ജിയോഡെസി, ജിഎൻഎസ്എസ്, സർവേ ഡാറ്റാ പ്രോസസ്സിംഗ്

നേട്ടങ്ങൾ:

• ജിഎൻഎസ്എസ് അസംസ്‌കൃത നിരീക്ഷണങ്ങൾ, RINEX ഫയലുകൾ, AI- പവർ വർക്ക്ഫ്ലോകൾ ഉപയോഗിച്ച് പോയിൻ്റ് കോർഡിനേറ്റുകൾ എന്നിവ എഡിറ്റ് ചെയ്യാനും ഗുണനിലവാരം നിയന്ത്രിക്കാനുമുള്ള കഴിവ്
• സൗജന്യ ടെക്സ്റ്റ് മെഷർമെൻ്റ് നോട്ടുകൾ, റഫറൻസ്, ത്രികോണ റെക്കോർഡുകൾ എന്നിവ സാധാരണ പട്ടികകളിലേക്കും റിപ്പോർട്ടുകളിലേക്കും പരിവർത്തനം ചെയ്യാനുള്ള കഴിവ്
• സ്റ്റാറ്റിക്/ആർടികെ മെഷർമെൻ്റ് തത്വങ്ങളും ഒക്‌ലൂഷൻ പിശകുകളും ഉപയോഗിച്ച് AI- ജനറേറ്റുചെയ്‌ത സ്ഥാനവും കൃത്യത വ്യാഖ്യാനങ്ങളും പരിശോധിക്കാനുള്ള കഴിവ്

ഭൗമോപരിതലത്തിൻ്റെ ആകൃതിയും വലിപ്പവും അതിലെ ബിന്ദുക്കളുടെ സ്ഥാനവും ഉയർന്ന കൃത്യതയോടെ നിർണ്ണയിക്കുന്ന ശാസ്ത്രമാണ് ജിയോഡെസി. ഈ ശാസ്ത്രത്തിൻ്റെ ഇന്നത്തെ പ്രധാന ഉപകരണം GNSS ആണ്. GNSS (ഗ്ലോബൽ നാവിഗേഷൻ സാറ്റലൈറ്റ് സിസ്റ്റം / ഗ്ലോബൽ സാറ്റലൈറ്റ് പൊസിഷനിംഗ് സിസ്റ്റം) എന്നത് GPS, GLONASS, Galileo, BeiDou തുടങ്ങിയ ഉപഗ്രഹ രാശികളുടെ പൊതുവായ പേരാണ്; ഈ ഉപഗ്രഹങ്ങളിൽ നിന്നുള്ള സിഗ്നലുകളുടെ വരവ് സമയം അളക്കുന്നതിലൂടെ റിസീവറുകൾ സ്ഥാനം കണക്കാക്കുന്നു. ഈ യൂണിറ്റിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എവിടെയാണ് സുരക്ഷിതമായി പ്രവർത്തിക്കുന്നതെന്നും GNSS ൻ്റെ ചിതറിക്കിടക്കുന്ന അവസ്ഥയിൽ നിന്നും ക്ലാസിക്കൽ സർവേയിംഗ് (മൊത്തം സ്റ്റേഷൻ, ലെവലിംഗ്) ഡാറ്റയിൽ നിന്നും പതിവ്, പരിശോധിച്ച കോർഡിനേറ്റുകളിലേക്കുള്ള പാതയിൽ എവിടെയാണ് ലൈൻ വരച്ചിരിക്കുന്നതെന്നും ഞങ്ങൾ ചർച്ച ചെയ്യുന്നു. തത്ത്വം മാറ്റമില്ലാത്തതാണ്: AI ഡാറ്റ സംഘടിപ്പിക്കുകയും പൊരുത്തക്കേട് ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്നു; അളവെടുപ്പ് തത്വങ്ങളിലൂടെ കോർഡിനേറ്റിൻ്റെ അന്തിമ സ്വീകാര്യത എഞ്ചിനീയർ നൽകുന്നു.

ആദ്യം കുറച്ച് അടിസ്ഥാന നിബന്ധനകൾ വ്യക്തമാക്കാം. RINEX (റീവർ ഇൻഡിപെൻഡൻ്റ് എക്സ്ചേഞ്ച് ഫോർമാറ്റ്) എന്നത് ഒരു ടെക്സ്റ്റ് ഫയൽ സ്റ്റാൻഡേർഡാണ്, അത് വ്യത്യസ്ത ബ്രാൻഡുകളുടെ റിസീവറുകളുടെ റോ ജിഎൻഎസ്എസ് നിരീക്ഷണങ്ങൾ ഒരു പൊതു ഫോർമാറ്റിൽ സംഭരിക്കുന്നു. റിസീവർ ദീർഘനേരം (മിനിറ്റ്-മണിക്കൂറുകൾ) ഒരു ബിന്ദുവിൽ സ്ഥിരമായി നിലകൊള്ളുകയും ഉയർന്ന കൃത്യത ഉണ്ടാക്കുകയും ചെയ്യുന്ന രീതിയാണ് സ്റ്റാറ്റിക് മെഷർമെൻ്റ്. ഒരു റഫറൻസ് സ്റ്റേഷനിൽ നിന്നുള്ള തിരുത്തലിനൊപ്പം തൽക്ഷണം സെൻ്റീമീറ്റർ കൃത്യത നൽകുന്ന ഒരു രീതിയാണ് RTK (റിയൽ ടൈം കിനിമാറ്റിക്). അടച്ച അളവുകോൽ റൂട്ടിൻ്റെ (പോളിഗോൺ അല്ലെങ്കിൽ ലെവൽ) ആരംഭ സ്ഥാനത്തേക്ക് മടങ്ങുമ്പോൾ അടിഞ്ഞുകൂടുന്ന വ്യത്യാസമാണ് അടച്ചുപൂട്ടൽ പിശക്, ഇത് സൈദ്ധാന്തികമായി പൂജ്യമാകുമെന്ന് പ്രതീക്ഷിക്കുന്നു; അളവെടുപ്പിൻ്റെ ഗുണനിലവാരത്തിൻ്റെ ഏറ്റവും വ്യക്തമായ സൂചകമാണിത്.

AI സുരക്ഷിതമായി പ്രവർത്തനത്തിൽ വരുന്നത് എവിടെയാണ്?

ജിഎൻഎസ്എസിനും സർവേ ഡാറ്റാ പ്രോസസ്സിംഗിനും AI നൽകുന്ന ഏറ്റവും വിശ്വസനീയമായ സംഭാവന പൊസിഷൻ കണക്കുകൂട്ടലല്ല, മറിച്ച് ആ കണക്കുകൂട്ടലിന് ചുറ്റുമുള്ള നിയന്ത്രണവും നിയന്ത്രണ പ്രവർത്തനവുമാണ്:

1. റോ ഡാറ്റയും നോട്ട് എഡിറ്റിംഗും. ഫീൽഡ് നോട്ട്ബുക്കിലെ സൗജന്യ വാചക കുറിപ്പുകൾ, പോയിൻ്റ് പേരുകൾ, ഉപകരണത്തിൻ്റെ ഉയരം, നിരീക്ഷണ സാഹചര്യങ്ങൾ എന്നിവ പലപ്പോഴും ചിതറിക്കിടക്കുന്നു. AI ഇവയെ സ്റ്റാൻഡേർഡ് ടേബിളുകളായി വിഭജിക്കുന്നു.
2. ഗുണനിലവാര നിയന്ത്രണ സ്ക്രീനിംഗ്. റിസീവർ ഉയരം ഒരിക്കലും നൽകിയിട്ടില്ലാത്ത പോയിൻ്റുകൾ, ഒരേ പേരിൽ രണ്ടുതവണ അളന്ന പോയിൻ്റുകൾ, യുക്തിരഹിതമായ ഫിക്സ് ടൈംസ്, ഔട്ട്-ഓഫ്-ഓർഡർ കോർഡിനേറ്റുകൾ തുടങ്ങിയ പൊരുത്തക്കേടുകൾ ഇത് പട്ടികപ്പെടുത്തുന്നു.
3. റിപ്പോർട്ട് പ്രൊഡക്ഷൻ. ഇത് മെഷർമെൻ്റ് കാമ്പെയ്‌നിൻ്റെ സംഗ്രഹം, ഉപയോഗിച്ച രീതി, ഉപഗ്രഹങ്ങളുടെ എണ്ണം/PDOP പോലുള്ള മെട്രിക്‌സ് എന്നിവ വായിക്കാനാകുന്ന വാചകമാക്കി മാറ്റുന്നു. (PDOP: പൊസിഷൻ ഡില്യൂഷൻ ഓഫ് പ്രിസിഷൻ; ചെറുതായിരിക്കാൻ ആഗ്രഹിക്കുന്ന ഒരു സംഖ്യയാണ്, കൂടാതെ സ്ഥാന കൃത്യതയിൽ ആകാശത്തിലെ ഉപഗ്രഹങ്ങളുടെ ജ്യാമിതിയുടെ സ്വാധീനം കാണിക്കുന്നു.)

എന്നിരുന്നാലും, ഇത് AI-യുടെ ജോലിയല്ല, ആയിരിക്കരുത്: ഒക്‌ലൂഷൻ പിശക് പരിഗണിക്കാതെ ഒരു കോർഡിനേറ്റ് "കൃത്യമായി ശരി" പ്രഖ്യാപിക്കുക, അളക്കൽ തത്വങ്ങൾ അവഗണിച്ച് ആപ്ലിക്കേഷൻ മൂല്യം സ്ഥിരീകരിക്കുക, ബാലൻസിംഗ് മാറ്റിസ്ഥാപിക്കുക (സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് മികച്ച സ്ഥാനത്തേക്ക് അളക്കുന്ന അധിക വിതരണം ചെയ്യുന്ന പ്രക്രിയ). ബാലൻസിംഗും അന്തിമ സ്വീകാര്യതയും പ്രസക്തമായ സോഫ്റ്റ്‌വെയറിൻ്റെയും എഞ്ചിനീയറുടെയും നിയന്ത്രണത്തിലാണ്.

സൂചന: AI-യോട് ചോദിക്കുക "ഈ കോർഡിനേറ്റ് ശരിയാണോ?" ചോദിക്കുന്നത് തെറ്റായ ചോദ്യമാണ്. ശരിയായ ചോദ്യം "ഈ ഡാറ്റാ സെറ്റിൽ എന്ത് പൊരുത്തക്കേടുകളും ക്രമരഹിതമായ മൂല്യങ്ങളും ഉണ്ട്?" കൂടെ "ഈ ക്ലോഷർ പിശക് നൽകിയിരിക്കുന്ന കൃത്യത ക്ലാസിന് ന്യായമാണോ?" എന്നിവയാണ് ചോദ്യങ്ങൾ.

ഘട്ടം ഘട്ടമായി: ഫീൽഡ് മെഷർമെൻ്റ് ബുക്ക് പ്രോസസ്സബിൾ ഡാറ്റയിലേക്ക് മാറ്റുന്നു

1. നിങ്ങൾ ആദ്യം സ്കീമ നിർവ്വചിക്കുക. നിരകൾ: point_no, type (triangulation/polygon/detail), right_y, up_x, elevation_h, tool_load, method (static/RTK), satellite_number, pdop, date, note. മോഡലിൽ സ്കീമ അടിച്ചേൽപ്പിക്കുക, അങ്ങനെ ഔട്ട്പുട്ട് സ്ഥിരതയുള്ളതാണ്.
2. യൂണിറ്റും ഡാറ്റയും ശരിയാക്കുക. ഏത് CRS-ലാണ് കോർഡിനേറ്റുകൾ (ഉദാഹരണത്തിന്, TUREF/TM), ഏത് ലംബമായ ഡാറ്റയിലാണ് എലവേഷൻ (ഉദാഹരണത്തിന്, Türkiye നാഷണൽ വെർട്ടിക്കൽ കൺട്രോൾ നെറ്റ്‌വർക്ക്) എന്നിവ എഴുതുക.
3. ചെറിയ ബാച്ച് പ്രോസസ്സ് ചെയ്യുക. 20-30 പോയിൻ്റുകളുടെ ബാച്ചുകളിൽ നൽകുക; നിങ്ങൾ തെറ്റ് നേരത്തെ മനസ്സിലാക്കുന്നു.
4. ഒരു ക്യുസി സ്കാൻ നേടുക. ഒരു പ്രത്യേക "മുന്നറിയിപ്പ്" ലിസ്റ്റിൽ കാണാത്ത ഉപകരണത്തിൻ്റെ ഉയരം, ഡ്യൂപ്ലിക്കേറ്റ് പോയിൻ്റിൻ്റെ പേര്, ഉയർന്ന PDOP നിരീക്ഷണം തുടങ്ങിയ പ്രശ്നങ്ങൾ മോഡൽ ശേഖരിക്കണം.
5. ഉറവിടത്തിലേക്ക് മടങ്ങുക. തത്ഫലമായുണ്ടാകുന്ന പട്ടികയുടെ ക്രമരഹിതമായ വരികൾ അസംസ്കൃത വ്യാഖ്യാനവുമായി താരതമ്യം ചെയ്യുക; പ്രത്യേകിച്ച് കോർഡിനേറ്റ് ക്രമവും പോയിൻ്റ് പേരുകളും.

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - ആവർത്തന പോയിൻ്റ് ക്യാപ്‌ചർ. ഒരു വിശദമായ വീണ്ടെടുക്കൽ കാമ്പെയ്ൻ 1,240 പോയിൻ്റുകൾ അളന്നു. AI-അസിസ്റ്റഡ് QC സ്കാനിംഗ് 3 പോയിൻ്റ് പേരുകൾ രണ്ടുതവണ ഉപയോഗിച്ചു (വ്യത്യസ്‌ത കോർഡിനേറ്റുകൾക്കൊപ്പം) കൂടാതെ ടൂൾ ഉയരം 7 പോയിൻ്റിൽ നൽകിയിട്ടില്ലെന്നും ഫ്ലാഗ് ചെയ്തു. ഈ 10 പ്രശ്‌നങ്ങൾ നേരിട്ട് അവലോകനം ചെയ്‌താൽ, അതിന് മണിക്കൂറുകളെടുക്കും; ഇത് നേരത്തെ പിടികൂടിയതിനാൽ, മാപ്പ് നിർമ്മാണത്തിലേക്ക് തെറ്റായ ഡാറ്റ ചോർന്നില്ല.

കേസ് 2 - PDOP മുന്നറിയിപ്പ്. ഒരു RTK കാമ്പെയ്‌നിൽ, 6-ന് മുകളിലുള്ള PDOP മൂല്യമുള്ള സാഹചര്യങ്ങളിൽ 15 പോയിൻ്റുകൾ അളന്നു (മോശമായ സാറ്റലൈറ്റ് ജ്യാമിതി). മോഡൽ ഈ പോയിൻ്റുകളെ "ഉയർന്ന അനിശ്ചിതത്വം" എന്ന് അടയാളപ്പെടുത്തി; എഞ്ചിനീയർ അവ വീണ്ടും അളന്നു, രണ്ട് പോയിൻ്റുകളിൽ കുറച്ച് സെൻ്റീമീറ്റർ കുറഞ്ഞതായി കണ്ടെത്തി. AI തീരുമാനങ്ങൾ എടുത്തില്ല, അത് അപകടകരമായ നിരീക്ഷണങ്ങളിലേക്ക് ശ്രദ്ധ ആകർഷിച്ചു.

കേസ് 3 - ക്ലോസിംഗ് പിശക് അഭിപ്രായം. ഒരു റേഞ്ച് റൂട്ടിൽ, AI അതിൻ്റെ പ്രചാരണ റിപ്പോർട്ട് തയ്യാറാക്കുമ്പോൾ അടച്ചുപൂട്ടൽ പിശക് "സ്വീകാര്യം" എന്ന് വിവരിച്ചു. എഞ്ചിനീയർ വഴി നീളവും കൃത്യത ക്ലാസും അനുസരിച്ച് അനുവദനീയമായ പരിധി പരിശോധിച്ചു; പിശക് പരിധിക്ക് താഴെയായിരുന്നു, പക്ഷേ പരിധിക്ക് വളരെ അടുത്താണ്. സുരക്ഷിതമായ വശത്തായിരിക്കാൻ, എഞ്ചിനീയർക്ക് ഒരു കാൽ വീണ്ടും അളന്നു. പാഠം: "സ്വീകാര്യമായത്" എന്ന് പറയുന്ന AI, സ്റ്റാൻഡേർഡിൻ്റെ കൈകൊണ്ട് കണക്കാക്കിയ പരിശോധനയ്ക്ക് പകരമാവില്ല.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

ഈ മെഷർമെൻ്റ് നോട്ടുകൾ എഡിറ്റ് ചെയ്‌ത് അത് ശരിയാണോ എന്ന് പറയൂ.[notes]

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: അളവ് ഡാറ്റ QC അസിസ്റ്റൻ്റ്. നൽകിയിരിക്കുന്ന ഡയഗ്രമിലേക്ക് ചുവടെയുള്ള ഫീൽഡ് കുറിപ്പുകൾ വിവർത്തനം ചെയ്‌ത് ഒരു പ്രത്യേക "മുന്നറിയിപ്പ് ലിസ്റ്റ്" നിർമ്മിക്കുക. കോർഡിനേറ്റിൻ്റെ കൃത്യതയെക്കുറിച്ച് വിലയിരുത്തൽ; പൊരുത്തക്കേടും ക്രമരഹിതമായ മൂല്യങ്ങളും അടയാളപ്പെടുത്തുക. സ്കീം: point_no | തരം | sag_y | up_x | kot_h | ടൂൾ_ലോഡ് | രീതി |സാറ്റലൈറ്റ്_കൗണ്ട് | pdop | തീയതി | തീയതി കുറിപ്പ് സന്ദർഭം: CRS = TUREF/TM30 (EPSG:5254). sag_y ~6 അക്ക മീറ്റർ പ്രതീക്ഷിക്കുന്നു. മുന്നറിയിപ്പ് നിയമങ്ങൾ: missing tool_yuk; ആവർത്തിക്കുന്ന പോയിൻ്റ്_നോ; pdop>6; ഔട്ട്-ഓഫ്-ഓർഡർ കോർഡിനേറ്റ്; ആവശ്യമായ ഫീൽഡ് ശൂന്യമാണ്. കുറിപ്പുകൾ: [ഫീൽഡ് കുറിപ്പുകൾ]

ശക്തമായ പ്രോംപ്റ്റ് വിധിയെ നിരോധിക്കുന്നു, ക്യുസിയുടെ നിയമങ്ങൾ ദൃഢമാക്കുന്നു, റാങ്ക് പ്രതീക്ഷയ്ക്ക് സന്ദർഭം നൽകുന്നു; ഔട്ട്പുട്ട് ഓഡിറ്റബിൾ ആയി മാറുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) റോ ഗ്രേഡ് സ്റ്റാൻഡേർഡൈസേഷൻ:

ഇനിപ്പറയുന്ന ഫീൽഡ് കുറിപ്പ് സ്റ്റാൻഡേർഡ് ടെർമിനോളജിയിലേക്ക് വിവർത്തനം ചെയ്യുക, ചുരുക്കങ്ങൾ അൺപാക്ക് ചെയ്യുക (ഉദാ. "al.y."->"ടൂൾ ഉയരം"), എന്നാൽ സംഖ്യാ മൂല്യങ്ങൾ മാറ്റരുത്. അവ്യക്തമായ പദപ്രയോഗങ്ങൾ "[അവ്യക്തം]" ഉപയോഗിച്ച് അടയാളപ്പെടുത്തുക. കുറിപ്പ്: [ഫീൽഡ് കുറിപ്പ്]

2) GNSS QC സ്കാനിംഗ്:

താഴെയുള്ള GNSS നിരീക്ഷണ പട്ടികയിലെ ഗുണനിലവാര പ്രശ്‌നങ്ങൾ ലിസ്റ്റ് ചെയ്യുക: കുറഞ്ഞ എണ്ണം ഉപഗ്രഹങ്ങൾ, ഉയർന്ന PDOP, ഹ്രസ്വ നിരീക്ഷണ സമയം, ഫ്ലോട്ട് (നോൺ-ഫിക്സഡ്) പരിഹാരം, ഔട്ട്-ഓഫ്-ഓർഡർ കോർഡിനേറ്റ്. ഓരോ വരിയിലും, പ്രശ്നത്തിൻ്റെ തരവും ശുപാർശ ചെയ്യുന്ന പ്രവർത്തനവും എഴുതുക. തീരുമാനിക്കരുത്, അടയാളപ്പെടുത്തുക. പട്ടിക: [നിരീക്ഷണ പട്ടിക]

3) ഷട്ട്ഡൗൺ പിശകിൻ്റെ പ്രാഥമിക വിലയിരുത്തൽ:

ഇനിപ്പറയുന്ന പോളിഗോൺ/ലെവലിംഗ് ക്ലോഷർ ഡാറ്റയ്‌ക്കായി: (എ) ക്ലോഷർ പിശക് കണക്കാക്കുക, (ബി) നൽകിയിരിക്കുന്ന കൃത്യത ക്ലാസിൻ്റെ അനുവദനീയമായ പരിധി ഓർമ്മിപ്പിക്കുക, (സി) പരിധിയോടുള്ള അടുപ്പത്തെക്കുറിച്ച് അഭിപ്രായമിടുകയും "കൈകൊണ്ട് കണക്കുകൂട്ടൽ വഴിയുള്ള സ്ഥിരീകരണം ആവശ്യമാണ്" എന്ന കുറിപ്പ് ചേർക്കുകയും ചെയ്യുക. അന്തിമ സ്വീകാര്യത തീരുമാനം എടുക്കരുത്. ഡാറ്റ: [റൂട്ട് ഡാറ്റ]

4) മെഷർമെൻ്റ് കാമ്പയിൻ റിപ്പോർട്ട് ഡ്രാഫ്റ്റ്:

ഇനിപ്പറയുന്ന മെട്രിക്‌സ് ഉപയോഗിച്ച് ഒരു ഡ്രാഫ്റ്റ് മെഷർമെൻ്റ് കാമ്പെയ്ൻ റിപ്പോർട്ട് എഴുതുക: രീതി, പോയിൻ്റുകളുടെ എണ്ണം, ഉപഗ്രഹങ്ങളുടെ ശരാശരി എണ്ണം, ശരാശരി PDOP, ഒക്‌ലൂഷൻ പിശകുകൾ, ഉപയോഗിച്ച CRS, ലംബ ഡാറ്റ. കൃത്യതയെക്കുറിച്ചുള്ള കൃത്യമായ പ്രസ്താവനകൾ ഉപയോഗിക്കുന്നു; "എഞ്ചിനീയർ അംഗീകാരത്തിന് വിധേയം" എന്ന കുറിപ്പ് ചേർക്കുക. മെട്രിക്സ്: [മെട്രിക്സ്]

കൃത്യത നിബന്ധനകളുടെ താരതമ്യം

കാലാവധി

അർത്ഥം

ജിയോമാറ്റിക്സിൽ പ്രാധാന്യം

സ്റ്റാറ്റിക് അളവ്

ദീർഘകാല നിരന്തര നിരീക്ഷണം

ത്രികോണം, ഉയർന്ന കൃത്യത അടിസ്ഥാനം

ആർ.ടി.കെ

റഫറൻസിൽ നിന്നുള്ള തൽക്ഷണ തിരുത്തൽ

വേഗത്തിലുള്ള, സെൻ്റീമീറ്റർ വിശദാംശങ്ങൾ ഏറ്റെടുക്കൽ

പി.ഡി.ഒ.പി

സാറ്റലൈറ്റ് ജ്യാമിതി നിലവാരം

ചെറിയ മൂല്യം = കൂടുതൽ വിശ്വസനീയമായ സ്ഥാനം

ഫിക്സ് / ഫ്ലോട്ട്

അവ്യക്തത പരിഹരിച്ചു / പരിഹരിച്ചില്ല

വിശദമായ വാങ്ങലിന് ഫ്ലോട്ട് സൊല്യൂഷനുകൾ സ്വീകരിക്കില്ല.

ഷട്ട്ഡൗൺ പിശക്

അടച്ച റൂട്ടിൽ അടിഞ്ഞുകൂടിയ വ്യത്യാസം

അളക്കൽ ഗുണനിലവാരത്തിൻ്റെ കോൺക്രീറ്റ് തെളിവ്

സാധാരണ തെറ്റുകൾ

• AI-യെ കോർഡിനേറ്റിൻ്റെ കൃത്യത വിലയിരുത്തുന്നു. AI പൊരുത്തക്കേട് അടയാളപ്പെടുത്തുന്നു; അളവെടുപ്പ് തത്വങ്ങളും ബാലൻസും അനുസരിച്ചാണ് കൃത്യത നിർണ്ണയിക്കുന്നത്.
• ഫ്ലോട്ട് സൊല്യൂഷനുകൾ പരിഹാരങ്ങളാണെന്ന് കരുതപ്പെടുന്നു. പരിഹരിക്കപ്പെടാത്ത RTK നിരീക്ഷണം കൃത്യമായ കോർഡിനേറ്റായി ഉപയോഗിക്കുന്നു.
• PDOP, ഉപഗ്രഹങ്ങളുടെ എണ്ണം എന്നിവ അവഗണിക്കുന്നു. മോശം ജ്യാമിതിയിൽ അളന്ന പോയിൻ്റിൽ പൂർണ്ണ ആത്മവിശ്വാസം.
• ലംബ ഡാറ്റയും തിരശ്ചീന ഡാറ്റയും മിക്സ് ചെയ്യുന്നു. വ്യത്യസ്ത റഫറൻസുകളിൽ ലെവലും കോർഡിനേറ്റും ഇരിക്കുക; ഒന്നിന് പകരം മറ്റൊന്ന് നൽകുന്നത് തെറ്റാണ്.
• കൈകൊണ്ട് കണക്കുകൂട്ടൽ വഴി ഷട്ട്ഡൗൺ പിശക് സ്ഥിരീകരിക്കാതെ "സ്വീകാര്യമായത്" എന്ന AI യുടെ വിധിയെ ആശ്രയിക്കുന്നു.
• അജ്ഞാതമാക്കാതെ തന്നെ ക്ലൗഡ് മോഡലിലേക്ക് റോ ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുന്നു. ചില പ്രോജക്റ്റുകളിൽ, പോയിൻ്റ് ലൊക്കേഷനുകൾ സെൻസിറ്റീവ് സൗകര്യങ്ങളുടേതാണ്.

ചുരുക്കത്തിൽ

ജിഎൻഎസ്എസിലും സർവേ ഡാറ്റ പ്രോസസ്സിംഗിലും AI-യുടെ സുരക്ഷിത ഇടം; അസംസ്‌കൃത ഡാറ്റ സംഘടിപ്പിക്കുക, പൊരുത്തക്കേടുകൾക്കായി സ്കാൻ ചെയ്യുക, ഡ്രാഫ്റ്റ് റിപ്പോർട്ടുകൾ നിർമ്മിക്കുക. PDOP/fix സ്റ്റാറ്റസ്, ക്ലോസിംഗ് പിശകുകൾ, ബാലൻസിങ് തുടങ്ങിയ അളവെടുപ്പ് തത്വങ്ങൾക്കൊപ്പം, സ്ഥാനം കണക്കുകൂട്ടലിൻ്റെയും അന്തിമ സ്വീകാര്യതയുടെയും കൃത്യത എഞ്ചിനീയറുടെ പക്കലായിരിക്കും. AI-യോട് “ശരിയാണോ?” എന്ന് ചോദിക്കുക. എന്നാൽ "എന്താണ് പൊരുത്തക്കേടുകൾ?" ചോദിക്കുക; ക്ലോസിംഗ് പിശക് പോലുള്ള നിർണായക അനുമാനങ്ങൾ, സ്റ്റാൻഡേർഡിന് എതിരായി കൈകൊണ്ട് കണക്കുകൂട്ടൽ ഉപയോഗിച്ച് എല്ലായ്പ്പോഴും സ്ഥിരീകരിക്കുക.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ (അല്ലെങ്കിൽ സാങ്കൽപ്പികമായ) 20-വരി GNSS നിരീക്ഷണ പട്ടികയ്‌ക്കായി ഒരു QC പ്രോംപ്റ്റ് എഴുതുക: സ്കീമ, CRS സന്ദർഭം, റാങ്ക് പ്രതീക്ഷ, കൂടാതെ കുറഞ്ഞത് അഞ്ച് മുന്നറിയിപ്പ് നിയമങ്ങൾ (നഷ്‌ടമായ ഇൻസ്ട്രുമെൻ്റ് ഉയരം, ആവർത്തന പോയിൻ്റ്, ഉയർന്ന PDOP, ഫ്ലോട്ട് സൊല്യൂഷൻ, ഔട്ട്-ഓഫ്-ഓർഡർ കോർഡിനേറ്റ്) എന്നിവ ഉൾപ്പെടുത്തുക. തുടർന്ന് AI ഔട്ട്‌പുട്ടിലെ മുന്നറിയിപ്പ് ലിസ്റ്റിലെ ആദ്യ മൂന്ന് ഇനങ്ങൾ റോ ഡാറ്റയ്‌ക്കെതിരെ പരിശോധിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ സ്കീമും CRS/വെർട്ടിക്കൽ ഡാറ്റ സന്ദർഭവും ആദ്യം മുതൽ നിർവചിച്ചു.
• [ ] ഞാൻ AI യോട് പൊരുത്തക്കേടുള്ള സ്ക്രീനിംഗ് ആവശ്യപ്പെട്ടു, വിധിയല്ല.
• [ ] ഞാൻ മുന്നറിയിപ്പ് നിയമങ്ങൾ (PDOP, fix/float, rank, missing field) ഉടനടി നൽകി.
• [ ] ഞാൻ ഫ്ലോട്ട് സൊല്യൂഷനുകളും ഉയർന്ന PDOP നിരീക്ഷണങ്ങളും വേർതിരിച്ചു.
• [ ] ഞാൻ തിരശ്ചീനവും ലംബവുമായ ഡാറ്റ മിക്സ് ചെയ്തിട്ടില്ലെന്ന് ഞാൻ പരിശോധിച്ചു.
• [ ] സ്റ്റാൻഡേർഡിന് വിരുദ്ധമായി കൈ കണക്കുകൂട്ടൽ വഴി ഞാൻ ക്ലോസിംഗ് പിശക് സ്ഥിരീകരിച്ചു.
• [ ] ഒരു സാക്ഷ്യപ്പെടുത്തിയ പരിതസ്ഥിതിയിൽ എനിക്ക് അജ്ഞാതമാക്കിയ/പ്രോസസ്സ് ചെയ്ത സെൻസിറ്റീവ് പോയിൻ്റ് ഡാറ്റയുണ്ട്.
• [ ] അന്തിമ കോർഡിനേറ്റ് സ്വീകാര്യത എഞ്ചിനീയറുടെ ഉത്തരവാദിത്തം ഞാൻ നിലനിർത്തി.