การประมวลผลมาตรวิทยา GNSS และการสำรวจ

กำไร:

• ความสามารถในการแก้ไขและควบคุมคุณภาพการสังเกตดิบของ GNSS, ไฟล์ RINEX และพิกัดจุดด้วยเวิร์กโฟลว์ที่ขับเคลื่อนด้วย AI
• ความสามารถในการแปลงบันทึกการวัดข้อความ บันทึกการอ้างอิง และสามเหลี่ยมให้เป็นตารางและรายงานมาตรฐาน
• ความสามารถในการตรวจสอบตำแหน่งที่สร้างโดย AI และการตีความความแม่นยำด้วยหลักการวัดแบบคงที่/RTK และข้อผิดพลาดในการบดเคี้ยว

มาตรศาสตร์เป็นศาสตร์ในการกำหนดรูปร่างและขนาดของพื้นผิวโลกและตำแหน่งของจุดต่างๆ บนนั้นด้วยความแม่นยำสูง เครื่องมือหลักของวิทยาศาสตร์ในปัจจุบันคือ GNSS GNSS (Global Navigation Satellite System / Global Satellite Positioning System) เป็นชื่อสามัญของกลุ่มดาวดาวเทียม เช่น GPS, GLONASS, Galileo, BeiDou; เครื่องรับจะคำนวณตำแหน่งโดยการวัดเวลาที่สัญญาณจากดาวเทียมเหล่านี้มาถึง ในหน่วยนี้ เราจะอภิปรายถึงจุดที่ปัญญาประดิษฐ์ทำงานอย่างปลอดภัย และตำแหน่งที่ลากเส้นบนเส้นทางจากสถานะกระจัดกระจายของ GNSS และข้อมูลการสำรวจแบบคลาสสิก (สถานีรวม การปรับระดับ) ไปจนถึงพิกัดปกติที่ตรวจสอบแล้ว หลักการนี้ไม่เปลี่ยนรูป: AI จัดระเบียบข้อมูลและทำเครื่องหมายความไม่สอดคล้องกัน วิศวกรให้การยอมรับพิกัดขั้นสุดท้ายผ่านหลักการวัด

มาชี้แจงคำศัพท์พื้นฐานบางประการก่อน RINEX (Receiver Independent Exchange Format) เป็นไฟล์ข้อความมาตรฐานที่เก็บการสังเกต GNSS แบบดิบของเครื่องรับยี่ห้อต่างๆ ในรูปแบบทั่วไป การวัดแบบคงที่เป็นวิธีการที่เครื่องรับคงอยู่กับจุดใดจุดหนึ่งเป็นเวลานาน (นาที-ชั่วโมง) และทำให้เกิดความแม่นยำสูง RTK (Real Time Kinematic) คือวิธีการที่ให้ความแม่นยำระดับเซนติเมตรทันทีพร้อมการแก้ไขจากสถานีอ้างอิง ข้อผิดพลาดในการปิดคือความแตกต่างที่สะสมเมื่อกลับไปยังจุดเริ่มต้นของเส้นทางการวัดแบบปิด (รูปหลายเหลี่ยมหรือระดับ) และในทางทฤษฎีคาดว่าจะเป็นศูนย์ เป็นตัวบ่งชี้คุณภาพของการวัดที่เป็นรูปธรรมที่สุด

AI นำไปใช้ได้อย่างปลอดภัยที่ไหน?

การสนับสนุนที่น่าเชื่อถือที่สุดของ AI ต่อ GNSS และการประมวลผลข้อมูลแบบสำรวจไม่ใช่การคำนวณตำแหน่ง แต่เป็นการควบคุมและควบคุมการทำงานเกี่ยวกับการคำนวณนั้น:

1. ข้อมูลดิบและการแก้ไขบันทึกย่อ ข้อความอิสระในสมุดบันทึกภาคสนาม ชื่อจุด ความสูงของเครื่องมือ และเงื่อนไขในการสังเกตมักจะกระจัดกระจาย AI แบ่งสิ่งเหล่านี้ออกเป็นตารางมาตรฐาน
2. การคัดกรองการควบคุมคุณภาพ โดยแสดงรายการที่ไม่สอดคล้องกัน เช่น จุดที่ไม่เคยป้อนความสูงของตัวรับสัญญาณ จุดที่วัดสองครั้งด้วยชื่อเดียวกัน เวลาแก้ไขที่ไม่สมเหตุสมผล พิกัดที่ไม่อยู่ในลำดับ เป็นต้น
3. รายงานการผลิต โดยจะแปลงข้อมูลสรุปของแคมเปญการวัด วิธีการที่ใช้ และหน่วยเมตริก เช่น จำนวนดาวเทียม/PDOP ให้เป็นข้อความที่อ่านได้ (PDOP: Position Dilution of Precision เป็นตัวเลขที่ต้องการให้มีขนาดเล็กและแสดงผลเรขาคณิตของดาวเทียมบนท้องฟ้าที่มีต่อความแม่นยำของตำแหน่ง)

อย่างไรก็ตาม ไม่ใช่และไม่ควรเป็นหน้าที่ของ AI ที่จะ: ประกาศพิกัด "ถูกต้องทุกประการ" โดยไม่คำนึงถึงข้อผิดพลาดในการบดเคี้ยว เพิกเฉยต่อหลักการวัดและยืนยันค่าการใช้งาน แทนที่การปรับสมดุล (กระบวนการกระจายการวัดส่วนเกินไปยังตำแหน่งที่ดีที่สุดทางสถิติ) การปรับสมดุลและการยอมรับขั้นสุดท้ายยังคงอยู่ภายใต้การควบคุมของซอฟต์แวร์และวิศวกรที่เกี่ยวข้อง

คำแนะนำ: ถาม AI ​​ว่า "พิกัดนี้ถูกต้องหรือไม่" เป็นคำถามที่ผิดที่จะถาม คำถามที่ถูกต้องคือ "ชุดข้อมูลนี้มีความไม่สอดคล้องกันและค่าที่ไม่อยู่ในลำดับใดบ้าง" ด้วย "ข้อผิดพลาดในการปิดนี้สมเหตุสมผลสำหรับระดับความแม่นยำที่กำหนดหรือไม่" คือคำถาม

ทีละขั้นตอน: เปลี่ยนหนังสือการวัดภาคสนามให้เป็นข้อมูลที่ประมวลผลได้

1. คุณกำหนดสคีมาก่อน คอลัมน์: point_no, ประเภท (สามเหลี่ยม/รูปหลายเหลี่ยม/รายละเอียด), right_y, up_x, elevation_h, tool_load, วิธีการ (คงที่/RTK), satellite_number, pdop, วันที่, หมายเหตุ กำหนดสคีมาบนโมเดลเพื่อให้เอาต์พุตสอดคล้องกัน
2. แก้ไขหน่วยและ Datum จดบันทึกว่าพิกัดของ CRS อยู่ที่ใด (เช่น TUREF/TM) และระดับความสูงของข้อมูลในแนวตั้งอยู่ที่ใด (เช่น Türkiye National Vertical Control Network)
3. ประมวลผลชุดเล็ก ให้คะแนนเป็นชุด ๆ ละ 20-30 คะแนน คุณจับผิดได้เร็ว
4. รับการสแกน QC แบบจำลองควรรวบรวมปัญหาต่างๆ เช่น ความสูงของเครื่องมือที่หายไป ชื่อจุดที่ซ้ำกัน การสังเกต PDOP สูง ฯลฯ ในรายการ "คำเตือน" ที่แยกต่างหาก
5. กลับไปยังแหล่งที่มา เปรียบเทียบแถวสุ่มของตารางผลลัพธ์กับคำอธิบายประกอบแบบดิบ โดยเฉพาะลำดับพิกัดและชื่อจุด

คดีเล็กๆ สามคดี: ตามตัวเลข

กรณีที่ 1 — การจับจุดซ้ำ แคมเปญดึงรายละเอียดวัดได้ 1,240 คะแนน การสแกน QC ที่ได้รับความช่วยเหลือจาก AI แจ้งว่ามีการใช้ชื่อ 3 จุดสองครั้ง (โดยมีพิกัดต่างกัน) และไม่ได้ป้อนความสูงของเครื่องมือที่ 7 จุด หากปัญหาทั้ง 10 ประการนี้ได้รับการตรวจสอบด้วยตนเอง อาจต้องใช้เวลาหลายชั่วโมง เนื่องจากตรวจพบได้ตั้งแต่เนิ่นๆ ข้อมูลที่ผิดพลาดจึงไม่รั่วไหลไปสู่การผลิตแผนที่

กรณีที่ 2 — คำเตือน PDOP ในแคมเปญ RTK หนึ่งแคมเปญ มีการวัด 15 จุดในเงื่อนไขที่มีค่า PDOP มากกว่า 6 (เรขาคณิตของดาวเทียมไม่ดี) แบบจำลองทำเครื่องหมายจุดเหล่านี้ว่า "มีความไม่แน่นอนสูง"; วิศวกรได้วัดและพบว่ามีจุดสองจุดหลุดออกไปสองสามเซนติเมตร AI ไม่ได้ทำการตัดสินใจ เพียงดึงความสนใจไปที่การสังเกตที่มีความเสี่ยง

กรณีที่ 3 — ความคิดเห็นข้อผิดพลาดในการปิด ในเส้นทางระยะไกล AI อธิบายข้อผิดพลาดในการปิดว่า "ยอมรับได้" เมื่อเตรียมรายงานแคมเปญ วิศวกรตรวจสอบขีดจำกัดที่อนุญาตตามความยาวเส้นทางและระดับความแม่นยำด้วยการคำนวณด้วยมือ ข้อผิดพลาดอยู่ต่ำกว่าขีดจำกัดแต่ใกล้กับขีดจำกัดมาก เพื่อความปลอดภัย วิศวกรต้องวัดขาข้างหนึ่ง บทเรียน: AI ที่พูดว่า "ยอมรับได้" ไม่สามารถทดแทนการตรวจสอบมาตรฐานที่คำนวณด้วยมือได้

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

แก้ไขบันทึกการวัดเหล่านี้และบอกฉันว่าถูกต้องหรือไม่[บันทึก]

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้ช่วย QC ข้อมูลการวัด แปลบันทึกย่อภาคสนามด้านล่างเป็นแผนภาพที่ให้ไว้และสร้าง "รายการคำเตือน" แยกต่างหาก การตัดสินเกี่ยวกับความถูกต้องของพิกัด เพียงทำเครื่องหมายความไม่สอดคล้องกันและค่าที่ไม่อยู่ในลำดับโครงร่าง: point_no | พิมพ์ | sag_y | up_x | kot_h | tool_load | วิธี | ดาวเทียม_count | พีดอป | วันที่ | วันที่หมายเหตุบริบท: CRS = TUREF/TM30 (EPSG:5254) sag_y ~ คาดว่ามิเตอร์ 6 หลัก กฎคำเตือน: ไม่มี tool_yuk; ทำซ้ำ point_no; pdop>6; พิกัดที่ไม่เป็นระเบียบ ช่องที่ต้องกรอกว่างเปล่าหมายเหตุ: [หมายเหตุช่อง]

การแจ้งที่ชัดเจนห้ามมิให้มีการตัดสิน ทำให้กฎของ QC เป็นรูปธรรม และให้บริบทกับความคาดหวังอันดับ ผลลัพธ์สามารถตรวจสอบได้

เทมเพลตที่คัดลอกได้สี่แบบ

1) มาตรฐานเกรดดิบ:

แปลหมายเหตุฟิลด์ต่อไปนี้เป็นคำศัพท์มาตรฐาน โดยแยกคำย่อออก (เช่น "al.y."->"ความสูงของเครื่องมือ") แต่อย่าเปลี่ยนค่าตัวเลข ทำเครื่องหมายนิพจน์ที่คลุมเครือด้วย "[คลุมเครือ]" หมายเหตุ: [หมายเหตุภาคสนาม]

2) การสแกน GNSS QC:

แสดงรายการปัญหาด้านคุณภาพในตารางการสังเกต GNSS ด้านล่าง: จำนวนดาวเทียมต่ำ, PDOP สูง, เวลาการสังเกตสั้น, โซลูชันลอยตัว (ไม่คงที่), พิกัดที่ไม่อยู่ในลำดับ สำหรับแต่ละบรรทัด ให้เขียนประเภทของปัญหาและการดำเนินการที่แนะนำ อย่าตัดสินใจเพียงแค่ทำเครื่องหมาย ตาราง: [ตารางสังเกตการณ์]

3) การประเมินเบื้องต้นของข้อผิดพลาดในการปิดเครื่อง:

สำหรับข้อมูลการปิดรูปหลายเหลี่ยม/การปรับระดับต่อไปนี้: (a) คำนวณข้อผิดพลาดในการปิด (b) เตือนขีดจำกัดที่อนุญาตของระดับความแม่นยำที่กำหนด (c) แสดงความคิดเห็นเกี่ยวกับความใกล้กับขีดจำกัด และเพิ่มหมายเหตุ "จำเป็นต้องยืนยันด้วยการคำนวณด้วยมือ" อย่าตัดสินใจยอมรับขั้นสุดท้าย ข้อมูล: [ข้อมูลเส้นทาง]

4) ร่างรายงานแคมเปญการวัดผล:

เขียนร่างรายงานแคมเปญการวัดผลโดยใช้ตัวชี้วัดต่อไปนี้: วิธีการ จำนวนจุด จำนวนดาวเทียมเฉลี่ย PDOP เฉลี่ย ข้อผิดพลาดในการบดเคี้ยว CRS ที่ใช้ และข้อมูลแนวตั้ง การใช้ข้อความที่ชัดเจนเกี่ยวกับความถูกต้อง เพิ่มหมายเหตุ "ขึ้นอยู่กับการอนุมัติของวิศวกร" เมตริก: [เมตริก]

การเปรียบเทียบข้อกำหนดความแม่นยำ

ระยะ

ความหมาย

ความสำคัญในธรณีศาสตร์

การวัดแบบคงที่

การสังเกตอย่างต่อเนื่องในระยะยาว

สามเหลี่ยม พื้นฐานความแม่นยำสูง

RTK

แก้ไขทันทีจากการอ้างอิง

การรับรายละเอียดที่รวดเร็วในหน่วยเซนติเมตร

สปส

คุณภาพเรขาคณิตของดาวเทียม

ค่าที่น้อยลง = ตำแหน่งที่เชื่อถือได้มากขึ้น

แก้ไข/ลอย

ความคลุมเครือได้รับการแก้ไข/ไม่ได้รับการแก้ไข

ไม่ยอมรับโซลูชันแบบลอยสำหรับการซื้อแบบละเอียด

ข้อผิดพลาดในการปิดระบบ

ส่วนต่างสะสมในเส้นทางปิด

หลักฐานยืนยันคุณภาพการวัดที่เป็นรูปธรรม

ข้อผิดพลาดทั่วไป

• ทำให้ AI ตัดสินความแม่นยำของพิกัด AI ส่งสัญญาณความไม่สอดคล้องกัน ความแม่นยำถูกกำหนดโดยหลักการวัดและความสมดุล
• วิธีแก้ปัญหาแบบลอยตัวถือเป็นการแก้ไข การใช้การสังเกต RTK ที่ยังไม่ได้รับการแก้ไขเป็นพิกัดที่แน่นอน
• ไม่สนใจ PDOP และจำนวนดาวเทียม มั่นใจเต็มที่ในจุดที่วัดได้ในรูปทรงที่ไม่ดี
• การผสม Datum แนวตั้งกับ Datum แนวนอน ระดับและประสานงานอยู่บนการอ้างอิงที่แตกต่างกัน มันจะเป็นความผิดพลาดที่จะแทนที่อันหนึ่งด้วยอันอื่น
• อาศัยการตัดสินของ AI ว่า "ยอมรับได้" โดยไม่ต้องยืนยันข้อผิดพลาดในการปิดเครื่องด้วยการคำนวณด้วยมือ
• การอัปโหลดข้อมูลดิบไปยังโมเดลคลาวด์โดยไม่เปิดเผยตัวตน ในบางโครงการ ตำแหน่งของจุดเป็นของสิ่งอำนวยความสะดวกที่มีความละเอียดอ่อน

โดยสรุป

พื้นที่ปลอดภัยของ AI ใน GNSS และการประมวลผลข้อมูลการสำรวจ การจัดระเบียบข้อมูลดิบ การสแกนหาความไม่สอดคล้องกัน และจัดทำร่างรายงาน ความแม่นยำของการคำนวณตำแหน่งและการยอมรับขั้นสุดท้ายยังคงอยู่กับวิศวกร โดยมีหลักการวัด เช่น สถานะ PDOP/แก้ไข ข้อผิดพลาดในการปิด และการปรับสมดุล ถาม AI “ใช่ไหม?” แต่ "มีความไม่สอดคล้องกันอะไรบ้าง?" ถาม; ยืนยันสมมติฐานที่สำคัญเสมอ เช่น ข้อผิดพลาดในการปิด โดยการคำนวณด้วยมือเทียบกับมาตรฐาน

งานสมัคร

เขียนข้อความแจ้ง QC สำหรับตารางการสังเกต GNSS 20 บรรทัด (หรือสมมุติฐาน) ของคุณ: รวมสคีมา บริบท CRS ความคาดหวังอันดับ และกฎการเตือนอย่างน้อยห้าข้อ (ความสูงของเครื่องมือขาดหายไป จุดที่ซ้ำกัน PDOP สูง โซลูชันลอย พิกัดที่ไม่อยู่ในลำดับ) จากนั้นตรวจสอบสามรายการแรกของรายการคำเตือนในเอาต์พุต AI กับข้อมูลดิบ

รายการตรวจสอบ

• [ ] ฉันกำหนดโครงร่างและบริบทข้อมูล CRS/แนวตั้งตั้งแต่เริ่มต้น
• [ ] ฉันขอให้ AI คัดกรองความไม่สอดคล้องไม่ใช่การตัดสิน
• [ ] ฉันสร้างอินสแตนซ์กฎคำเตือน (PDOP, แก้ไข/ลอย, อันดับ, ฟิลด์ที่ขาดหายไป)
• [ ] ฉันแยกโซลูชันโฟลตและการสังเกต PDOP สูง
• [ ] ฉันตรวจสอบว่าไม่ได้ผสม Datum แนวนอนและแนวตั้งเข้าด้วยกัน
• [ ] ฉันยืนยันข้อผิดพลาดในการปิดด้วยการคำนวณด้วยมือเทียบกับมาตรฐาน
• [ ] ฉันมีข้อมูลจุดที่ละเอียดอ่อนที่ไม่เปิดเผยตัวตน/ประมวลผลในสภาพแวดล้อมที่ได้รับการรับรอง
• [ ] ฉันเก็บพิกัดสุดท้ายไว้เป็นความรับผิดชอบของวิศวกร