Geodäsie, GNSS und Vermessungsdatenverarbeitung

Gewinne:

• Möglichkeit zur Bearbeitung und Qualitätskontrolle von GNSS-Rohbeobachtungen, RINEX-Dateien und Punktkoordinaten mit KI-gestützten Arbeitsabläufen
• Möglichkeit, Freitext-Messnotizen, Referenz- und Triangulationsdatensätze in Standardtabellen und -berichte umzuwandeln
• Möglichkeit, KI-generierte Positions- und Genauigkeitsinterpretationen mit statischen/RTK-Messprinzipien und Okklusionsfehlern zu überprüfen

Geodäsie ist die Wissenschaft, die Form und Größe der Erdoberfläche sowie die Lage von Punkten darauf mit hoher Genauigkeit zu bestimmen. Das wichtigste Werkzeug dieser Wissenschaft ist heute GNSS. GNSS (Global Navigation Satellite System / Global Satellite Positioning System) ist die gebräuchliche Bezeichnung für Satellitenkonstellationen wie GPS, GLONASS, Galileo, BeiDou; Empfänger berechnen die Position, indem sie die Ankunftszeit der Signale dieser Satelliten messen. In dieser Einheit diskutieren wir, wo künstliche Intelligenz sicher funktioniert und wo die Grenze auf dem Weg vom verstreuten Zustand von GNSS- und klassischen Vermessungsdaten (Totalstation, Nivellierung) zu regulären, verifizierten Koordinaten gezogen wird. Das Prinzip ist unveränderlich: KI organisiert die Daten und meldet Inkonsistenzen; Die endgültige Abnahme der Koordinate erfolgt durch den Ingenieur durch Messprinzipien.

Lassen Sie uns zunächst einige Grundbegriffe klären. RINEX (Receiver Independent Exchange Format) ist ein Textdateistandard, der rohe GNSS-Beobachtungen verschiedener Empfängermarken in einem gemeinsamen Format speichert. Statische Messung ist die Methode, bei der der Empfänger über einen langen Zeitraum (Minuten bis Stunden) an einem Punkt fixiert bleibt und eine hohe Genauigkeit erzielt. RTK (Real Time Kinematic) ist eine Methode, die mit Korrektur von einer Referenzstation sofort eine Zentimetergenauigkeit liefert. Der Abschlussfehler ist die Differenz, die sich bei der Rückkehr zum Startpunkt einer geschlossenen Messroute (Polygon oder Ebene) ansammelt und theoretisch voraussichtlich Null beträgt; Es ist der konkreteste Indikator für die Qualität der Messung.

Wo kommt KI sicher zum Einsatz?

Der zuverlässigste Beitrag der KI zur GNSS- und Vermessungsdatenverarbeitung ist nicht die Positionsberechnung selbst, sondern die Regulierungs- und Kontrollarbeiten rund um diese Berechnung:

1. Bearbeitung von Rohdaten und Notizen. Die Freitextnotizen im Feldnotizbuch, Punktnamen, Instrumentenhöhen und Beobachtungsbedingungen sind oft verstreut. KI zerlegt diese in Standardtabellen.
2. Qualitätskontrollscreening. Es listet Inkonsistenzen auf, z. B. Punkte, deren Empfängerhöhe nie eingegeben wurde, doppelt gemessene Punkte mit demselben Namen, unangemessene Fixierungszeiten, Koordinaten außerhalb der Reihenfolge usw.
3. Berichterstellung. Es wandelt die Zusammenfassung der Messkampagne, die verwendete Methode und Metriken wie Anzahl der Satelliten/PDOP in einen lesbaren Text um. (PDOP: Position Dilution of Precision; ist eine Zahl, die klein sein sollte und die Auswirkung der Geometrie der Satelliten am Himmel auf die Positionsgenauigkeit zeigt.)

Allerdings ist und sollte es nicht die Aufgabe der KI sein, eine Koordinate ohne Berücksichtigung des Okklusionsfehlers als „exakt korrekt“ zu deklarieren, die Messprinzipien zu ignorieren und den Anwendungswert zu bestätigen, das Ausbalancieren (den Prozess der Verteilung des Messüberschusses auf die statistisch beste Position) zu ersetzen. Das Auswuchten und die Endabnahme unterliegen weiterhin der Kontrolle der jeweiligen Software und des Ingenieurs.

Hinweis: Fragen Sie die KI: „Ist diese Koordinate korrekt?“ Das ist die falsche Frage. Die richtige Frage lautet: „Welche Inkonsistenzen und Werte außerhalb der Reihenfolge gibt es in diesem Datensatz?“ mit „Ist dieser Abschlussfehler für die gegebene Genauigkeitsklasse angemessen?“ sind die Fragen.

Schritt für Schritt: Aus dem Feldmessbuch verarbeitbare Daten machen

1. Sie definieren zuerst das Schema. Spalten: Punktnummer, Typ (Triangulation/Polygon/Detail), rechts_y, oben_x, Höhe_h, Werkzeuglast, Methode (statisch/RTK), Satellitennummer, PDOP, Datum, Notiz. Überlegen Sie das Schema auf das Modell, damit die Ausgabe konsistent ist.
2. Befestigen Sie die Einheit und das Datum. Notieren Sie, in welchem ​​CRS sich die Koordinaten befinden (z. B. TUREF/TM) und in welchem ​​vertikalen Datum sich die Höhe befindet (z. B. Türkiye National Vertical Control Network).
3. Kleine Charge verarbeiten. Geben Sie in Gruppen von 20–30 Punkten ab. Du erkennst den Fehler früh.
4. Machen Sie einen QC-Scan. Das Modell sollte Probleme wie fehlende Instrumentenhöhe, doppelte Punktnamen, hohe PDOP-Beobachtung usw. in einer separaten „Warnungs“-Liste sammeln.
5. Kehren Sie zur Quelle zurück. Vergleichen Sie zufällige Zeilen der resultierenden Tabelle mit der Rohanmerkung. insbesondere die Koordinatenreihenfolge und Punktnamen.

Drei Mini-Hüllen: In Zahlen

Fall 1 – Wiederholte Punkterfassung. Eine Detail-Retrieval-Kampagne erreichte 1.240 Punkte. Beim AI-unterstützten QC-Scannen wurde festgestellt, dass 3 Punktnamen zweimal verwendet wurden (mit unterschiedlichen Koordinaten) und die Werkzeughöhe an 7 Punkten nicht eingegeben wurde. Wenn diese 10 Probleme manuell überprüft würden, würde es Stunden dauern; Da es frühzeitig erkannt wurde, gelangten fehlerhafte Daten nicht in die Kartenproduktion.

Fall 2 – PDOP-Warnung. In einer RTK-Kampagne wurden 15 Punkte unter Bedingungen mit einem PDOP-Wert über 6 (schlechte Satellitengeometrie) gemessen. Das Modell markierte diese Punkte als „hohe Unsicherheit“; Der Ingenieur ließ sie erneut vermessen und stellte fest, dass sie an zwei Stellen um einige Zentimeter daneben lagen. Die KI hat keine Entscheidungen getroffen, sondern nur auf riskante Beobachtungen aufmerksam gemacht.

Fall 3 – Schließender Fehlerkommentar. Auf einer Range-Route bezeichnete die KI den Abschlussfehler bei der Erstellung ihres Kampagnenberichts als „akzeptabel“. Der Ingenieur überprüfte den zulässigen Grenzwert entsprechend der Streckenlänge und Genauigkeitsklasse per Handberechnung; Der Fehler lag knapp unter dem Grenzwert, aber sehr nahe am Grenzwert. Sicherheitshalber ließ der Ingenieur ein Bein nachmessen. Lektion: Die KI, die „akzeptabel“ sagt, ist kein Ersatz für eine handberechnete Überprüfung des Standards.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Bearbeiten Sie diese Messnotizen und teilen Sie mir mit, ob sie korrekt sind.[Notizen]

Kraftvolle Aufforderung:

Ihre Rolle: Messdaten-QC-Assistent. Übersetzen Sie die Feldnotizen unten in das bereitgestellte Diagramm und erstellen Sie eine separate „Warnliste“. Beurteilung der Genauigkeit der Koordinaten; Markieren Sie einfach Inkonsistenzen und Werte außerhalb der Reihenfolge.Schema: point_no | Typ | sag_y | up_x | kot_h | tool_load | Methode |satellite_count | pdop | Datum | date noteContext: CRS = TUREF/TM30 (EPSG:5254). sag_y ~6-stelliges Messgerät erwartet. Warnregeln: fehlendes tool_yuk; Wiederholen von point_no; pdop>6; Koordinate außerhalb der Reihenfolge; leeres Pflichtfeld.Anmerkungen: [Feldnotizen]

Die starke Aufforderung verhindert ein Urteil, konkretisiert die Regeln des QC und gibt der Rangerwartung einen Kontext; Die Ausgabe wird überprüfbar.

Vier kopierbare Vorlagen

1) Standardisierung der Rohqualität:

Übersetzen Sie die folgende Feldnotiz in die Standardterminologie und entpacken Sie Abkürzungen (z. B. „al.y.“ -> „Werkzeughöhe“), aber ändern Sie KEINE numerischen Werte. Kennzeichnen Sie vage Ausdrücke mit „[vage]“. Hinweis: [Feldnotiz]

2) GNSS-QC-Scannen:

Listen Sie die Qualitätsprobleme in der folgenden GNSS-Beobachtungstabelle auf: geringe Anzahl von Satelliten, hoher PDOP, kurze Beobachtungszeit, Float-Lösung (nicht festgelegt), Koordinaten außerhalb der Reihenfolge. Schreiben Sie in jede Zeile die Art des Problems und die empfohlene Maßnahme. Entscheide dich nicht, markiere einfach. Tabelle: [Beobachtungstabelle]

3) Vorläufige Bewertung des Abschaltfehlers:

Für die folgenden Polygon-/Nivellierungsabschlussdaten: (a) Berechnen Sie den Abschlussfehler, (b) Erinnern Sie sich an die zulässige Grenze der angegebenen Genauigkeitsklasse, (c) Kommentieren Sie die Nähe zur Grenze und fügen Sie einen Hinweis „Bestätigung durch manuelle Berechnung erforderlich“ hinzu. Treffen Sie KEINE endgültige Annahmeentscheidung. Daten: [Routendaten]

4) Entwurf des Messkampagnenberichts:

Schreiben Sie einen Entwurf eines Messkampagnenberichts unter Verwendung der folgenden Metriken: Methode, Anzahl der Punkte, durchschnittliche Anzahl der Satelliten, durchschnittlicher PDOP, Okklusionsfehler, verwendetes CRS und vertikales Datum. Verwendung eindeutiger Aussagen zur Genauigkeit; Hinweis „Vorbehaltlich der Genehmigung durch den Ingenieur“ hinzufügen. Metriken: [Metriken]

Vergleich der Genauigkeitsbegriffe

Begriff

Bedeutung

Bedeutung in der Geomatik

Statische Messung

Langfristige ständige Beobachtung

Triangulation, hohe Genauigkeitsbasis

RTK

Sofortige Korrektur anhand der Referenz

Schnelle Detailerfassung im Zentimeterbereich

PDOP

Qualität der Satellitengeometrie

Kleinerer Wert = zuverlässigerer Standort

Fix/Float

Unklarheit gelöst/nicht gelöst

Float-Lösungen werden nicht für den Einzelkauf akzeptiert.

Fehler beim Herunterfahren

Auf der geschlossenen Route angesammelte Differenz

Konkreter Nachweis der Messqualität

Häufige Fehler

• Lassen Sie die KI die Genauigkeit der Koordinaten beurteilen. KI signalisiert Inkonsistenz; Die Genauigkeit wird durch Messprinzipien und Auswuchtung bestimmt.
• Float-Lösungen gelten als Lösungen. Verwendung der unaufgelösten RTK-Beobachtung als exakte Koordinate.
• PDOP und die Anzahl der Satelliten werden ignoriert. Volles Vertrauen in den gemessenen Punkt bei schlechter Geometrie.
• Vertikales Datum mit horizontalem Datum mischen. Ebene und Koordinate liegen auf unterschiedlichen Bezügen; Es wäre ein Fehler, das eine durch das andere zu ersetzen.
• Sich auf das Urteil der KI als „akzeptabel“ verlassen, ohne den Abschaltfehler durch manuelle Berechnung zu bestätigen.
• Rohdaten in das Cloud-Modell hochladen, ohne sie zu anonymisieren. In einigen Projekten gehören Punktstandorte zu sensiblen Einrichtungen.

Zusammenfassend

Sicherer Raum der KI in der GNSS- und Vermessungsdatenverarbeitung; Rohdaten organisieren, auf Inkonsistenzen prüfen und Berichtsentwürfe erstellen. Die Genauigkeit der Positionsberechnung und Endabnahme bleibt dem Ingenieur überlassen, mit Messprinzipien wie PDOP/Fix-Status, Abschlussfehlern und Auswuchten. Fragen Sie die KI „richtig?“ aber "welche Ungereimtheiten gibt es?" fragen; Bestätigen Sie kritische Annahmen, wie z. B. Abschlussfehler, immer durch manuelle Berechnung anhand des Standards.

Anwendungsaufgabe

Schreiben Sie eine QC-Eingabeaufforderung für Ihre (oder hypothetische) 20-zeilige GNSS-Beobachtungstabelle: Fügen Sie das Schema, den CRS-Kontext, die Rangerwartung und mindestens fünf Warnregeln (fehlende Instrumentenhöhe, Wiederholungspunkt, hoher PDOP, Float-Lösung, Koordinaten außerhalb der Reihenfolge) ein. Überprüfen Sie dann die ersten drei Elemente der Warnliste in der KI-Ausgabe anhand der Rohdaten.

Checkliste

• [ ] Ich habe das Schema und den CRS/vertikalen Datumskontext von Grund auf definiert.
• [ ] Ich habe die KI um eine Überprüfung der Inkonsistenz gebeten, nicht um eine Beurteilung.
• [ ] Ich habe die Warnregeln instanziiert (PDOP, Fix/Float, Rang, fehlendes Feld).
• [ ] Ich habe Float-Lösungen und Beobachtungen mit hohem PDOP getrennt.
• [ ] Ich habe überprüft, dass ich das horizontale und vertikale Datum nicht verwechselt habe.
• [ ] Ich habe den Abschlussfehler durch manuelle Berechnung anhand des Standards bestätigt.
• [ ] Ich habe sensible Punktdaten in einer zertifizierten Umgebung anonymisiert/verarbeitet.
• [ ] Ich habe die endgültige Koordinate übernommen und die Verantwortung des Ingenieurs übernommen.