کبری بزرگ نیا؛ هانی رضائیان؛ جواد سدیدی
چکیده
دقت تعیین موقعیت به کیفیت تکنولوژی مورد استفاده بستگی دارد. در حالیکه استفاده از تکنولوژیهای ارائهدهنده کیفیت بالای تعیین موقعیت مستلزم صرف هزینه زیاد و داشتن تخصص بالا جهت استفاده میباشد، عمدتاً تکنولوژی با کیفیت و قیمت پایین تعیین موقعیت ماهوارهای (GPS) و حسگرهای وضعیتی استفاده میشوند که در قالب گوشیهای هوشمند ...
بیشتر
دقت تعیین موقعیت به کیفیت تکنولوژی مورد استفاده بستگی دارد. در حالیکه استفاده از تکنولوژیهای ارائهدهنده کیفیت بالای تعیین موقعیت مستلزم صرف هزینه زیاد و داشتن تخصص بالا جهت استفاده میباشد، عمدتاً تکنولوژی با کیفیت و قیمت پایین تعیین موقعیت ماهوارهای (GPS) و حسگرهای وضعیتی استفاده میشوند که در قالب گوشیهای هوشمند بهصورت فراگیر در دسترس میباشند. یکی از نکات متمایز این تکنولوژیهای ارزانقیمت، میزان تأثیرپذیری آنها از عوامل تولیدکننده نویز میباشد. در این مقاله تأثیر بهبود میزان نویز حاصل از حسگرهای تعیین موقعیت و وضعیت گوشیهای همراه بر دقت تعیین موقعیت اشیاء متحرک مانند خودروها با استفاده از تکنیک محلیسازی[1] و تلفیق دادههای حاصل از حسگرهای مغناطیسسنج، ژیروسکوپ که در گوشیهای همراه هوشمند وجود دارند بررسی شده است. از حسگرهای مزبور پارامترهای آزیموت و زاویه چرخش (رول) استخراج شده است و این پارامترها بههمراه شتابخطی و مختصات جغرافیایی حاصل از GPS برای بهبود موقعیت وسیلهنقلیه در الگوریتم کالمن که یک فیلتر پایینگذر برای نویزهای با فرکانس پایین است، تلفیق شدهاند. نتایج بهدست آمده از اجرای روش پیشنهادی در خط 2 بزرگراه آزادگان شرق به غرب تهران و مقایسه آن با دادههای مرجع نشان داده است که خطای تعیین موقعیت خودرو با گیرنده GPS گوشی هوشمند از 0.8274 متر به 0.6768 متر بدون کاهش نویز در فیلتر کالمن توسعهیافته[2]، کاهش یافته است. با کاهش تدریجی نویز، میزان دقت نتایج حاصل از فیلتر کالمن بین مقادیر 0.6763 تا 0.6771 متر در نوسان بوده است که بیشترین بهبود دقت موقعیت خودرو در اثر کاهش 2 درصدی نویز، به مقدار 0.6763 متر حاصل شده است. براساس این نتایج، با وجود اینکه کاهش اثر نویز میتواند منجر به بهبود موقعیت وسیلهنقلیه با استفاده از فیلتر کالمن و مشاهدات حسگرهای گوشی هوشمند شود، نامنظم بودن تغییرات دقت ناشی از کاهش نویز، لزوم یافتن درصد نویز کاهش بهینه را ایجاب میکند. [1]- Dead-reckoning [2]- Extended Kalman Filter