一种格网化网络RTK定位方法、设备及系统与流程

本技术涉及rtk算法定位，具体涉及一种格网化网络rtk定位方法、设备及系统。

背景技术：

1、格网化网络rtk定位方法是一种基于多个基准站的高级rtk定位方法，通过在一定区域内建立多个基准站，利用这些基准站的同步观测数据进行处理，生成差分数据并通过通信网络进行播发，从而实现实时动态定位。

2、格网化网络通过使用多个地面基站的观测数据来增强定位信号，然而，随着网络rtk服务范围的扩大和用户数量的增加，传统格网化网络rtk定位技术中，通常根据定位用户与基准站的空间位置信息、基准站的空间误差估计、虚拟基准站等作为基准站选择的标准，缺乏对格网化网络内基准站状态进行关联分析，可能因选择参考基准站不当而导致出现用户定位延迟或定位不精确的问题。

技术实现思路

1、为了解决上述技术问题，本技术的目的在于提供一种格网化网络rtk定位方法、设备及系统，所采用的技术方案具体如下：

2、第一方面，本技术实施例提供了一种格网化网络rtk定位方法，该方法包括以下步骤：

3、采集rtk服务区域的所有基准站和定位用户的位置信息；采集各基准站的观测数据，所述观测数据包括伪距观测数据、载波相位观测数据、基准站时延数据；

4、对于任一类别的观测数据，使用时间序列数据分析算法获取各基准站的筛选区间的观测数据组成的序列的突变时刻、突变点以及每个突变点的突变概率；

5、基于观测数据的突变点的突变概率、常态情况以及突变时刻的季节性和混乱程度，获取任一类别观测数据的异常突变因子；

6、基于观测数据的突变时刻之间的相似性和突变概率之间的相似性，获取任一类别观测数据的关联异常因子；

7、基于异常突变因子和关联异常因子获取各基准站的综合指数；基于综合指数以及基准站和定位用户的位置信息，获取各基准站的参考置信度，根据参考置信度获取参考基准站。

8、进一步，所述异常突变因子的获取方法为：

9、基于观测数据的突变点的突变概率和常态情况，获取任一类别观测数据中各突变点的突变差异系数；

10、基于观测数据的突变时刻的季节性和混乱程度，获取任一类别观测数据的数据稳定系数；

11、基于突变差异系数和数据稳定系数获取任一类别观测数据的异常突变因子，所述异常突变因子与所有突变点的突变差异系数成正相关关系，与数据稳定系数成负相关关系。

12、进一步，所述突变差异系数的获取方法为：

13、将每一类别观测数据序列中除突变点外其余所有数据均记为常态数据，将基准站筛选区间内任一类别观测数据中所有常态数据的平均值，作为各基准站的筛选区间内任一类别观测数据的常态均值；

14、突变差异系数的公式为：；式中，为第类观测数据中第个突变点的突变差异系数；、分别为第类观测数据在基准站筛选区间中第个突变点的突变概率与数据值；为第类观测数据在基准站筛选区间中的常态均值。

15、进一步，所述数据稳定系数的获取方法为：

16、将基准站筛选区间内任一类别观测数据中所有突变点的突变时刻按照时间正序组成的序列，作为任一类别观测数据的突变时刻序列；将基准站筛选区间内任一类别观测数据作为输入，采用序列分解算法获取任一类别观测数据中所有突变点的周期项强度；

17、数据稳定系数的公式为：；式中，为第类观测数据的数据稳定系数；为第类观测数据在基准站筛选区间内所有突变点之间周期项强度差值绝对值的累加结果；为第类观测数据对应突变时刻序列的香农熵；为预设调整参数。

18、进一步，所述关联异常因子的获取方法为：

19、基于观测数据的突变时刻之间的相似性，获取任一类别观测数据的突变时刻相似性；

20、基于观测数据的突变概率之间的相似性，获取任一类别观测数据的突变概率关联性；

21、基于突变时刻相似性和突变概率关联性获取任一类别观测数据的关联异常因子。

22、进一步，所述突变时刻相似性和突变概率关联性的获取方法为：

23、突变时刻相似性的公式为：；式中，为基准站筛选区间内第类别观测数据的突变时刻相似性；为观测数据的类别总数；、分别为基准站筛选区间内第类和第类观测数据的突变时刻序列；为突变时刻序列与之间的dtw距离；为预设调整参数；

24、对于基准站筛选区间内，将同时作为所有类别的观测数据的突变时刻的时刻作为关联突变时刻；

25、将基准站筛选区间中任一类别观测数据中所有关联突变时刻对应的观测数据的突变概率按照时间正序排列，组成任一类别观测数据的关联突变概率序列；

26、计算任一类别的观测数据与其他各类别的观测数据的关联突变概率序列之间的相似度，将任一类别的观测数据的所有所述相似度之间的和值作为任一类别的观测数据的突变概率关联性。

27、进一步，所述各基准站的综合指数的获取方法为：

28、对于任一类别观测数据，计算观测数据的异常突变因子和关联异常因子的乘积作为任一类别观测数据的异常特征值；

29、将格网化网络内每一个基准站所有类别观测数据的异常特征值分别作为一个评价指标并作为综合指数法的输入，对所有基准站的观测数据进行处理获取所有基准站的综合指数。

30、进一步，所述获取各基准站的参考置信度，根据参考置信度获取参考基准站，包括：

31、对所有基准站的综合指数进行归一化处理；

32、对于格网化网络rtk定位系统中的各基准站，计算基准站的归一化后的综合指数与预设调整参数的和值作为第一和值，计算基准站与定位用户之间的距离的倒数和所述第一和值的比值作为各基准站的参考置信度；

33、获取参考置信度最大的预设个数的基准站作为用户定位的基准站。

34、第二方面，本技术实施例提供了一种格网化网络rtk定位设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述一种格网化网络rtk定位方法的步骤。

35、第三方面，本技术实施例提供了一种格网化网络rtk定位系统，所述系统包括：

36、数据采集模块，用于采集rtk服务区域的所有基准站和定位用户的位置信息；采集各基准站在的观测数据，所述观测数据包括伪距观测数据、载波相位观测数据、基准站时延数据；

37、综合指数获取模块，用于对于任一类别的观测数据，使用时间序列数据分析算法获取各基准站的筛选区间的观测数据组成的序列的突变时刻、突变点以及每个突变点的突变概率；基于观测数据的突变点的突变概率、常态情况以及突变时刻的季节性和混乱程度，获取任一类别观测数据的异常突变因子；基于观测数据的突变时刻之间的相似性和突变概率之间的相似性，获取任一类别观测数据的关联异常因子；基于异常突变因子和关联异常因子获取各基准站的综合指数；

38、格网化网络rtk定位模块，用于基于综合指数以及基准站和定位用户的位置信息，获取各基准站的参考置信度，根据参考置信度获取参考基准站。

39、本技术至少具有如下有益效果：

40、本技术通过geohash编码对网络rtk格网进行编码，能够快速准确地定位用户、基准站所在格网并检索相关数据，方便后续对用户定位时的参考基准站进行筛选；通过基准站筛选区间内观测数据的异常突变特征获得每个类别观测数据的异常突变因子，通过不同类别观测数据之间的关联异常特征获得关联异常因子，并以此获得每一类别观测数据的异常特征值，综合考虑了观测数据自身的异常突变状况以及观测数据之间的异常关联状况，更精确的反映了基准站由于卫星信号误差导致数据质量变差的程度；获取每一个基准站的综合指数，结合基准站与定位用户之间的距离信息筛选出用户定位时的参考基准站，并完成定位，在考虑基准站提供数据质量的基础上加入了对通信带宽与计算资源的分析，为用户定位选择基准站提供了更精确的依据，解决了定位时选择参考基准站不当导致用户定位延迟或定位不精确的问题，实现了一种格网化网络rtk定位方法、设备及系统。