在城市环境中，全球导航卫星系统（GNSS）经常会因高层建筑、车辆和其他结构造成的信号障碍而出现问题。这些障碍会导致非视距（NLOS）误差，从而导致定位不准确，这对自动驾驶汽车和智能交通系统等技术来说尤其成问题，因此可靠的基于GNSS的定位对于智能城市和交通网络的发展至关重要。

图片来源：期刊《Satellite Navigation》

据外媒报道，来自武汉大学、东南大学和百度的研究人员使用光梯度增强机（LightGBM）开发出由人工智能（AI）驱动的创新解决方案。该方法分析了多个GNSS信号特征，以准确识别和区分NLOS误差。这一突破有望显着提高基于GNSS的定位系统的精度和可靠性，使其成为城市导航的关键进步。相关研究已发表于期刊《Satellite Navigation》。

该模型的性能通过在中国武汉进行的动态真实世界实验得到验证，证明了其在具有挑战性的城市环境中的有效性。该方法涉及使用鱼眼相机根据卫星的可见性将GNSS信号标记为视线（LOS）或NLOS。然后，研究人员分析了一系列信号特征，包括信噪比、仰角、伪距一致性和相位一致性。

通过识别这些特征与信号类型之间的相关性，LightGBM模型能够准确区分LOS和NLOS信号，准确率高达92%。与XGBoost等传统方法相比，这种方法在准确率和计算效率方面均表现出色。

结果表明，从GNSS解决方案中排除NLOS信号可以显著提高定位精度，尤其是在障碍物较多的城市峡谷中。

首席研究员Xiaohong Zhang博士评论道：“这种方法代表着在城市环境中增强GNSS定位的重大飞跃。通过使用机器学习分析多种信号特征，我们已经证明排除NLOS信号可以显著提高卫星导航系统的准确性和可靠性。这对自动驾驶和智能城市基础设施等应用具有深远的影响。”

这项研究对依赖GNSS技术的行业具有巨大潜力，包括自动驾驶汽车、无人机和城市规划。通过改进对NLOS误差的检测和排除，该方法可以提高GNSS系统的精度，使人口密集的城市中的导航更安全、更高效。随着城市变得更加智能和互联互通，这一进步将在支持下一代交通和导航技术方面发挥关键作用。