Satelliittipaikannuksen häiriöistä johtuvien virheiden ennaltaehkäisy raideliikenteessä

Abstract

Satelliittipaikannukseen liittyvät häiriöt voivat uhata raideliikenteen turvallisuutta. Tässä tutkielmassa selvitetään systemaattisen kirjallisuuskatsauksen keinoin, mitä uusia ratkaisuja globaaliin satelliittipaikannusjärjestelmään (engl. global navigation satellite system, GNSS) liittyviin häiriöihin on ehdotettu raideliikenteen kontekstissa. Tutkielman aineisto on pääosin vuodelta 2024. Suurinta osaa löydetyistä ratkaisuista ei ole suunniteltu mihinkään tiettyyn GNSS-häiriöön, vaan niissä ratkaistaan esimerkiksi signaalin kulun esteiden tai interferenssin aiheuttamia sekalaisia häiriötilanteita. Usein kyse on GNSS-signaalin katkoista. Osa tutkielmassa käsiteltävistä tutkimuksista puolestaan erikoistuu GNSS-häirinnältä tai -huijauksilta suojautumiseen. Tutkielmassa löydetyt ratkaisumenetelmät kategorisoidaan ja esitetään taulukossa tutkimuskohtaisesti. Yleisimpiä ratkaisuja ovat datafuusio, erilaiset anturit ja kone- ja syväoppiminen. Tyypillisessä ratkaisussa käytetään vaihtoehtoisia paikannusmenetelmiä silloin, kun GNSS-paikannus epäonnistuu. Ratkaisumenetelmissä hyödynnetään lukuisia eri algoritmeja, joista yleisin on Kalman-suodin. Sitä käytetään muun muassa datafuusion toteuttamiseen. Tutkielmassa ei pyritä arvottamaan erilaisia ratkaisumenetelmiä. Myös ratkaisujen soveltuvuudesta eri maantieteellisille alueille olisi hyvä tehdä jatkotutkimusta.

Satellite positioning disturbances are a risk for the safety of rail transport. This Bachelor's thesis performs a systematic literature review to identify newly developed solutions to tackle Global Navigation Satellite System (GNSS) disturbances in the context of rail traffic. The gathered literature is mostly from the year 2024. Majority of the found solutions are not designed for any certain GNSS disturbance, but they solve mixed disturbance scenarios instead. These can be caused by interference or signal blockage, for example. Typically, the disruptions are GNSS outages. However, some of the covered research specialises in protection against GNSS jamming or spoofing. The discovered solutions are categorised and presented in a table. The most common solutions are data fusion, different sensors, and machine and deep learning. A typical solution uses alternative positioning methods if GNSS positioning fails. The solutions utilise several algorithms, the most popular of which is the Kalman filter. It is used for data fusion, among other things. This thesis doesn't aim to rank the different solutions. Another need for further research is ensuring the solutions' applicability to different geographical regions.