Quectel Wireless Solutions GNSS 部門的產品開發經理 Mark Winton 表示，隨著成本效益高的系統的出現，地理定位正在日趨成熟，這些系統利用連接的力量以及數據處理和人工智能方面的相鄰進步（人工智能）。在接受 EEWeb 采訪時，Mark Winton 提供了有關地理位置的重要信息。

對更多地采用地理定位的需求引入了許多技術發展，以在物流等應用程序中實現有效的數據管理。

與此同時，人工智能和機器學習作為聚類模式分析的關鍵元素越來越受歡迎。許多人類活動創造了不同的地理模式，可以對其進行分析以改進流程。

Quectel 強調了 4 個重要的考慮因素：精度，在 GNSS 模塊中采用實時運動 (RTK) 定位通?？梢詫崿F低至厘米級的精度；低成本機會；超低功耗；以及對用于精準農業的支持 RTK 的 GNSS 的需求不斷增長的高性能挑戰。

“提高精度對于 ADAS 和 DMS 類型的應用至關重要。高性能傳感器需要高精度和更新速率才能在寬溫汽車環境中運行。需要低功率，因為許多車輛系統在車輛關閉時需要特定的低功率閾值。低成本并不是汽車領域的最大驅動力，因為高精度和性能是關鍵優先事項。

然而，我們在汽車領域非常有競爭力，而且不會影響質量。

我們能夠在我們的一些汽車產品上提供工業級 IMU 傳感器，從而在價格上提供靈活性，”Winton 說。

EEWeb：縱觀地理定位市場，您認為當今發展的主要業務趨勢是什么？

Mark Winton：由于一些重要的技術發展支持地理定位的增加，關鍵的業務趨勢正在展開。具體來說，這些是地理數據庫的融合以及向 GNSS 數據流添加豐富的元數據。這種強大的數據環境可以將冷凍貨物的溫度等應用程序標記到其 GPS 位置，并在有保證的冷鏈物流和其他汽車相關功能上實現閉環。

與此同時，人工智能和機器學習正在被部署并支持集群模式分析。許多人類活動創造了不同的地理模式，可以對其進行分析以改進流程。例如，道路事故現場的集群模式可以從救護車后門開口中獲得，這些開口被地理標記為來自全球導航衛星系統 (GNSS) 的位置信息。這些改進使我們的道路更安全，智能技術使世界變得更美好。

EEWeb：哪些是地理定位的“新垂直領域”？

馬克·溫頓：我們看到精準農業和農業設備自動化的顯著提升。這不是一個全新的概念，但這個垂直領域是非常昂貴的設備領域。提高準確性、大幅降低定價以及運營商和 SAS 提供商對公共 NTRIP 網絡的采用相結合，為跟蹤更多設備和流程提供了機會，這些設備和流程以前只保留給最重要設備的一小部分。

EEWeb：您的路線圖上有哪些未來的產品和技術？

Mark Winton：我們目前專注于 RTK 和航位推算。我們正在推出我們產品的許多子版本和我們產品的替代芯片組版本。這使我們能夠比我們的許多傳統競爭對手更容易地解決當前的組件短缺問題。與我們的客戶保持靈活性也使我們能夠朝著關鍵市場的定制方向發展。

EEWeb：您認為人工智能和機器學習在哪些特定市場對地理定位有用？

Mark Winton：汽車（ADAS 和 DMS）領域是最清晰、發布最多的市場，GNSS 正在與 AI 相結合。然而，我們看到小農使用我們的 RTK GNSS 與機器學習和基于視覺的 AI 來自動檢測作物問題。

這使得控制非常有針對性、非常高效和完全自動化。我們看到非常清晰的人類可識別地理模式，一旦與機器學習和人工智能相結合，就會成為非常強大的工具。這現在被廣泛用于采礦應用，其中生產過程中的瓶頸與特定的地理區域相關。

AI 用于在實施流程更改之前識別約束和運行場景，以準確建模和改進通過復雜工廠的材料流。

EEWeb：RTK技術面臨哪些挑戰？在哪些特定的農業應用中可以有效地采用它？

Mark Winton：RTK 面臨的主要挑戰是嚴格的天線要求和跨各種網絡使用的兼容性標準。滿天都是衛星星座，只支持少數幾個星座是不好的。

RTK 在開闊的天空中運行良好。天線可以有多小以及設備應安裝在何處以獲得最佳性能是有限制的。精度取決于與最近掛載點的距離，NTRIP 網絡密度需要提高。

大規模的低成本大規模采用是新的。我相信隨著網絡獲得收入并且參考基礎的投資回報允許更高的密度，挑戰將會消失。我們看到小型溫室農場采用 RTK。

我們還有許多帶有自動割草機和灌溉系統的項目。

審核編輯 黃昊宇