1-5-1
INTEGRATING TECHNOLOGIES: DGPS, DEAD RECKONING AND MAP MATCHING
T.A. Hailes
Department of Land Information
RMIT University
Australia
tim.hailes@rmit.edu.au
KEY WORDS: GPS, DGPS, Dead Reckoning, Map Matching, Integrated Positioning, Kalman Filtering, Train Positioning, Vehicle
Positioning.
ABSTRACT
Many disciplines rely on dispatch or control units having knowledge of the position and trajectory of their vehicles. The Global
Positioning System (GPS) has proven to be a powerful tool for providing position estimates in real-time. However, GPS is unable to
provide position estimates when satellite signals are obstructed. Therefore, continuous positioning requires other technologies to be
integrated with GPS. Dead reckoning devices, which provide a heading and velocity measurements can be used to estimate subsequent
positions relative to a last well-determined position. Whilst dead reckoning devices are prone to drifts and biases, the integration of these
devices with GPS removes many of the inadequacies within a dead reckoning system. In addition, the utilisation of existing road/track
positional information provides an additional measurement or constraint. This technique, known as “map matching” enhances positional
accuracy and integrity.
This paper describes differential GPS (DGPS) positioning, dead reckoning and map matching, and presents a technique using Kalman
filtering to integrate the DGPS and dead reckoning measurements. The use of multiple hypothesis algorithms and statistical tests utilised
in the map matching module are then presented. Two field tests are performed on a section of railway track approximately 50 km west of
Brisbane, Australia. The first test provides the coordinates of the track for map matching purposes and the second captures the DGPS and
dead reckoning data for analysis. The results of the second test are statistically analysed to determine the effectiveness of integrated
DGPS, dead reckoning and map matching positioning. Based on the tests, the integrated system provides discrimination between
multiple parallel tracks spaced 3.5 m apart after 15 s of travel, at a 99.999% probability.
KURZFASSUNG
Viele Disziplinen verlassen sich auf Sender und Kontrolleure, die das Wissen der Positionen und Flugbahnen ihren Fahrzeuge haben.
Das Globale Positioning System (GPS) hat beweisen, ein wirksames Werkzeug zu sein, um vorausgesetzte Positionsschätzungen in
realer Zeit bereitzustellen. Aber, GPS ist unfähig diese Positionen zu liefern, wenn die Satellitensignale blockiert werden. Es werden
zusätzliche Technologien gebraucht die mit den GPS Positionen integriert werden. “Dead reckoning”-Geräte, die die Richtungs- und
Geschwindigkeits-messungen liefern, können für die nachfolgenden Positionsschätzungen benutzt werden, relativ zu der letzten
Positionsbestimmung. Es ist bekannt das “dead reckoning”-Geräte anfällig sind und Systematische Fehler haben, aber trotzdem durch die
Integration von diesen Geräten mit GPS entfernen sie viele Unzulänglichkeiten innerhalb eines “dead reckoning”-Systems. Außerdem,
durch die Nutzbarmachung von bestehenden Straßen- und Gleispositionen liefert dieses eine zusätzliche Informationseinheit. Diese
Technik ist bekannt als “map matching” und verbessert die Positionsgenauigkeit und Integrität.
Dieses Papier beschreibt Differential GPS (DGPS) positioning, “dead reckoning” and “map matching” Systeme und präsentiert eine
Technik die den Kalman Filter benutzt, um die DGPS und “dead reckoning” Messungen zu integrieren. Der Gebrauch von verschiedenen
Hypothesen Algorithmen und statistische Prüfungen werden benutzt, um “dead reckoning” Daten zu integrieren und zu präsentieren.
Zwei Feldprüfungen wurden auf einem Teil der Eisenbahngleisen ungefähr 50 km Westlich von Brisbane, Australia ausgeführt. Die erste
Prüfung liefert die Koordinaten von den Gleisen für das “map matching” system und die zweite sammelt die DGPS und “dead
reckoning” Daten für die Analyse. Die Ergebnisse von der zweiten Prüfung wurden statistisch Analysiert, um die Effektivität von den
integrierten DGPS, “dead reckoning” und “map matching” Daten zu bestimmen. Basierend auf den Prüfungen, das integrierte System
zeichnet Unterschiede zwischen mehreren parallelen Gleisen auf, die 3,5 m auseinander lagen, nach 15 s der Fahrt mit einer 99,999%
Wahrscheinlichkeitsrate.
