地理定位的 4 项技术改进助长了新的垂直领域

Quectel Wireless Solutions GNSS 部门的产品开发经理 Mark Winton 表示，随着成本效益高的系统的出现，地理定位正在日趋成熟，这些系统利用连接的力量以及数据处理和人工智能方面的相邻进步（人工智能）。在接受 EEWeb 采访时，Mark Winton 提供了有关地理位置的重要信息。

对更多地采用地理定位的需求引入了许多技术发展，以在物流等应用程序中实现有效的数据管理。

与此同时，人工智能和机器学习作为聚类模式分析的关键元素越来越受欢迎。许多人类活动创造了不同的地理模式，可以对其进行分析以改进流程。

Quectel 强调了 4 个重要的考虑因素：精度，在 GNSS 模块中采用实时运动 (RTK) 定位通常可以实现低至厘米级的精度；低成本机会；超低功耗；以及对用于精准农业的支持 RTK 的 GNSS 的需求不断增长的高性能挑战。

“提高精度对于 ADAS 和 DMS 类型的应用至关重要。高性能传感器需要高精度和更新速率才能在宽温汽车环境中运行。需要低功率，因为许多车辆系统在车辆关闭时需要特定的低功率阈值。低成本并不是汽车领域的最大驱动力，因为高精度和性能是关键优先事项。

然而，我们在汽车领域非常有竞争力，而且不会影响质量。

我们能够在我们的一些汽车产品上提供工业级 IMU 传感器，从而在价格上提供灵活性，”Winton 说。

EEWeb：纵观地理定位市场，您认为当今发展的主要业务趋势是什么？

Mark Winton：由于一些重要的技术发展支持地理定位的增加，关键的业务趋势正在展开。具体来说，这些是地理数据库的融合以及向 GNSS 数据流添加丰富的元数据。这种强大的数据环境可以将冷冻货物的温度等应用程序标记到其 GPS 位置，并在有保证的冷链物流和其他汽车相关功能上实现闭环。

与此同时，人工智能和机器学习正在被部署并支持集群模式分析。许多人类活动创造了不同的地理模式，可以对其进行分析以改进流程。例如，道路事故现场的集群模式可以从救护车后门开口中获得，这些开口被地理标记为来自全球导航卫星系统 (GNSS) 的位置信息。这些改进使我们的道路更安全，智能技术使世界变得更美好。

EEWeb：哪些是地理定位的“新垂直领域”？

马克·温顿：我们看到精准农业和农业设备自动化的显着提升。这不是一个全新的概念，但这个垂直领域是非常昂贵的设备领域。提高准确性、大幅降低定价以及运营商和 SAS 提供商对公共 NTRIP 网络的采用相结合，为跟踪更多设备和流程提供了机会，这些设备和流程以前只保留给最重要设备的一小部分。

EEWeb：您的路线图上有哪些未来的产品和技术？

Mark Winton：我们目前专注于 RTK 和航位推算。我们正在推出我们产品的许多子版本和我们产品的替代芯片组版本。这使我们能够比我们的许多传统竞争对手更容易地解决当前的组件短缺问题。与我们的客户保持灵活性也使我们能够朝着关键市场的定制方向发展。

EEWeb：您认为人工智能和机器学习在哪些特定市场对地理定位有用？

Mark Winton：汽车（ADAS 和 DMS）领域是最清晰、发布最多的市场，GNSS 正在与 AI 相结合。然而，我们看到小农使用我们的 RTK GNSS 与机器学习和基于视觉的 AI 来自动检测作物问题。

这使得控制非常有针对性、非常高效和完全自动化。我们看到非常清晰的人类可识别地理模式，一旦与机器学习和人工智能相结合，就会成为非常强大的工具。这现在被广泛用于采矿应用，其中生产过程中的瓶颈与特定的地理区域相关。

AI 用于在实施流程更改之前识别约束和运行场景，以准确建模和改进通过复杂工厂的材料流。

EEWeb：RTK技术面临哪些挑战？在哪些特定的农业应用中可以有效地采用它？

Mark Winton：RTK 面临的主要挑战是严格的天线要求和跨各种网络使用的兼容性标准。满天都是卫星星座，只支持少数几个星座是不好的。

RTK 在开阔的天空中运行良好。天线可以有多小以及设备应安装在何处以获得最佳性能是有限制的。精度取决于与最近挂载点的距离，NTRIP 网络密度需要提高。

大规模的低成本大规模采用是新的。我相信随着网络获得收入并且参考基础的投资回报允许更高的密度，挑战将会消失。我们看到小型温室农场采用 RTK。

我们还有许多带有自动割草机和灌溉系统的项目。

审核编辑 黄昊宇