Page 125 - 2024年第55卷第10期

４．３．１ 定位试验结果分析 通过对 ＧＮＳＳ、ＵＷＢ以及 ＲＴＳ获取的碾压机定位数据进行统计分析，各条
带定位数据如图 ４所示，其中，瀑布图展示了不同定位系统各自在 Ｘ、Ｙ和 Ｚ轴上的定位数据；折线
图部分采用皮尔逊相关系数作为数据的相关性检验指标，展示了不同定位系统定位数据的相关性对
比。三种系统定位数据在 Ｘ轴上强相关，不同定位系统的两两对比相关系数均大于０．９９。在 Ｙ轴与 Ｚ
轴，不同系统间定位数据的相关性则较弱，其中 ＵＷＢ与 ＲＴＳ数据在 Ｙ轴的相关性仅为 ０．６７７，但其余
轴两两之间数据相关性则较强，相关系数介于 ０．７与 ０．９之间。由此可得，在 ＧＮＳＳ、ＵＷＢ与 ＲＴＳ定
位系统间，ＲＴＳ定位数据的波动最小，定位数据较为平滑，呈现出较高的定位质量；ＵＷＢ数据的波动
性最大，定位质量相对较低。

图 ４ 不同定位系统的某条带定位数据相关性图

基于本研究所 提 出 的 耦 合 新 息 阈 值 与 最 小 二 乘 的 卡 尔 曼 滤 波 算 法， 对 接 收 的 碾 压 机 ＧＮＳＳ、
ＵＷＢ以及 ＲＴＳ数据进行定 位补 偿处 理，处理结果如 图 ５所 示。其 中，Ｘ轴 为 碾 压 机 行 驶 方 向，Ｘ
轴与 Ｙ轴平行于坝面，Ｚ轴为高程轴。可见，定位数据经过耦合新息阈值与最小二乘的卡尔曼滤波
算法处理后，在 Ｘ与 Ｙ轴上更加平缓，数据的波动及离散现象得到了有效抑制，异常的定位数据得
到了清除。Ｚ轴坐标数据具有一定波动性，考虑到现场仓面的平整度较低，可认为 Ｚ轴上的数据波
动符合施工现场实际情况。综上所述，本研究提出的耦合新息阈值与最小二乘的卡尔曼滤波算法抑
制了定位数据的波动性，避免了系统异常对定位连续性造成的破坏，有效提高了施工现场流动站定
位数据的精度。
４．３．２ 系统定位精度分析 利用 ＧＮＳＳ定位技术和智能监控 ＰＣＴ同时对移动目标进行定位监测，并对
定位数据进行对比分析。本研究选取碾压机碾压过程中某一连续时段数据作为典型时段对其定位数据
进行分析，该时段包含了两个阶段：（１）ＧＮＳＳ定位数据不满足系统定位精度阶段；（２）ＧＮＳＳ定位数
据达到定位精度阶段。该时段内 ＧＮＳＳ定位精度完成了由不满足精度定位标准向满足的过渡。通过对
比两阶段内两种定位技术的定位数据（详见表 １与图 ６），计算两种技术定位数值在 Ｘ、Ｙ、Ｚ三个方向
上的差值，分析系统定位精度。其中，表 １计算了两个阶段内两种定位技术的定位数据差值的均值与
方差；图 ６中折线图（对应左轴）展现的是数据在 Ｘ、Ｙ、Ｚ三个方向上的数值，柱状图（对应右轴）展

２
— １ ５ ５ —