[논문]Network RTK 품질 분석 방법론별 성능 지표와 사용자 항법 정확도의 상관성

임철순; 박병운; 허문범

doi:10.12673/jant.2018.22.5.375

초록
AI-Helper

정지한 객체의 측위에 사용되던 Network RTK (real time kinematics) 기술을 이동형 항체의 항법에 적용하기 위해서는 보정정보와 함께 사용자의 성능을 대표할 수 있는 지표가 함께 제공되어야 한다. 이를 위하여 본 논문에서는 I95 (ionospheric index 95) / G95 (geodetic index 95), SBI (semivariance based index), RIU (residual interpolation uncertainty) 등의 지표 도출 알고리즘을 분석하고 이를 국토지리정보원의 기준국 원시 데이터와 VRS (virtual reference station) 사용자에 적용함으로써 정밀 항법 성능 지표로의 활용 가능성을 타진하였다. 24시간 데이터를 처리한 결과 보정정보의 비선형성을 나타낼 수 있는 RIU 지표와 Network RTK 사용자의 위치 정확도와의 상관성이 0.52로 타 지표에 비해 훨씬 높은 것으로 나타났으므로 향후 이동 항체의 항법 성능 지표로 사용이 가능할 것으로 예상된다.

Abstract ▼ AI-Helper

In order to apply the Network RTK (real time kinematics) technology, which has been used for positioning of stationary points, to the navigation of vehicles, its infrastructure should provide correction data with a quality indicator that can show the expected accuracy in real time. In this paper, we...

In order to apply the Network RTK (real time kinematics) technology, which has been used for positioning of stationary points, to the navigation of vehicles, its infrastructure should provide correction data with a quality indicator that can show the expected accuracy in real time. In this paper, we analyzed various indicator generation algorithms such as I95 (ionospheric index 95) / G95 (geodetic index 95), SBI (semivariance based index) and RIU (residual interpolation uncertainty). We also applied them to the raw observables from the reference stations of National Geographic Information Institute and VRS (virtual reference station) users, and then examined its feasibility to be used as a real-time performance index of the Network RTK rover. 24 hour data analysis shows that the RIU index, which can represent the non-linearty of the correction, has the strongest correlation with the Network RTK rover accuracy. Therefore, RIU index is expected to be used as a real-time performance index of the Network RTK rover.

주제어

표/그림 (16)

그림 그림 1. RTK 사용자 프로세스 흐름도 Fig. 1. Flow chart of RTK rover process.
그림 그림 2. Network RTK별 인프라 및 사용자 프로세스 흐름도 Fig. 2. Flow chart of infrastructure and rover process for each network RTK system.
그림 그림 3. Network RTK의 오차 모델링(좌)과 잔차(우) Fig. 3. Error modeling and residual error of network RTK.
그림 그림 4. 공간 비상관 오차 선형 부분 인자 계산 방법 Fig. 4. Linear part indicator of the spatial decorrelation error.
그림 그림 5. I95/G95과 SBI 개념 비교 Fig. 5. Comparison of I95/G95 and SBI concept.
그림 그림 6. RIM과 RIU 개념 비교 Fig. 6. Comparison of RIM and RIU concept.
그림 그림 7. Network RTK 기준국과 사용자의 기하학적 배치 Fig. 7. Geometry of network RTK reference and rover stations.
그림 그림 8. 주-부기준국 간 전리층 이중차분 측정치 시계열 분포 Fig. 8. Time history of double-difference dispersive measurement between master and auxiliary station.
그림 그림 9. 주-부기준국 간 비전리층 이중차분 측정치 시계열 분포 Fig. 9. Time history of double-difference non-dispersive measurement between master and auxiliary station.
그림 그림 10. 오차 성분별 공간 비상관 오차 PPM (위:전리층, 아래:비전리층) Fig. 10. Time history of Spatial Decorrelation Error PPM (Upper : Dispersive, Bottom : Non-dispersive).
그림 그림 11. 오차 성분별 RIU 시계열 분포 (위:전리층, 아래:비전리층) Fig. 11. Time history of RIU for error modeling (upper : dispersive, bottom : non-dispersive).
그림 그림 12. 3차원 위치 오차(위)와 인프라-사용자간 위성수 차이(아래) Fig. 12. Time history of 3D rover position error(upper) and visible satellite number difference between infrastructure and the rover(bottom).
그림 그림 13. 3차원 위치 오차와 PPM, SBI, RIU 시경향 Fig. 13. Time history of 3D rover position error, PPM, SBI, RIU.
그림 그림 14. 3차원 위치 오차와 RIU의 시경향 (위: 원결과, 아래:평활화 결과) Fig. 14. Time history of 3D rover position error and RIU (upper: without smoothing, bottom: with smoothing).
표 표 1. 성능 지표별 측위결과와의 상관 계수 Table 1. Correlation coefficient with position accuracy for each performance index.
표 표 2. 300 epoch 평활화된 성능 지표별 측위결과와의 상관 계수 Table 2. Correlation coefficient with position accuracy for each performance index after 300 epoch smoothing.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 논문에서는 공간 비상관성 관련 지표 외에도, Network RTK 보정 정보의 선형화 모델링 후에도 남는 비선형 오차 관련 지표를 도출함으로써 실제 Network RTK 사용자의 최종 위치에 남는 오차성분에 대한 분석을 수행하도록 한다.
이와 같이 측정치 이중 차분은 Network RTK의 기준국과 사용자 측면에서 보정정보의 생성과 측위 과정 수행에서 중요한 시작점이므로 최종 측위성능에 매우 중요한 단계일뿐 아니라, Network RTK 기법의 종류와 무관하게 모두 포함되어 있는 단계이므로 알고리즘의 범용성 차원에서도 그 활용 가치가 높다. 따라서 본 논문에서는 다양한 RTK 성능 지표 알고리즘 중 이중차분에 기반한 다양한 품질분석 알고리즘을 조사하고 이를 국내 시스템에 적용하여 그 적절성을 분석하도록 한다.
본 논문에서는 I95/G95, SBI, RIU 등 Network RTK 성능 지표의 산출 알고리즘을 분석하고, 세종대에 설치되어 있는 상용 수신기의 VRS 측위 결과와 국토지리정보원의 원시데이터로 생성한 MAC 보정정보를 이용하여 이러한 지표들의 사용자 측위 오차 간의 예측 가능성을 평가하였다. 초 단위 상관성의 경우 측위 오차와 각 성능 지표에 포함된 random 성분들의 영향이 커서 일관성 있고 깊은 상관관계의 도출이 어려웠으나, 약 300 epoch의 평활화 결과 PPM과 RIU와의 상관성이 높은 것으로 확인되었다.
본 논문에서는 III 장에서 검토한 Network RTK 사용자의 다양한 성능 분석 방법들 중 인프라에서 사용자에게 단방향으로 제공하기에 적합한 방식인 I95/G95, SBI, RIU 방법을 국내 운영중인 Network RTK 시스템에 적용하고, 이를 사용자 측위 정확도와 비교함으로써 항체에 적용 가능한 Network RTK 성능 지표를 제시하고자 한다.
본 논문에서는 공간 비상관 오차의 비선형 오차를 감시할 수 있는 RIU를 계산할 수 있는 알고리즘을 기준국 네트워크와 사용자에 적용함으로써 사용자 성능을 대표할 수 있는 값으로의 활용 가능성을 검토하였다.
그러므로 성능과 인자 간의 대응 관계를 찾는 대신, 모든 Network RTK와 사용자 Process에 공통적인 이중차분 측정치 결과에 반영된 영향과 성능, 특히 가용성(availability)과 그 정확성(accuracy)등 대표적인 핵심 지표 간의 관계를 분석하는 것이 현실적이다. 본 논문에서는 측정치 간 이중차분에 근거하여 사용자의 측위성능을 예측할 수 있는 지표산출 알고리즘을 조사하고 이를 국내 인프라에 적용함으로써 항법용 Network RTK 성능지표에 적합한 알고리즘을 제시하는 것을 그 목표로 한다.

제안 방법

4-1절에서 산출한 주-부기준국 간의 전리층/비전리층 오차의 이중차분 측정치를 이용하여 성분별 PPM 값을 산출하였다. PPM 값 산출을 위하여 matlab의 polyfit 명령을 사용하였으며 위성별 PPM의 시계열 경향성은 그림10과 같다.
4-2에서 산출한 PPM, SBI, RIU와 측위 오차 간 상관성 분석을 위하여 세종대학교 충무관에 설치된 Trimble NetR9 수신기의 VRS 측위결과를 분석하였다. 반송파측정치측위에서는 결정된 미지정수가 유효하다고 판단될 때 고정해(fixed solution)라 하고 일반적으로 사용자의 위치해가 정확하다고 인정할 수 있다.
RIU의 비선형 오차의 지표화를 위하여 본 논문에서는 사용자를 포함하는 최소 삼각망을 포함하여 인근의 삼각망으로 구성하여 j 부기준국 전리층(∆∇Ij)과 비전리층 오차의 이중차분(∆∇Gj)을 식(4), (5)과 같이 평면화한다.
그림 13에서 육안으로 확인되는 경향성 결과에 비하여 표1의 수치 상관성이 작은 값을 갖는 이유가 측위 결과와 index의 random noise 성분의 영향일 것으로 예상되므로, 300 epoch의 평활화 과정을 측위 결과와 index에 적용하여 상관계수를 재산출하였다. 표2의 결과와 같이 SBI는 측위결과와 무관하였으나, PPM과 RIU는0.
따라서 본 논문에서는 사용자로 설정한 세종대를 포함하는 국토지리정보원 VRS 네트워크의 기준국 원시데이터를 활용하여 MAC 보정정보를 생성하고, 이를 바탕으로 각 성능 지표를 산출한 이후, 사용자 측위 정확도와의 상관관계를 도출하였다. 사용자는 세종대학교 충무관 옥상에 설치된 Trimble NetR9 수신기로 설정하였고, 국토지리정보원의 VRS 서비스를 해당 수 신기에적용하여획득한RTK 측위결과를 분석에 활용하였다.
[11] 이와 같이 반송파 측정치 미지정수의 정수성을 보장하지 않는 float solution은 정밀측위 및 항법 분야에서 불확실한 해로 간주되므로, 정확성(accuracy)과 가용성(availability) 등 RTK 위치해의 성능 인자는 미지정수가 정확히 결정된 이후의 항법해인 고정해에 한하여만 평가한다. 또한 측위에 사용한 위성 조합에 따라 그 성능이 달라질 수 있으므로, 사용자 측위의 위성 조합과 인프라에서 생성한 보정정보의 위성 조합이 유사한 경우에 한하여 측위와 성능 지표간 상관성을 도출하였다. 그림12(위)는 24시간 측위시험에서 고정해의 3차원 오차를 나타내고, 그림 12(아래)는 해당 시간 동안 성능 예측 index가 확보된 위성수와 사용자의 위치를 결정하는데 사용한 위성수의 차이를 나타낸다.
따라서 본 논문에서는 사용자로 설정한 세종대를 포함하는 국토지리정보원 VRS 네트워크의 기준국 원시데이터를 활용하여 MAC 보정정보를 생성하고, 이를 바탕으로 각 성능 지표를 산출한 이후, 사용자 측위 정확도와의 상관관계를 도출하였다. 사용자는 세종대학교 충무관 옥상에 설치된 Trimble NetR9 수신기로 설정하였고, 국토지리정보원의 VRS 서비스를 해당 수 신기에적용하여획득한RTK 측위결과를 분석에 활용하였다.
삼각망으로 VRS 보정정보를 생성하므로 사용자 측위를 위해서는 주기준국과 2개의 부기준국만으로 VRS 보정정보 확보가 가능하나, 성능 index를 위해서는 부기준국 3개 이상이 필요하므로 이와 같은 위성수의 차이가 불가피하게 발생한다. 이로 인한 영향을 최소화하기 위하여 상관계수 산출을 위해서는 위성 수의 차이가 1개 이하인 지점, 즉 GPS Time 462180~471679, 495813~497774, 509005~511602, 539224~ 542753 지점에 대한 분석을 수행하였다.

대상 데이터

실험일시는 2017년 11월 17일 00:00-23:59이었고, MAC 보정정보생성을 위한 주기준국은 SOUL, 부기준국은 INCH (AUX1), YANP(AUX2), SUWN(AUX3), YOIN(AUX4)을 선정하였다. 기준국 Network와 사용자의 기하학적 배치는 그림 7과 같다.

데이터처리

이와 같이 산출한 PPM에 거리를 대입하여 공간이격 오차를 생성하고, 이를 다시 주-부 기준국 간 이중 차분 측정치와의 차이를 계산한 후, matlab을 이용하여 식(3)의 함수에 근사화함으로써 SBI의 계수를 산출하였다.

이론/모형

위성항법(GNSS, global navigation satellite system)의 반송파 측정치를 사용하여 정밀한 위치를 산출하는 RTK는 일반적으로 그림 1과 같이 과정을 거쳐 정밀한 위치를 산출한다. 반송파 측정치를 이중차분 (double difference) 후, 이중 차분된 측정치 (y)에 대하여 최소 자승법(least square estimation)을 적용하여 실수 영역에서 미지정수(a)를 결정한 float solution(#)을 산출한다. float solution을 중심으로 미지정수의 후보군을 생성한 이후, threshold test, ratio test 등의 과정을 거쳐 적절한 미지정수를 검색하고 최종결정하여 fixed solution(#)을 산출한다[4].

성능/효과

특히 RIU의 경우 그 알고리즘이 Network RTK 보정정보의 모델링 잔차가 측위에 끼치는 영향을 나타내므로 그림 14와 같이 측위 결과와도 직접적으로 매칭된다. 따라서 index의 생성 알고리즘의 측면에서도 Network RTK의 성능 인자로 활용하는 것이 유용할 것으로 판단된다.
본 논문에서는 I95/G95, SBI, RIU 등 Network RTK 성능 지표의 산출 알고리즘을 분석하고, 세종대에 설치되어 있는 상용 수신기의 VRS 측위 결과와 국토지리정보원의 원시데이터로 생성한 MAC 보정정보를 이용하여 이러한 지표들의 사용자 측위 오차 간의 예측 가능성을 평가하였다. 초 단위 상관성의 경우 측위 오차와 각 성능 지표에 포함된 random 성분들의 영향이 커서 일관성 있고 깊은 상관관계의 도출이 어려웠으나, 약 300 epoch의 평활화 결과 PPM과 RIU와의 상관성이 높은 것으로 확인되었다. 이중 PPM의 경우 오차의 변동이 클 때 일반적으로 비선형적으로 변한다는 자연 현상에 기인한 상관성으로 보이므로, Network RTK의 핵심 알고리즘과 같은 맥락에서 산출이 가능한 RIU가 측위 성능 지표로의 활용 가능성이 가장 높다고 판단된다.
각 지표와의 상관계수를 산출한 결과는 표1과 같다. 표1의 결과에서도 확인할 수 있듯이 SBI는 측위 결과와의 상관계수가 음수로 상관성을 찾기 어렵고, PPM과 RIU는 0.25, 0.27 수준으로 SBI에 비하여 높은 상관성이 있음을 수치적으로 확인할 수 있다.
그림 13에서 육안으로 확인되는 경향성 결과에 비하여 표1의 수치 상관성이 작은 값을 갖는 이유가 측위 결과와 index의 random noise 성분의 영향일 것으로 예상되므로, 300 epoch의 평활화 과정을 측위 결과와 index에 적용하여 상관계수를 재산출하였다. 표2의 결과와 같이 SBI는 측위결과와 무관하였으나, PPM과 RIU는0.5 수준으로 그 상관성이 높아져서 측위지표로의 활용 가능성이 확인되었다. 특히 RIU의 경우 그 알고리즘이 Network RTK 보정정보의 모델링 잔차가 측위에 끼치는 영향을 나타내므로 그림 14와 같이 측위 결과와도 직접적으로 매칭된다.

후속연구

따라서 향후 Network RTK를 실시간 항체를 대상으로 서비스를 제공 시, 사용자의 품질 예측에 RIU 지표를 사용하는 것이 가장 현실적이라고 예상된다. 사용자의 성능 예측뿐 아니라, 인프라에서 생성한 Network RTK 보정정보의 성능을 실시간으로 감시할 수 있는 기술적 토대로도 활용될 수 있으므로, 향후 인프라의 품질 감시 및 사용자의 측위성능 향상에도 기여할수 있을 것으로 기대된다.
따라서 향후 Network RTK를 실시간 항체를 대상으로 서비스를 제공 시, 사용자의 품질 예측에 RIU 지표를 사용하는 것이 가장 현실적이라고 예상된다. 사용자의 성능 예측뿐 아니라, 인프라에서 생성한 Network RTK 보정정보의 성능을 실시간으로 감시할 수 있는 기술적 토대로도 활용될 수 있으므로, 향후 인프라의 품질 감시 및 사용자의 측위성능 향상에도 기여할수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Network RTK란 무엇인가?	Network RTK (real time kinematics)는 다수의 기준국을 네트워크로 연결하여 기준국의 측정치를 조합하거나 모델링함으로써 반송파 위상을 활용하여 정밀한 위치를 산출하는 RTK의 가용 범위를 기존 10 km 수준에서 반경 70~100km 정도로 넓히고, 그 성능도 단일 기준국 RTK 수준의 수 ~ 10 cm수준을 유지하는 매우 효율적인 시스템이다[1]. 과거에는 전 국토와 같이 광역에 대한 항법인프라구축은 기준국 설치비용 등으로 인해 NDGPS (national differential global positioining system), WADGPS (wide-area DGPS) 등의 의사거리 측정치 기반 방식으로 제한되어 왔으나, 최근 측지, 측량 등에서 주로 사용되던 Network RTK의 보급으로 반송파 측정치 기반의 광역 항법에 대한 가능성이 점차 높아지고 있다[2].
	RIM의 한계점은?	RIM은 사용자에 Network RTK 보정정보를 적용한 후에도 주기준국 (master reference station)과 사용자 측정치 사이에 남아있는 잔차를 표현한 오차로, Network RTK로 생성된 보정정보와 감시국의 측정치 간 이중차분을 통해 전리층과 비전리층 잔차를 계산하여 지표화한다. 그러나 이 방식은 네트워크 내부에 감시국을 설치하고 감시국에서 계산한 값을 네트워크의 대표 지표로 사용한다는 점에서 항법용 지표로 사용하기에는 한계가 있다. 반면 RIU는 그림 6과 같이 각 항체가 직접 지표를 산출하여 계산할 수 있으므로 단방향 Network RTK의 성능 지표로 사용이 적절하고, 이를 통해 사용자는 위성별 측정치의 weighting과performance 향상에 사용할 수 있다.
	Network RTK의 데이터 처리 단계는?	Network RTK 데이터 처리는 크게 세 가지 단계로 구분되는데, 기준국의 미지정수 결정, 공간 이격 보정정보 생성, 최적의 보정치 조합설정의 순이다. 각 기준국의 측정치는 미지정수가 정수영역에서 정확하게 결정된 이후에만 오차의 보정치 생성 또는 모델링이 가능하므로 기준국의 미지정수 결정 과정이 가장 우선적으로 해결되어야 한다[5].

참고문헌 (11)

U. Vollath, H. Landau, X. Chen, "Network RTK-concept and performance," in Proceedings of the 15th International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GPS 2002), Portland: OR, pp. 24-27 Sept. 2002.
J. S. Song, B. W. Park and C. D. Kee, "Study on generating compact Network RTK corrections considering ambiguity level adjustment among reference station networks for constructing infrastructure of land vehicle," Journal of Advanced Navigation Technology, Vol. 17, No. 4, pp. 404-412, 2013

원문보기 상세보기
B. W. Park, "A study on reducing temporal and spatial decorrelation effect in GNSS augmentation system: consideration of the correction message standardization," Ph. D. dissertation, Seoul National University, Seoul, Korea, Feb. 2008.
P. Joosten and C. Tiberius, “LAMBDA: FAQs,” GPS Solutions, Vol. 6, No. 1-2, pp. 109-114, 2002.

상세보기
L. Dai , S. Han, J. Wang and C. Rizos. "Comparison of interpolation algorithms in network-based GPS techniques," Journal of the Institute of Navigation, Vol. 50, Np. 4, pp. 277-293, 2004.
H. J. Euler, S. Seeger, O. Zelzer, F. Takac and B. E. Zebhauser, "Improvement of positioning performance using standardized Network RTK messages," in Proceedings of the 2004 National Technical Meeting of The Institute of Navigation, San Diego: CA, pp. 453-461, Jan. 2004.
C. Varner, "DGPS carrier phase networks and partial derivative algorithms", Ph.D. dissertation, University of Calgary, Calgary, Canada. 2002.
L. Wanninger, "The performance of virtual reference stations in active geodetic GPS-network under solar maximum conditions," in Proceedings of the 12th International Technical Meeting of the Satellite Division of the Institute of Navigation ION GPS 1999, Nashville: TN, pp. 1419-1427, 1999.
N. S. Kjorsvik, "A semivariance-based index for spatially correlated errors in rapid differential GNSS applications," GPS Solutions, Vol. 8, No. 4, pp. 217-225, 2004

상세보기
D. Prochniewicz, R. Szpunar, J. Walo, "A new study of describing the reliability of GNSS Network RTK positioning with the use of quality indicator," Measurement Science and Technology, Vol. 28, No. 10, pp. 1-14, 2016
D. H. Han, C. S. Park, D. H. Hwang, S. J. Lee, "Characteristics of the float solutions in epoch-by-epoch GNSS precise positioning", Journal of Institute of Control, Robotics, and Systems, Vol. 15, No. 12, pp. 1254-1257, 2009

원문보기 상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] Network RTK 품질 분석 방법론별 성능 지표와 사용자 항법 정확도의 상관성
Correlation between the Position Accuracy of the Network RTK Rover and Quality Indicator of Various Performance Analysis Method 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (16)

표/그림 (16)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] Network RTK 품질 분석 방법론별 성능 지표와 사용자 항법 정확도의 상관성 Correlation between the Position Accuracy of the Network RTK Rover and Quality Indicator of Various Performance Analysis Method 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (16) 모든 표/그림 보기

표/그림 (16) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

임철순 (6) 박병운 (26)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] Network RTK 품질 분석 방법론별 성능 지표와 사용자 항법 정확도의 상관성
Correlation between the Position Accuracy of the Network RTK Rover and Quality Indicator of Various Performance Analysis Method 원문보기

초록
AI-Helper

표/그림 (16)

표/그림 (16)

AI 본문요약
AI-Helper