智能手机分米机定位挑战赛（2022）

用智能方法提高智能手机定位精度。“智能手机分米挑战赛”（SDC），由航海学会（ION）、谷歌和卡格尔（kaggle。com）数据平台在今年夏天联合举办的。在ION GNSS+上赞助的智能手机分米挑战赛（SDC）。比赛将于2022年5月2日开始，7月29日结束。100多条包含原始GNSS测量、传感器数据和精确地面真相的新轨迹将公开。每个人都可以参加比赛。鼓励参与者向在ION GNSS+2022举行的题为“智能手机分米挑战”的会议提交摘要。参赛团队使用从智能手机收集的GNSS和IMU数据集，以及高精度地面真值，开发高精度GNSS定位方法。他们可利用提供的数据集竞争以达到最佳的定位精度。这是继去年进行的比赛之后，今年是第二次。

在比赛中，参赛团队使用智能手机获得GNSS+惯性测量（IMU）数据集池（伴有地面真值），开发高精度定位方法和结果。团队竞赛取得最佳的定位精度与所提供的数据集比较。获奖者获得现金奖励并赞助出席9月19日至23日在丹佛举行的ION GNSS+2022会议，同时展示他们的比赛结果。

SDC起源于Android Operating System（安卓操作系统），这是一个开源平台。2016年，谷歌将GNSS原始测量数据作为所有Android手机公共应用可编程接口（API）输出。此后，可用的测量值变得更加复杂、完善和精准。例如，双频载波相位数据现在是可在许多Android手机上使用，从而可以赋能新研究领域。

SDC比赛有两个目标：一是鼓励研究和开发高精度算法，可在手机上实现亚米级的定位精度；二是建立一个可公开访问的标签数据存储库，使所有未来的定位算法研究，可以根据标准数据集以一致的方式进行判断。第一个目标超出了我们的预期，共有1381个团队队参加了2021和2022年两次比赛。在竞赛平台（kaggle.com）上竞争对手讨论范围广泛，具有令人难以置信的大学性质，也给整个社区带来了好处。竞争对手撰写了文章并分享了详细信息描述，并且被其他竞争对手评论。此外，获奖者撰写了正式的同行评议论文，并在ION GNSS+会议上发表演讲，这些可从ion.org网站获取。第二个目标是使得所正进行的工作成为活动的遗产。其遗产包括机器学习等学科已经建立，在合适的数量上，使得新的方法与以前的方法进行比较。在全球导航卫星系统社区中，这种常规的方法已经并不多见，在会议上浏览文件所显示的不同算法，是使用不同的测试数据和不同的度量规则。通常作者收集到的这些数据，数量相当稀少（例如，一次或两次驾驶测试）。此外，读者永远不知道数据是否经过精心挑选，是否没有提到坏的结果？而SDC提供的数据则包括：

■ 206种不同的驾驶测试结果；

■ 双频（L1、L5）码和载波相位测量数据总计达86小时；

■ 所有的标签数据，都标有地面真值位置和速度，都使用NovAtel SPAN ISA-100C进行收集，由精确的杠杆臂补偿，并通过谷歌的分析工具实施验证。Kaggle网站允许用户提交他们的结果，然后根据地面真值数据自动评分。在竞赛中，主张全球导航卫星系统的所有研究人员都使用这一资源，度量他们的定位算法在标准方式中的改进。这将创建对已发布结果的信任度，加速认可和采纳真正的重大改进，为整个行业和全球导航卫星系统用户带来好处。

参赛者要想获得奖品，必须提供一份技术论文，注册参加会议并提交论文。希望同行评议的作者必须在6月30日前以适当的形式提交一份完整的手稿。会议上的论文选择基于精准结果和理论创新。优胜者的选择基于测试数据集的结果精度。参赛者的前三名团队获得的奖金分别是：第一名5000美元；第二名3000美元；第三名2000美元。并且保证他们在ION GNSS+2022上的演讲时段，赠送给获奖论文作者的免费注册，及至多四晚免费住宿。

获奖的三名作者，披露了他们的研究方法。排名第一的赢家是太郎铃木，来自于日本千叶技术研究所，他利用载波相位观测，以两步优化法取得智能手机的速度和位置结果。谈到其研究重点及与挑战赛的关系时，太郎铃木说，他研究工作的重点是：“在发生GNSS多径时，车辆的精准定位和城市环境中的移动机器人”。他在通常研究中使用的是商用GNSS接收机，而在挑战赛中，用智能手机取代了商用接收机。谈到在挑战赛中所用的技术方法时，他坦诚地说是参加了2021年的比赛，并且使用了之前的研究中开发的技术和资源（例如，开发的源代码，与在去年的比赛中获胜方法），加以改进和创新。所用的数据有比赛平台提供的培训数据集，其中包含原始GNSS智能手机的观察结果、车辆在实际道路行驶过程中取得的数据。除GNSS观测数据外，训练数据集还包含智能手机位置的地面真值。培训数据集包括广泛的GNSS信号条件，如行驶在旧金山周围的高速公路上，在林荫大道上、隧道和立交桥下方。该参赛者开发了一种GNSS信号接收的多样性环境条件下的算法，设计了一个两步法优化算法（首先进行速度优化，然后位置优化）并应用于实际比赛。这个方法在各种GNSS信号接收中，仅使用智能手机的环境下的GNSS观测数据，实现了车辆行驶数据的高度精确位置估计，分米级精确位置估计可能导致车道级定位水平，可用于车辆导航、行人导航，和高级基于位置的智能手机游戏。达到了挑战赛定位精度指标为“平均”第50和95百分位误差”。太郎铃木最终成绩是1.382米，最终取得的成果的50%中位数达到亚米精度。

挑战赛第二名优胜者是戴舒宾，来自于KAGGLE社区：改进智能手机GNSS定位是使用梯度下降法。他是一名数据科学家，是KAGGL的顶级比赛大师，其研究兴趣包括计算机视觉、自然语言处理、自动驾驶和强化学习。在全球导航卫星系统领域方面缺乏背景知识，Kaggle平台这些数据方法、技能和经验帮助他找到了解决方案。他花了大约50天的时间参与挑战赛，包括学习全球导航卫星系统的原理和理解各种算法，读取书籍、论文和源代码。参赛平台基准参考数据集，包括原始GNSS测量和原始惯性传感器读数，使用智能手机（小米8、谷歌像素4等）启用双频和ADR（累计delta范围），数据收集于旧金山湾区。在GSDC2021数据集中，有29个驱动器和73个智能手机GNSS登录培训集和19个驱动器测试集中有48个智能手机日志。与2021的竞争相比，在GSDC2022数据集中，可以看到总体数据更多，种类更广泛的路线：62个驱动器，170部智能手机培训集中提供了日志。最后，他计算平均误差，得分为1.401米，只有40%的数据达到优于亚米级精度。该参赛者使用了全局优化方法，通过考虑坡度下降、伪距、伪距变化率、累积载波相位（ADR）、手机速度和加速度、每个轨道上时间历元的约束。优化轨道时使用梯度下降，通过一系列物理和几何规则，用于过滤异常数据，降低噪音（多径效应，非视线接收、接收器噪音和数据丢失）效应，花了很多时间寻找约束，证明它们并旋转它们变成了可以用来迭代更新坐标。

第三名获奖者是蒂姆·埃弗里特，来自于RTK咨询公司，其参赛题目是：基于RTKLIB开源解决方案。他开发并维护流行的RTKLIB开源GPS/GNSS软件工具的第五演示分支。优化此软件的目标为推进低成本精密全球导航卫星系统解决方案，其近六年以来的工作与挑战赛密切相关，而且该软件只在智能手机解决方案中用过。最后，他计算平均误差，得分为1.593米，50%中位数平均为0.9米。该参赛者认为，目前正在使用RTKLIB软件可以为许多最终用户应用，例如测量、无人机摄影测量、运动跟踪、精准农业、，公用设施定位，海上导航和地面生活监测。

从SDC的挑战赛可以看到，有三点启发：一是大赛必须有重大主题，大家关心，实际有用，前景广阔；二是理论与实践相结合，而且有明显的创新运作的天地，具有开放性，可推广性；三是有个依托平台，可以提供常态化数据共享、参照、丰富、积累、完善，不断演进提高，有继承性，年赛年新。