测绘地理信息   2020, Vol. 45 Issue (2): 56-59
0
GNSS高程拟合信息和点位环境可视化系统[PDF全文]
唐兆鹏1,2, 花向红1,3, 张伟1,4, 刘伟5, 王文昆5    
1. 武汉大学测绘学院, 湖北 武汉,430079;
2. 32022部队, 湖北 武汉,430074;
3. 武汉大学灾害监测和防治研究中心, 湖北 武汉,430079;
4. 东华理工大学江西省数字国土重点实验室,江西 南昌,330013;
5. 株洲时代电子技术有限公司,湖南 株洲,412007
摘要: 介绍了基于百度地图的全球导航卫星系统(global navigation satellite system, GNSS)高程拟合信息和点位环境可视化系统的结构和功能。通过工程案例对系统进行了测试,结果表明, 系统通过基于百度地图的点位环境可视化功能,能够有效判断点位周边环境,选择观测环境更好的点位作为控制点构建拟合模型,实现了GNSS大地高到正常高转换,提高了GNSS高程拟合精度。
关键词: 全球导航卫星系统高程拟合    百度地图    点位环境可视化    系统测试及分析    
GNSS Elevation Fitting Information and Point Environment Visualization System
TANG Zhaopeng1,2, HUA Xianghong1,3, ZHANG Wei1,4, LIU Wei5, WANG Wenkun5    
1. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China;
2. Troops 32022, Wuhan 430074, China;
3. Hazard Monitoring and Prevention Research Center, Wuhan University, Wuhan 430079, China;
4. Key Laboratory for Digital Land and Resources of Jiangxi Province, East China University of Technology, Nanchang 330013, China;
5. Zhuzhou Times Electronic Technology Co., Ltd., Zhuzhou 412007, China
Abstract: This article introduces the structure and function of GNSS elevation fitting information and point environment visualization system based on Baidu map. The system is tested through the project case. The results show that the system can effectively judge the surrounding environment of point by selecting visual environment of point environment based on Baidu map, and select the point with better observation environment as the control point to construct the fitting model, GNSS high ground to achieve normal high conversion, improve the accuracy of GNSS elevation fitting.
Key words: global navigation satellite system(GNSS) elevation fitting    Baidu map    point environment visualization    system testing and analysis    

随着全球导航卫星系统(global navigation sa-tellite system, GNSS)技术和设备的快速发展,其全天候、高精度及高效率的优势使得利用GNSS技术建立高程控制网成为研究热点,大部分工程项目对于水准测量的精度要求在三等及以下,国内外很多专家学者结合工程项目实际情况,运用多种高程拟合方法,将GNSS测量的大地高转换为工程项目应用的正常高,拟合结果满足工程需求,有效解决了传统水准测量方法的低效率问题[1-3]。但在高程拟合过程中,仍然存在不好判断控制点GNSS观测环境,缺少选择构建高程拟合模型的控制点的依据,在具备点位周边环境的情况下, 拟合信息无法直观显示等问题,解决上述问题会耗费技术人员大量的时间与精力。因此,本文基于百度地图环境开发了GNSS高程拟合信息和点位环境可视化系统,系统提供了多种常用的GNSS高程拟合算法供用户选择,实现了拟合信息和点位环境的可视化,把技术人员从工程项目前期大量的准备工作中解脱出来,拟合计算前可以直接通过系统的可视化功能判读点位周边环境,选择GNSS观测环境好的点位构建高程拟合模型,在提升拟合精度的同时,能有效提高拟合效率,增强了系统的实用性,为GNSS高程拟合工作提供了一种新的思路与方法。

1 GNSS高程拟合信息和点位环境可视化系统

GNSS高程拟合信息和点位环境可视化系统利用C#基于百度地图开发,实现了GNSS大地高到工程应用正常高的自动化和智能化转换,增强了GNSS高程拟合在工程项目中的实用性。百度地图API(application programming inter-face)是一种通用的应用程序接口[4-6],本文运用Java Script编程语言通过百度地图API将百度地图加载入系统,实现了GNSS点位信息和拟合信息基于百度地图的可视化功能,其系统结构如图 1所示。

图 1 系统结构图 Fig.1 Structure Chart of System

1.1 GNSS高程拟合

系统的GNSS高程拟合流程如图 2所示。

图 2 GNSS高程拟合流程图 Fig.2 Flow Chat of GNSS Elevation Fitting

1) 数据准备及输入。按照系统预定的数据格式准备数据,包括控制点文件、附合点文件(可选)和拟合点文件。控制点文件和附合点文件包含的点位信息有WGS84坐标、投影坐标、高程异常值,拟合点文件包含的点位信息有WGS84坐标、投影坐标的平面坐标。数据准备完成后,通过系统的数据输入模块读入数据。

2) 数据预处理。如果数据文件不完整,可以通过预处理模块的高斯投影和高斯反算功能进一步完善点位信息。拟合前通过数据预处理功能检校数据质量,预判拟合效果,可选择的检校项目包括控制点点位分布检校、控制点奇异值检校、附合点奇异值检校、拟合点点位分布检校、WKNN(weighted K-nearest neighbor)算法自检校、克里金插值检校。

3) 高程拟合。结合数据预处理结果,选用合适的高程拟合模型进行高程拟合,可以选择的高程拟合模型包括WKNN插值模型[7]、克里金插值模型[8]、曲面模型[9]、多面函数模型[10]、BP(back propagation)神经网络模型[11]和高斯过程回归模型[12],并可自主选择各模型的参数。

4) 结果输出与显示。查看点位拟合结果及拟合精度,可以将拟合结果输出保存为Excel格式文件,也可以通过百度地图更直观地查看点位拟合信息。

1.2 GNSS点位信息和拟合信息可视化

为了增强系统的实用性和可操作性,使技术人员能够更直观地获取测区地理信息,为高程拟合模型控制点的选取提供判断依据,系统基于百度地图实现了点位环境信息和高程拟合信息的可视化。点位环境的可视化不仅简洁,还美化了交互界面,全面展示了丰富的点位环境信息以及道路信息等。通过地图上控制点点位环境的判读,可快速实现控制点的交互式选取,从而剔除控制网中GNSS观测环境较差的控制点,确保使用观测环境好,数据质量高的GNSS控制点构建拟合模型。

1) 拟合区域点位环境显示。可采用地图展示,卫星图展示以及三维图展示3种不同的形式,能够反映拟合区域丰富的地理环境信息。结合控制点位置特性实现了点位GNSS观测环境的判读。如图 3(a)所示,控制点周边有树木和房屋遮挡,可以推测该点GNSS观测数据质量一般,因此,在选择控制点参与拟合计算时,可以剔除该点。

图 3 点位环境、测距和点位拟合信息界面图 Fig.3 Interface of Point Environment, Ranging and Point Fitting Information

2) 拟合区域测距工具。通过标尺测距功能快速估计点位之间的距离,可以综合考虑控制网的形状和结构,通过地图上粗略测距实现拟合区域大小的预判,便于对拟合区域进行分割处理。结合测区实际情况,通过分割拟合区域缩小拟合范围的方法,可以实现GNSS高程拟合精度的改善。图 3(b)为应用测距工具的操作界面。

3) 点位拟合信息显示。显示控制点和拟合点的点名属性以及高程异常属性。技术人员不用面对复杂的数据报表,仅通过系统界面就可以直观地掌握整个控制网各点位的拟合数据,视情况调整拟合方法和参数,确保整个控制网的拟合精度。图 3(c)为点位拟合信息显示操作界面。

4) 点位分布图显示。根据点位的GNSS观测结果,通过系统数据预处理模块中的高斯投影功能,计算点位平面坐标并投影,实现整个控制网网型结构的可视化,通过不同符号分别标注控制点、附合点、拟合点,确保清晰展现整个控制网的形状和点位属性,可以帮助技术人员宏观掌握整个控制网的情况。

5) 点位预处理信息显示。在有附合点的情况下,可以对数据进行预处理,通过预处理信息显示界面查看控制点、附合点的最邻近点和次邻近点,点位诊断的属性,各点采用WKNN插值检校的最佳K值、误差及拟合的标准差,采用克里金插值检校的最优半方差函数和误差。因为每个点位都给出了直观的数据判断结果,所以技术人员可以根据预处理信息,选择合适的拟合算法及参数,若WKNN和克里金两种拟合算法的检校结果均无法满足精度要求,技术人员则可以结合测区的具体情况选择合适的拟合算法。

6) 点位信息显示。显示控制点、附合点的点位基本信息、属性和高程异常值,拟合点在显示以上信息的基础上,显示每个点位的拟合精度和置信区间。通过这个界面,可以清晰地查看拟合点最终的拟合精度和拟合结果,技术人员可以结合每个点位的拟合精度和置信区间,判断拟合结果的好坏,判断是否需要重新选择控制点或算法构建拟合模型。

7) 外附合检验信息显示。显示各附合点的高程异常、拟合后得到的高程异常值以及两者的差值,通过该界面显示的信息,技术人员可以直接判断拟合模型能否满足工程精度要求,所选控制点和拟合算法是否适合于待拟合的控制网。

2 系统测试及结果分析

为了评估基于百度地图环境开发的GNSS高程拟合信息和点位环境可视化系统的效果,本文利用既有铁路线工程实例对系统进行了测试和验证。选取的工程实例位于广深铁路广州市奥体中心至南岗镇段既有铁路,其控制网沿铁路线布设,长约14 km,测区紧邻珠江,横穿海拔198 m的龙头山,地理条件在工程项目中具备一定的代表性,控制网共含已知控制点14个。测试时,随机选取其中5个为外附合检验点。分别采用两种试验方案进行对比验证:方案1采用剩余的9个已知控制点构建拟合模型;方案2在方案1的基础上,通过系统的点位环境可视化功能,去掉2个GNSS观测环境较差的点位,选择观测环境好的7个点位作为控制点构建拟合模型。控制点、观测环境较差的点位以及外附合点的分布如图 4所示。

图 4 控制点、观测环境较差的点位以及外附合点的分布图 Fig.4 Distribution of Control Points, Point with Poor Measurement Conditions and External Accord Points

GNSS高程拟合模型采用多面函数模型,利用系统进行GNSS高程拟合,拟合的精度统计结果如表 1所示。

表 1 GNSS高程拟合的精度统计分析/m Tab.1 Accuracy Analysis of GNSS Elevation Fitting/m

表 1可以看出,在采用相同拟合方法的情况下,剔除了控制点中两个观测条件较差的点位后,方案2的各项拟合精度指标均优于方案1,外符合精度提升约6 mm,拟合残差的最小值仅为2 mm,最大值也仅为1.66 cm,精度能够满足一般工程项目需求。精度提升的原因主要有两个方面:①通过系统基于百度地图的点位环境可视化功能,判断出两个被剔除点位的GNSS观测环境一般,导致通过GNSS观测得到的WGS84坐标值存在较大误差,方案1中构建的拟合模型包括这两个点位,故拟合精度也存在较大误差; ②通过图 4可以看出,两个观测条件较差的点位均靠近外附合点,按照大部分GNSS高程拟合算法的思路,拟合点的拟合精度均与其邻近的控制点有更密切的联系,所以将两个GNSS观测值存在较大误差的点作为控制点时,其邻近点的拟合精度也会受到影响,存在较大误差。测试结果表明,GNSS高程拟合信息和点位环境可视化系统能够满足一般工程项目需求,其点位环境可视化功能能够有效帮助技术人员分析点位环境特征,在控制点的选择上提供依据,有效提升GNSS高程拟合精度。

3 结束语

本文基于百度地图环境开发了GNSS高程拟合信息和点位环境可视化系统,在应用多种拟合算法实现GNSS高程拟合的基础上,基于百度地图实现了GNSS高程拟合信息及点位环境的可视化。结合工程实例对系统的实用性进行了分析,结果表明,GNSS高程拟合精度能够满足一般工程项目需求,系统对GNSS高程拟合信息和点位环境的可视化功能,能够有效帮助工程技术人员判断点位周边环境,进而判断点位的观测数据质量,作为GNSS高程拟合控制点选取的依据,提高GNSS高程拟合精度。

参考文献
[1]
花向红, 王新洲, 王泽民, 等. GPS水准及其在武汉轨道交通一号线工程中应用研究[J]. 黑龙江工程学院学报, 2001(1): 32-35. DOI:10.3969/j.issn.1671-4679.2001.01.011
[2]
李宏博, 史先琦, 万奇灵, 等. GPS高程拟合在丘陵地区地形测量中的应用研究[J]. 测绘地理信息, 2015, 40(4): 44-47.
[3]
陈安平, 李红伟. GPS高程拟合方法的比较研究[J]. 测绘地理信息, 2013, 38(3): 32-35.
[4]
王万丽. 百度地图API应用综述[J]. 电脑编程技巧与维护, 2017(5): 35-36. DOI:10.3969/j.issn.1006-4052.2017.05.012
[5]
梁广荣, 黎红. 基于百度地图API的虚拟校园实现[J]. 廊坊师范学院学报(自然科学版), 2012, 12(6): 47-49. DOI:10.3969/j.issn.1674-3229.2012.06.015
[6]
涂振宇, 童星, 牛宏伟, 等. 基于百度地图API实现水库地理信息查询[J]. 江西教育学院学报, 2012, 33(6): 18-20. DOI:10.3969/j.issn.1005-3638.2012.06.007
[7]
田洪亮, 钱志鸿, 梁潇, 等. 离散度WKNN位置指纹WiFi定位算法[J]. 哈尔滨工业大学学报, 2017, 49(5): 94-99.
[8]
张小红, 程世来, 许晓东. 基于Kriging统计的GPS高程拟合方法研究[J]. 大地测量与地球动力学, 2007(2): 47-51.
[9]
高原, 张恒璟, 赵春江. 多项式曲面模型在GPS高程拟合中的应用[J]. 测绘科学, 2011, 36(3): 179-181.
[10]
贺炳彦, 张贵钢. 用于GPS高程拟合的多面函数模型的应用研究[J]. 西安科技大学学报, 2010, 30(5): 579-582. DOI:10.3969/j.issn.1672-9315.2010.05.015
[11]
钱建国, 刘淑亮. BP神经网络在GPS高程拟合中的应用探讨[J]. 测绘与空间地理信息, 2017, 40(1): 18-20. DOI:10.3969/j.issn.1672-5867.2017.01.005
[12]
志昆, 刘光斌, 赵曦晶, 等. 高斯过程回归方法综述[J]. 控制与决策, 2013, 28(8): 1121-1129.