なお、アンビギュイティ決定モードは、具体的には、Ｆｉｘ−ａｎｄ−Ｈｏｌｄモード、Ｃｏｎｔｉｎｕｏｕｓモード、Ｉｎｓｔａｎｔａｎｅｏｕｓモードの３つのモードがあり、この３つのモードのうちの１つのモードが設定される。Ｆｉｘ−ａｎｄ−Ｈｏｌｄモードは、前エポックの計算によって決定されたアンビギュイティ値が整数解である場合（フィックス解（Ｆｉｘ解）が得られていた場合と同義）、そのアンビギュイティ値を信頼して、継続して同アンビギュイティ値を使用するモードである。Ｃｏｎｔｉｎｕｏｕｓモードは、前エポックの計算によって決定されたアンビギュイティ値が整数解であったかどうかにはかかわらず、前エポックの計算によって決定されたアンビギュイティ値を参考にして連続的に再度アンビギュイティ値を決定するモードである。Ｉｎｓｔａｎｔａｎｅｏｕｓモードは、前エポックの計算によって決定されたアンビギュイティに依存せず、１エポックごとにその瞬時、瞬時で再度アンビギュイティ値を決定するモードである。

ここで、上記３つのモードのうち、どのモードを用いれば最もフィックス率が高く得られるかは、観測環境によって異なる。例えば、アンビギュイティが安定している環境であれば、Ｆｉｘ−ａｎｄ−Ｈｏｌｄモードの方がフィックス率を高く得られるが、アンビギュイティが高頻度に変化する場合には、Ｉｎｓｔａｎｔａｎｅｏｕｓモードの方がフィックス率を高く得られる。しかし、この特性は定性的なものであり、定量的に環境から得られるどの数値がどれだけであればどのモードがよいということは言えない。さらに、アンビギュイティ決定モードの選択によって、他の設定パラメータである仰角マスクやＳＮＲマスクの最適値も変化する。

＜数式モデルの生成＞
図２は、数式モデル３を生成するための機械学習２の処理を説明する説明図である。図２に示すように、衛星データＤ１、設定パラメータＤ２、及び、出力を解の質Ｄ４を教師データとし、衛星データＤ１及び設定パラメータＤ２を入力とし、出力を解の質Ｄ４とする機械学習２を行うことによって、数式モデル３を生成する。数式モデル３は、測位アルゴリズム１に対応するが、測位アルゴリズム１のように数値解を算出するのではなく、解の質Ｄ４を解析解として出力するため、測位アルゴリズム１による演算よりも計算時間が極めて短い。なお、機械学習２は、４層以上の深層学習であってもよい。また、機械学習２は、例えば、ＸＧＢｏｏｓｔを用いる。ＸＧＢｏｏｓｔは、ＥｘｔｒｅｍｅＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇと、ＲａｎｄｏｍＦｏｒｅｓｔｓ（登録商標）とを組み合わせた学習である。

＜設定パラメータの決定＞
図３は、数式モデル３を用いた設定パラメータ決定を説明する説明図である。図３に示すように、数式モデル３に、測位対象の衛星データＤ１１と、設定パラメータＤ１２を入力し、各設定パラメータＤ１２の組み合わせに対する、それぞれの解の質Ｄ１４を出力する。その後、出力されたそれぞれの解の質Ｄ１４に対してフィックス率Ｄ１５を求める。このフィックス率Ｄ１５の中から、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定する。この決定された設定パラメータは、測位アルゴリズム１に設定される。

なお、上記の設定パラメータの決定は、すべての組み合わせの設定パラメータＤ１２に対する計算が終了した時点で、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定しているが、設定パラメータの決定は、得られたフィックス率Ｄ１５の値が所定値以上である場合に、計算を終了して、所定値以上のフィックス率Ｄ１５が得られたときの設定パラメータＤ１２の組み合わせを設定パラメータとして決定するようにしてもよい。また、得られたフィックス率Ｄ１５の値が所定値以上となるものが複数ある場合に、最も高いフィックス率Ｄ１５が得られたときの設定パラメータＤ１２を設定パラメータとして決定してもよい。

また、設定パラメータＤ１２の組み合わせは、仰角マスクの仰角及びＳＮＲマスクの信号レベルが小さい範囲まで網羅し、かつ、各設定パラメータの刻みを細かくすることが好ましい。すなわち、設定パラメータは、その範囲が実質的に全範囲を網羅することが好ましい。

＜設定パラメータ決定処理＞
図４は、設定パラメータ決定処理手順を示すフローチャートである。図４に示すように、まず、予め教師データを取得する（ステップＳ１０１）。その後、取得した教師データを用いた機械学習により、解の質を導出する数式モデルを生成する（ステップＳ１０２）。その後、測位対象の衛星データと、全範囲を網羅した異なる複数の設定パラメータの組み合わせとを数式モデルに入力して、解の質を求め、得られた解の質をもとに最も高いフィックス率が得られたときの設定パラメータの組み合わせを設定パラメータとして決定し（ステップＳ１０３）、本処理を終了する。この決定された設定パラメータは、測位アルゴリズム１に設定される。

本実施の形態では、測位アルゴリズムに代えて数式モデルを用いて測位の質を計算しているので、測位の質の計算時間が短縮され、高いフィックス率が得られる設定パラメータの決定を迅速かつ確度高く行うことができる。

なお、上記の実施の形態で図示した各構成は機能概略的なものであり、必ずしも物理的に図示の構成をされていることを要しない。すなわち、各装置及び構成要素の分散・統合の形態は図示のものに限られず、その全部又は一部を各種の使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

１測位アルゴリズム
２機械学習
３数式モデル
Ｄ１，Ｄ１１衛星データ
Ｄ２，Ｄ１２設定パラメータ
Ｄ３測位の解
Ｄ４，Ｄ１４解の質
Ｄ１５フィックス率

Claims

複数の衛星からの衛星信号をもとに受信局の位置を計測する測位アルゴリズムの設定パラメータを決定する測位アルゴリズムの設定パラメータ決定方法であって、
予め、測位に必要な衛星データと設定パラメータの組み合わせとを前記測位アルゴリズムに入力して測位の解を算出し、前記衛星データ、前記設定パラメータの組み合わせ、及び、前記解に含まれる解の質をセットとした教師データを取得する教師データ取得ステップと、
前記教師データを用いた機械学習によって、前記衛星データと前記設定パラメータの組み合わせとから前記測位アルゴリズムの解の質を推定する数式モデルを生成する数式モデル生成ステップと、
測位対象の衛星データと、異なる複数の前記設定パラメータの組み合わせとを前記数式モデルに入力し、推定された時系列の前記解の質をもとにフィックス率を求め、求めた複数のフィックス率のうち、最も高いフィックス率が得られた前記設定パラメータの組み合わせを前記設定パラメータとして決定する設定パラメータ決定ステップと、
を含むことを特徴とする測位アルゴリズムの設定パラメータ決定方法。
前記設定パラメータは、仰角マスク、ＳＮＲマスク及びアンビギュイティ決定モードであることを特徴とする請求項１に記載の測位アルゴリズムの設定パラメータ決定方法。
前記設定パラメータ決定ステップにおける前記設定パラメータの組み合わせは、前記仰角マスクの仰角及びＳＮＲマスクの信号レベルが小さい範囲まで網羅し、かつ、各設定パラメータの刻みを細かくしたことを特徴とする請求項１又は２に記載の測位アルゴリズムの設定パラメータ決定方法。
前記設定パラメータ決定ステップは、前記フィックス率が所定値以上となった場合、該フィックス率に対応する設定パラメータの組み合わせを設定パラメータとして決定することを特徴とする請求項１〜３のいずれか一つに記載の測位アルゴリズムの設定パラメータ決定方法。