Veröffentlichung

Grasso Toro, F.:
Entwicklung intelligenter GNSS-basierten Landfahrzeug Lokalisierungssysteme.
Dissertation, Technische Universität Braunschweig, Mai 2015.

Kurzfassung:

Die Nutzung der globalen Navigationssatellitensysteme (GNSS) zu Lokalisierungszwecken erfordert eine ständige Auswertung der generierten Positionsinformationen sowie eine standardisierte Validierungsmethodik und anschließende Qualitätskontrollverfahren der GNSS-Empfänger. Die Verwendung eines unabhängigen Referenzsystems sollte genügend Informationen liefern, um das Lokalisierungssystem zu validieren, aber das Fehlen sowohl einer angemessenen Auswertung als auch entsprechender Verfahren stellen erhebliche Lücken für zukünftige Anwendungen sowohl dem Empfänger und der Referenz dar. Um diese Probleme zu lösen, wird ein Ansatz mit Künstlicher Intelligenz (KI) vorgestellt. Die Entwicklung KI-basierter Validierungstools sowie Filtertechniken zur Positionsbestimmung, um das Bezugssystem zu unterstützen, führt zu erheblichen Verbesserungen insofern, als dass ein GNSS-abhängiges Referenzsystem erstellt werden kann, wenn keine unabhängigen Referenzsysteme verfügbar sein sollten. Diese zusätzlichen Elemente sind die Grundlagen für zukünftige intelligente GNSSbasierte Lokalisierungssysteme. Die vorgestellten Methoden vereinen fortschrittliche Partikelfilter (PF) für die Positionsbestimmung mit der neuentwickelten Mahalanobis-Ellipsen-Filter (MEF)-Methodik für die genauigkeitsbasierte Datenauswertung, sowie einen Künstlichen-Neuronalen-Netze (KNN)-Ansatz für sowohl qualitative als auch quantitative Validierungstools. Im Rahmen des BMW-Prinzips (kurz für Beschreibungsmittel, Methoden undWerkzeuge) werden die Grundlagen für ein KI-basiertes System für GNSS-basierte Lokalisierungssysteme vorgestellt und im Rahmen dieser Arbeit entwickelt. Das sich ergebende intelligente GNSS-basierte Lokalisierungssystem wird in einem Demonstrator-Werkzeug angewendet, um das entwickelte System auf der Software- und Hardware-Ebene zu validieren. Abschließend wird eine Risikoanalyse des Demonstrators präsentiert. Diese Methoden zur Entwicklung eines intelligenten GNSS-basierten Lokalisierungssystems werden zukünftige sicherheitsrelevante Anwendungen in Bereichen wie Bordunsicherheitsermittlung in der Fahrzeuglokalisierung, Fahrassistenzsysteme und GNSSbasierte Fahrzeugortung mit intelligenten Karten für eine spurselektive Lokalisierung ermöglichen.