王劍輝,尹 彤,趙有兵,張 瑩,李旭洋
(1.廣東省地質測繪院,廣州 510800;2.自然資源部 測繪標準化研究所,西安 710054;3.中鐵二院工程集團有限責任公司,成都 610031;4.自然資源部 第一地形測量隊,西安 710054)
高速鐵路框架控制網(high-speed railway frame control network,CP0)應在初測前采用全球衛星導航系統(global navigation satellite system,GNSS)測量方法建立空間3 維(3D)控制網,全線一次性布網,統一測量,整體平差,作為全線(段)的平面坐標框架基準[1]。CP0 外業測量時,應聯測國家A 級、B 級GNSS 控制網或國際GNSS 服務組織(International GNSS Service,IGS)連續運行參考站等高等級已知點進行整網基線解算和平差計算。
我國目前使用的坐標系統為2000 國家大地坐標系(China geodetic coordinate system 2000,CGCS2000),其坐標框架為國際地球參考框架1997(international terrestrial reference frame,ITRF1997),歷元為2 000.0。其起始歷元至今已跨度二十余年,由于亞歐板塊的絕對運動及內部子板塊的相對運動,CGCS2000的很多框架點位置已經發生較大變化。所以在CP0 與CGCS2000 框架點或 IGS 站聯測時,大跨度的高等級點的CGCS2000 坐標跟其當前歷元坐標是否具有一致性,是確?;鶞史€定的關鍵。為了避免將基準誤差帶入平差結果中去,必須提前對高等級已知點進行一致性驗證。為此,本文研究赫爾默特(Helmert)模型算法,并使用Helmert 法對高等級已知點穩定性進行一致性檢驗,探測并剔除有問題的高等級已知點,以避免在CP0的解算中引入基準誤差,從而得到更為精確的坐標。
Helmert 法能夠計算輸入坐標集到參考坐標集的變換參數,從而體現出2 套坐標集之間在平移、尺度、定向等方面的相關變化特性[2],并通過轉換后的殘差探測和定位異常坐標點。Helmert 模型主要是通過對2 套坐標集進行對比,通過2 套坐標集公用點求取Helmert 模型7 參數,即3 個平移參數、3 個旋轉參數和1 個比例因子[3],并按照7 參數將檢驗坐標系坐標轉化到參考坐標下。該模型建立的前提是承認這2 套系統的質量重心是一致的[4]。采用最小二乘約束平差方法,將2 套坐標的差異導入Helmert 模型,然后采用參數平差模型,最終估計出Helmert 參數,同時求取坐標殘差[5]。
對于比較大型的區域或全球網絡的坐標,則應采用空間直角坐標(X,Y,Z)形式。在這種情況下,估計的Helmert 轉換參數是指地心笛卡爾坐標系。該坐標系下的轉換模型為
式中:Xlarge-0為大區域的參考坐標矩陣;Xlarge為大區域的輸入坐標矩陣;X0為平移向量矩陣;Ri(ri)為是繞i軸的旋轉角度ri的旋轉矩陣,i=x、y、z;k為縮放參數。
對于地方網絡和小區域網絡,適合采用測站空間直角坐標(N,E,U)形式,則估計的變換參數將引用以輸入坐標集重心(質量中心)為原點的局部地平系統。輸入坐標集的重心計算公式為

借助于重心X的橢球坐標和,將這2 個坐標集轉換為局部地平系統,即

式中:Xlocal為局部地平坐標系坐標矩陣;Ry和Rz為y軸或z軸的選擇矩陣;和為重心X的橢球坐標;X為須轉換的坐標向量。
按式(4)變換輸入坐標集與參考坐標集之間差的平方和,通過最小二乘法來估計方程中的Helmert 變換參數。

式中:Xlocal-0為小區域的參考坐標集局部地平系坐標;Xlocal-1為小區域輸入坐標集局部地平系坐標。
無論大區域還是地方小區域,在確定了3 個平移參數、3 個旋轉參數、1 個比例因子之后,可以根據式(5)將輸入坐標轉換系至參考坐標系,得到轉換后的參考坐標系坐標,即

式中:Xout為轉換后參考坐標矩陣;Xin為輸入坐標矩陣。
然后與原參考坐標系坐標進行比較,得到轉換后的殘差,為:

式中:ΔXlarge為大區域轉換后殘差矩陣;ΔXlacal為小區域轉換后殘差矩陣。
計算轉換得到的參考系坐標集與對應的原參考坐標集的差異值,即N(北)、E(東)、U(天頂)3 個方向的模型殘差分量[6],獲得Helmert 轉換殘差,當N、E、U 3 個方向的坐標模型殘差大于該方向上綜合中誤差的3 倍的時候,即可判斷該坐標不符合2 個坐標集的整體一致性。
在高速鐵路框架控制網平差基準一致性檢驗中,可采用以上方法準確判斷和定位有問題的高等級已知點。
本文采用2017 年年積日第214—222 天,某鐵路CP0的數據進行實驗分析。該數據分2 輪進行外業觀測,每輪同步觀測5 個時段,白天和夜間觀測均勻分布,時間不低于5.5 h,輪間搭接2 個CP0 控制點,每個時段數據合格。求解14 個CP0控制點,基線解算和平差計算的起算點選用周邊10 個 IGS 站,即北京房山站(BJFS)、長春站(CHAN)、拉薩站(LHAZ)、波利根站(POL2)、上海天文臺站(SHAO)、韓國站(SUWN)、中國臺灣桃園站(TWTF)、蒙古站(ULAB)、烏魯木齊站(URUM)、武漢站(WUHN),在2017 年年積日第214—222 天期間內,這些IGS 站的數據均比較完整,數據質量良好,P1 多路徑影響mp1和P2 多路徑影響mp2 值均小于0.5 m。CP0 及IGS基準站網型如圖1 所示。

圖1 CP0 及IGS基準站分布網型
高精度基線解算采用麻省理工學院(Massachusetts Institute of Technology,MIT)和美國斯克里普斯海洋研究所(Scripps Institution of Oceanography,SIO)聯合開發的加米特(GAMIT)/格洛布克(GLOBK)軟件10.70 版本[7]。GAMIT/GLOBK 軟件主要功能模塊包括軌道積分程序、觀測方程構建程序、單差自動修復周跳程序、雙差自動修復周跳程序、交互式修復周跳程序、最小二乘求解程序等[8]。軟件基于多種改正模型,采用優化的策略,可針對上千千米的超長基線,實現毫米級的高精度基線解算[9]。
在基線解算中,固定站的N、E、U 3 個方向分別進行松弛約束,約束分別為5、5、10 cm,分別得到年積日第214—222 天共9 個時段的10 個IGS 站的單時段松弛解,這10 個IGS 站為BJFS、CHAN、LHAZ、POL2、SHAO、SUWN、TWTF、ULAB、URUM、WUHN。
在得到單天松弛約束解后,分別提取BJFS、CHAN、LHAZ、POL2、SHAO、SUWN、TWTF、ULAB、URUM、WUHN 等10 個站的每個時段的松弛約束解的空間直角坐標,作為第1 個坐標集;收集該10 個站在國際ITRF2014 框架內標準歷元坐標作為參考數據集;對第1 坐標集和參考坐標集進行Helmert 轉換;根據Helmert 轉換參數計算坐標轉換殘差。根據Helmert的坐標殘差指標可以定位異常點。
本次采用Helmert 模型計算10 個IGS 站單個時段松弛解坐標與 ITRF2014 標準歷元坐標的Helmert 轉換坐標殘差。殘差如表1 所示。

表1 各時段松弛解Helmert 轉換坐標殘差 mm
由表可知:2017 年年積日第216 天SHAO 站在E 方向的殘差為43.4 mm,大于2 倍中誤差,U方向殘差為64.3 mm,大于3 倍中誤差;2017 年年積日第221 天,CHAN 站在U 方向的殘差為88.9 mm,大于3 倍中誤差。
由此可以判斷出2017 年年積日第216 天的SHAO 站、2017 年年積日第221 天的CHAN 站存在數據質量問題,導致了解算的坐標精度降低,需要將其剔除掉重新計算,才能保證基準平差不引入基準誤差。
卡方檢驗是一種非連續性資料的假設檢驗方法?;诳ǚ綑z驗可實現3 種檢驗:①擬合度檢驗,比較2 個及2 個以上樣本率;②相關性分析,2 個分類變量之間有無關聯性;③統一性檢驗,檢驗2 個或2 個以上總體的某一特性分布[10]。
在GLOBK 平差中,可以通過卡方檢驗來宏觀了解平差基準誤差的大小。平差后的卡方檢驗值越小越好,如果卡方檢驗值大于1,說明平差基準存在誤差。本實驗將通過卡方檢驗方法來驗證前期Helmert的分析結果。
實驗對9 個時段分別進行了單天平差計算,約束10 個IGS 站,采用GAMIT/GLOBK 軟件對每天的基線文件進行平差計算,在獲取單天解的同時也可以得到單天解的卡方檢驗值。該數據平差后的單天解卡方檢驗值如表2 所示。

表2 單時段平差的卡方檢驗
由表可以看出:2017 年年積日第216 天和第221 天這2 個時段的卡方檢驗大于1,說明這2 個時段約束平差的固定基準存在不一致的情況,但不能定位是哪些站出了問題。根據前面Helmert 殘差分析的情況,可以更加準確地定位到出現問題的約束站,說明利用Helmert 殘差可以確定異?;鶞庶c。
后面的平差過程需要針對有問題的時段,將有問題的站松弛開,約束其他沒有問題的基準站重新進行單天約束平差。如果卡方檢驗通過,則須在單天數據中剔除掉有問題的基準站,或者替換成其他基準站,重新計算基線和平差。
本文通過與約束平差的卡方檢驗指標進行對比,證明利用Helmert 模型計算殘差來發現和定位有問題的基準站是可行的。在CP0 數據處理中,尤其是對大區域或者含IGS 站在內的超大區域的CP0 數據進行處理時,必須嚴格驗證所選國家A級、B 級GNSS 控制網或IGS 站等高等級已知點的坐標一致性。通過Helmert 模型能夠分析出高等級已知點異常坐標,準確定位異常數據,從而避免將誤差帶入控制網中,最終提高控制網的計算精度。