ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ

DIPLOMOVÁ PRÁCE

PRAHA 2014

Pavel RYS

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ OBOR GEODÉZIE A KARTOGRAFIE

DIPLOMOVÁ PRÁCE VYHODNOCENÍ POSUNŮ BODŮ VZTAŽNÉ SÍTĚ PRAŽSKÉHO HRADU

Vedoucí práce: Ing. Tomáš KUBÍN, Ph.D. Katedra speciální geodézie

leden 2014

Pavel RYS

ZDE VLOŽIT LIST ZADÁNÍ

Z důvodu správného číslování stránek

ABSTRAKT Tato diplomová práce se zabývá zpracováním etapových měření ve vztažné polohové síti geodetických bodů na Pražském hradě. V textu je popsán způsob přípravy a zpracování dat měřených v jednotlivých epochách. Podstatná část práce je dále zaměřena na téma robustní transformace, tj. transformace soustavy další etapy do soustavy základní etapy, při níž je transformační klíč určován metodou robustního odhadu. Výsledky práce plynou ze statistického testování vodorovných posunů bodů.

KLÍČOVÁ SLOVA etapové měření, robustní transformace, metoda robustního odhadu, L1-norma, vodorovné posuny bodů, statistické testování posunů

ABSTRACT This master’s thesis deals with the processing of epoch measurements carried out in the local horizontal network of the Prague castle site. There is the process of preparing measured data described in the text. A significant part of work is focused on the method of robust transformation. As a result, horizontal displacements of netpoints have been tested.

KEYWORDS epoch measurement, robust transformation, robust parameter estimation, L1-norm estimation, horizontal displacements of netpoints, hypothesis testing

PROHLÁŠENÍ Prohlašuji, že jsem diplomovou práci na téma „Vyhodnocení posunů bodů vztažné sítě Pražského hradu“ vypracoval samostatně. Použitou literaturu a podkladové materiály uvádím v seznamu zdrojů.

V Praze dne

...............

.................................. (podpis autora)

PODĚKOVÁNÍ Velmi děkuji vedoucímu práce Ing. Tomáši Kubínovi, Ph.D. za neobyčejně ochotný a přátelský přístup, se kterým mi dopomáhal překlenout nejrůznější úskalí, která vznik této práce doprovázela. Dále nemohu opomenout poděkovat doc. Ing. Martinu Štronerovi, Ph.D. za jeho cenné rady a názory k tématu robustního vyrovnání.

Obsah Úvod

8

1 Vztažná síť Pražského hradu

10

1.1

Polohová síť . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2

Výšková síť . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Příprava vstupních dat

13

2.1

Úvaha nad volbou vztažné soustavy . . . . . . . . . . . . . . . . . . . 13

2.2

Lambertovo konformní kuželové zobrazení . . . . . . . . . . . . . . . 15

2.3

Převod GNSS vektorů do roviny zobrazení . . . . . . . . . . . . . . . 18

2.4

2.3.1

Transformace mezi (𝑋, 𝑌, 𝑍) a (𝐵, 𝐿, 𝐻) . . . . . . . . . . . . 20

2.3.2

Zobrazení (𝐵, 𝐿) do (𝑥, 𝑦) . . . . . . . . . . . . . . . . . . . . 21

Transformace kovarianční matice . . . . . . . . . . . . . . . . . . . . 21 2.4.1

Transformace kovarianční matice souřadnic . . . . . . . . . . . 22

2.4.2

Transformace kovarianční matice GNSS vektoru . . . . . . . . 24

3 Vyrovnání sítě

28

3.1

GNU Gama . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.2

Sestavení vstupních dávkových souborů . . . . . . . . . . . . . . . . . 31

3.3

Základní parametry vyrovnání etap . . . . . . . . . . . . . . . . . . . 34

3.4

Test aposteriorní směrodatné odchylky . . . . . . . . . . . . . . . . . 37

4 Robustní transformace

39

4.1

O metodách robustního odhadu obecně . . . . . . . . . . . . . . . . . 39

4.2

Robustní M-odhady . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.3

Huberův M-odhad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.4

Odhad pomocí 𝐿𝑝 -normy . . . . . . . . . . . . . . . . . . . . . . . . . 47

4.5

Robustní transformace – výpočet . . . . . . . . . . . . . . . . . . . . 49 4.5.1

Verze výpočtu 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.5.2

Verze výpočtu 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 56

4.5.3

Verze výpočtu 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 58

4.5.4

Zhodnocení výsledků . . . . . . . . . . . . . . . . . . . . . . . 63

5 Helmertova transformace 5.1

67

Výběr identických bodů . . . . . . . . . . . . . . . . . . . . . . . . . 67

5.2

Definitivní transformační klíč . . . . . . . . . . . . . . . . . . . . . . 72

5.3

Transformace souřadnic

. . . . . . . . . . . . . . . . . . . . . . . . . 74

6 Testování posunů bodů

78

6.1

Pravděpodobnost uvnitř elipsy chyb . . . . . . . . . . . . . . . . . . . 78

6.2

Konstrukce testu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

6.3

Výsledky testování . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

Závěr

86

Použité zdroje

90

Seznam příloh

96

A Výsledky verze výpočtu 1

97

B Výsledky verze výpočtu 2

104

C Výsledky verze výpočtu 3

111

D Přetransformované souřadnice

118

D.1 Základní etapa 𝐸0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 D.2 Základní etapa 𝐸1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 E Číselné výsledky testování posunů

127

E.1 Základní etapa 𝐸0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 E.2 Základní etapa 𝐸1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 F Grafické výsledky testování posunů

134

ČVUT v Praze

ÚVOD

Úvod V této diplomové práci se zabývám zpracováním etapových měření ve vztažné polohové síti bodů na Pražském hradě. Obecně se jedná o lokální prostorovou geodetickou síť, nicméně v této práci se věnuji pouze její polohové složce. Síť vztažných bodů byla vybudována v rámci projektu Grantové agentury České republiky č. 103/07/1522 (Stabilita historických památek) pro sledování předpokládaných prostorových posunů areálu historických objektů jako celku. Hlavními body sítě jsou hloubkové vrty vystrojené pro geotechnická měření a jedna hloubková stabilizace využívající vybetonovaného staršího hydrogeologického vrtu. Síť je doplněna o další geodetické body. Vzhledem k předpokládané nestabilitě zájmového prostoru je však nutné síť bodů vztáhnout k dalším bodům, které leží mimo tento prostor v geologicky stabilním prostředí. Bodem s předpokládanou stabilitou je geotechnický vrt TV01, který byl vybudován před budovou Fakulty stavební ČVUT v Praze ve vzdálenosti cca 1,7 km od Pražského hradu. Zásadní otázkou při zpracování etapových měření a následném výpočtu posunů bodů je, jaké souřadnice mají být vůči sobě porovnávány. Každá z etap měření přesné účelové geodetické sítě je zpravidla zpracována formou vyrovnání volné sítě metodou nejmenších čtverců. Při takovém postupu jsme nutně konfrontováni s řešením singularity systému normálních rovnic, neboť volná síť není umístěna do prostoru a všechny souřadnice jsou považovány za neznámé. Do výpočtu je tak nutné doplnit dodatečné informace, jak má být síť do prostoru umístěna, nebo inverzi singulární matice řešit pomocí pseudoinverze, anebo zvolit dostatečný počet souřadnic, které budou z výpočtu vyrovnání vyřazeny a budou považovány za pevné. Obvyklá řešení jsou založena na umístění sítě do prostoru ve všech etapách vždy stejným způsobem. Po regularizaci systému normálních rovnic a výpočtu vyrovnání jsou vypočtené souřadnice přímo porovnávány. Fixací některých bodů sítě vzniká z hlediska určování posunů zřejmý principiální nedostatek. Obecnější způsob řešení nabízí lineární konformní transformace jednotlivých etap do soustavy etapy základní. Tato metoda nevyžaduje, aby síť byla v jednotlivých etapách umístěna do prostoru vždy stejným způsobem. Zásadním problémem je však zde volba identických bodů. Určujeme-li transformační klíč pomocí nadbytečného počtu identických bodů metodou nejmenších čtverců (tj. Helmertovou transformací), jsou z hlediska vyrovnání souřadnice těchto bodů souborem měření, který díky předpokládaným posunům nepochází ze základního souboru s normálním rozdělením pravděpodobností.

8

ČVUT v Praze

ÚVOD

Původ měřických dat z normálního rozdělení je však důležitým předpokladem pro správnost aplikace metody nejmenších čtverců a zejména souvisejících statistických testů. Je známo, že i mírné odchylky dat od normálního rozdělení způsobují značnou újmu na kvalitě výsledku. I několik málo hrubých chyb tak může zcela znehodnotit jinak kvalitní měření. V případě výskytu odlehlých hodnot je tedy velmi účelné tyto hodnoty detekovat a z výpočtu vyrovnání vyloučit. Malý počet chybných dat lze pro tento účel odhalit statistickými testy odlehlých hodnot. Je-li však kontaminace souboru měření odlehlými hodnotami větší či těžko odhadnutelná, je nutné provést zpracování metodami méně citlivými k výskytu odlehlých hodnot. Takové metody jsou označované jako robustní metody odhadu reálných parametrů. Obecným principem robustních metod je, že v podmínce minimalizace sumy čtverců oprav nahrazují kvadráty nebo celou sumu vhodnějšími funkcemi [15]. V této diplomové práci byla využita nově navržená metoda tzv. robustní transformace. Transformační klíč, který charakterizuje transformaci další etapy do soustavy základní etapy je určován metodou robustního odhadu. Konkrétně je aplikován odhad pomocí 𝐿1 -normy, při které je minimalizována suma absolutních hodnot oprav (chyb). 𝐿1 -norma poskytuje extrémní robustnost odhadu a její užití je tak výhodné zejména v situacích, kdy je předpokládána vysoká míra kontaminace souboru měření odlehlými hodnotami či je tato míra neznámá. V textu práce popisuji 3 verze výpočtu robustní transformace, které se od sebe liší způsobem, jakým jsou měřeným veličinám přisuzovány váhy. Podstatou aplikace robustního odhadu neznámých parametrů (tj. transformačních parametrů) není v této práci zjištění odhadu samotného, nýbrž identifikace takových hodnot (souřadnic identických bodů), které jsou při výpočtu tohoto odhadu označeny za odlehlé. Tyto body z původního souboru identických bodů vyloučíme a vzniklý redukovaný soubor by tak měl splňovat podmínku normality. Definitivní transformační klíč je potom určen metodou nejmenších čtverců pomocí takové sady identických bodů, které nebyly označeny jako odlehlé ani v jedné z robustních transformací. Takto sestavená sada identických bodů poskytuje dostatečnou věrohodnost ve stálosti své polohy v průběhu celého sledovaného období. Z rozdílu souřadnic bodů v základní etapě a přetransformovaných souřadnic v další etapě jsou vypočteny vodorovné posuny, o jejichž průkaznosti je rozhodováno na základě dvourozměrných apriorních testů.

9

ČVUT v Praze

1

1. VZTAŽNÁ SÍŤ PRAŽSKÉHO HRADU

Vztažná síť Pražského hradu

V rámci několika grantových projektů, výzkumných záměrů Fsv ČVUT i zakázek Správy Pražského hradu je již několik let prováděn geodetický a geotechnický monitoring objektů Pražského hradu. Garanty těchto projektů jsou pracovníci kateder speciální geodézie a geotechniky Fsv ČVUT v Praze. V areálu Pražského hradu je prováděna řada velmi přesných měření různého účelu. Sledují se vertikální posuny (poklesy a zdvihy) objektů; k tomu slouží z metod geodetických zejména přesná nivelace a metoda trigonometrická a dále řádově přesnější mikrometrie v hloubkových sondovacích vrtech coby zástupce metod geotechnických. Účelem jiných měření je zjišťování vodorovných posunů a náklonů částí jednotlivých objektů. Zde je využívána především metoda trigonometrická a geotechnická metoda inklinometrie ve vrtech. Ačkoliv poskytují geotechnické metody měření (v porovnání s metodami geodetickými) řádově vyšší přesnost, jsou výstupy metod pozorování obou oborů vzájemně nenahraditelné. Geotechnické metody měření poskytují informace o relativních změnách jednotlivých měřicích značek vystrojeného vrtu vůči jeho patě, která je založena na nezvětralém skalním podloží a je považována za pevnou. Geotechnické vrty tak umoňují vysoce přesně měřit prostorové deformace základů a podloží staveb, odhalit poruchové zóny, degradované horniny v základové spáře či vrstvy stlačitelných zemin. V rámci řešení grantového projektu GAČR č. 103/07/1522 (Stabilita historických památek) byla v areálu Pražského hradu vybudována lokální prostorová geodetická síť. Tato síť propojuje právě zmíněné hloubkové geotechnické vrty a vybrané geodetické body do jednoho souřadnicového a výškového systému. To umožňuje sledování případných změn prostorové polohy objektů a jejich souvislostí s chováním podloží v dané oblasti. Obě složky vztažné sítě Pražského hradu (polohová a výšková) se zaměřují a zpracovávají odděleně.

1.1

Polohová síť

Polohová síť je tvořena geotechnickými vrty, jedním hloubkově stabilizovaným bodem (původně hydrogeologický vrt) a vybranými geodetickými body. Hloubkové geotechnické vrty se většinou nacházejí v blízkosti významných nebo ohrožených

10

ČVUT v Praze


staveb, např. u katedrály sv. Víta, baziliky sv. Jiří, Královského letohrádku aj. Konstrukcí, významem a způsobem měření v těchto vrtech jsem se detailněji zabýval ve své bakalářské práci [1]. Přehled geotechnických vrtů uvádí tabulka 1.1. Tab. 1.1: Geotechnické vrty označení vrtu

číslo bodu

poloha

MPD01

1001

Vikářská ulice

MPD02

1002

Matheyho pilíř

MPD03

1003

Ludvíkovo křídlo

MPD04

1004

bazilika sv. Jiří - nádvoří

MPD04A

1004a

bazilika sv. Jiří - věž

MPD05

1005

Královský letohrádek

VB011

1011

Hradčanské náměstí

VB012

1012

zahrada Na Opyši

TV01

101

Thákurova ulice

Z vrtů uvedených v tabulce nejsou do polohové sítě zahrnuty vrty 1004 a 1004a. Naopak součástí sítě je vrt s označením TV01, který se jako jediný nenachází v areálu Pražského hradu, nýbrž před budovou FSv ČVUT v Thákurově ulici. Polohová síť je určována jak klasickou terestrickou metodou přesných polygonových pořadů, tak částečně i metodou družicové geodézie. Aparaturami GNSS se přímo měří na vrtech 1011, 1012, TV01 a dále na několika vybraných geodetických bodech polohové sítě. Ostatní vrty jsou k síti připojeny klasickými polygonovými pořady. Podle možností jsou polygonovými pořady propojena i stanoviska aparatur GNSS. Geotechnický vrt TV01 plní ve vztažné síti Pražského hradu především funkci referenční stanice při GNSS observacích. Zároveň jde o bod s předpokládanou stabilitou, který je využíván pro kontrolu stability vztažné sítě jako celku. Měřický bod je ve zhlaví vrtu realizován speciálním strojírenským přípravkem, viz obr. 1.1. Přípravek se vsouvá do první měřicí značky vrtu a jeho poloha se v uzávěru pažnice vystředí posuvným kuželovým dílcem. Tento způsob realizace vztažného bodu ve zhlaví vrtu zajišťuje vysokou přesnost při přenosu případných vodorovných a svislých posunů. Chyba plynoucí z opakovaných umístění přípravku do pažnice vrtu je považována za zanedbatelnou. Centrační přípravek zároveň umožňuje našroubování trojnožky GNSS přijímače nebo odrazného hranolu. Poloha ostatních bodů sítě je vztažena ke středu otvoru (zápichu) dané stabilizační značky.

11

ČVUT v Praze


nivelační značka se zápichem pro optickou centraci středící posuvný kužel uzávěr pažnice kulová plocha dosedající do kuželové měřicí značky měřicí značka klouzavého mikrometru jílocementová injektáž vrtu kombinovaná pažnice

Obr. 1.1: Realizace vztažného bodu ve zhlaví vrtu

1.2

Výšková síť

Výšková síť Pražského hradu je určována převážně přesnou a velmi přesnou nivelací. Při měření jsou tak v maximální možné míře respektovány zásady pro práce v bodových polích III. řádu a II. řádu ČSNS. Tyto zásady jsou popsány v Metodickém návodu pro práce v ZVBP vydaném Zeměměřickým úřadem [2]. Jedinou výjimkou v metodice určování výškových rozdílů v síti je převýšení mezi body 552 a 553. Body jsou oddělené hlubokou přírodní roklí – Dolním Jelením příkopem a převýšení je proto určováno trigonometrickou metodou. Zenitové úhly a šikmé délky jsou měřeny oboustranně, což při výpočtu převýšení umožňuje eliminovat vliv zakřivení Země a za určitého předpokladu i vliv vertikální složky refrakce (předpokladem je platnost modelu s konstantním refrakčním koeficientem pro záměru). Komplexní zpracování etapových měření ve vztažné výškové síti Pražského hradu jsem provedl ve své bakalářské práci [1]. Zde jsem se také zabýval statistickou analýzou vertikálních posunů bodů sítě.

12

ČVUT v Praze

2

2. PŘÍPRAVA VSTUPNÍCH DAT

Příprava vstupních dat

Cílem této kapitoly je objasnit postup, který byl použit k převedení všech měření do společné vztažné soustavy pro účel kombinovaného vyrovnání GNSS vektorů a terestrických měření programem GNU Gama. Jedním z předmětů zadání této diplomové práce je provést zpracování všech etap doposud zaměřených ve vztažné polohové síti Pražského hradu. Jak bylo uvedeno v kapitole 1.1, polohová síť je určována kombinací terestrických a družicových metod. Jako nejvhodnější způsob efektivního využití všech dostupných pozorování se proto nabízí společné vyrovnání GNSS vektorů a terestrických dat měřených v polygonových pořadech. Pro tento účel je nutné zvolit vztažnou souřadnicovou soustavu, do níž budou všechny měřené veličiny převedeny.

2.1

Úvaha nad volbou vztažné soustavy

Vztažná síť Pražského hradu je lokální prostorová geodetická síť relativně malého rozsahu (řádově několik stovek metrů). Při jejím obecném řešení v prostoru je tak možné učinit různé zjednodušující předpoklady (např. náhrada zemského tělesa koulí a s tím související náhrada tížnic různoběžnými přímkami protínajícími se v geocentru). Tato zjednodušení lze dále ospravedlnit skutečností, že jde o účelovou síť pro zjišťování posunů a přetvoření, kde jsou důležité zejména rozdíly ve vypočtených či měřených hodnotách mezi jednotlivými etapami a nikoliv správnost absolutních souřadnic. Před výpočtem geodetické sítě jsme zpravidla konfrontováni s nutností volby vztažného souřadnicového systému, do něhož musí být všechny měřené veličiny převedeny (redukovány). Kartézský souřadnicový systém E3 (bez redukcí měřených veličin) V sítích velmi malého rozsahu lze provést společné vyrovnání polohové i výškové složky bez zavádění redukcí měřených veličin do vztažného systému. To se týká zejména strojírenských mikrosítí s rozměry několika metrů, maximálně desítek metrů. Výhodnou vtažnou soustavou pro takové sítě je pravoúhlý kartézský souřadnicový systém. Tímto způsobem lze případně řešit i sítě větších rozměrů, avšak s patřičnou újmou na přesnosti výpočtu. Příkladem může být testovací prostorová síť v Mariánské u Jáchymova, kde se každoročně koná výuka v terénu z inženýrské geodézie.

13

ČVUT v Praze


Kartézský souřadnicový systém E3 (s redukcemi měřených veličin) Přesnějšího řešení sítí malého rozsahu v pravoúhlém kartézském souřadnicovém systému docílíme umístěním počátku souřadnicového systému do jednoho z bodů sítě a osou z orientovanou do směru tížnice procházející tímto bodem. Do takto umístěného systému lze poté zredukovat měřené veličiny, tj. opravit měřené vodorovné směry (úhly) a zenitové úhly o vliv sbíhavosti tížnic (za předpokladu kulového modelu Země). Tyto redukce vyžadují znalost konfigurace bodů sítě, přibližné souřadnice bodů většinou postačují. Odvození redukcí lze nalézt např. v [3] nebo [4]. Způsob řešení sítě postupem popsaným v předchozím odstavci (tedy v pravoúhlém kartézském systému E3 s redukcí úhlových veličin o vliv tížnicových odchylek) lze teoreticky dobře aplikovat na výpočet vztažné sítě Pražského hradu. Užití tohoto způsobu by však bylo spíše odůvodněné v případě, pokud by »hradní síť« byla řešena jako prostorová. Poměrně pracné redukování úhlových veličin by se stalo nepříliš efektivní prací, pokud bychom síť vypočítanou jako prostorovou (3D) následně degradovali na síť polohovou (2D). Pokud by však hradní síť byla zpracovávána jako prostorová, bylo by velmi výhodné ji dále zpřesnit nivelovanými převýšeními, která jsou z jednotlivých etap k dispozici. V takovém případě ovšem narážíme na komplikaci spočívající v převodu nivelovaných převýšení na převýšení kartézská. Nivelovaná převýšení totiž nelze, na rozdíl od ostatních měřených veličin, do pravoúhlého souřadnicového systému exaktně přímo redukovat. O této problematice a dalších alternativách výpočtu prostorových sítí včetně nivelovaných převýšení pojednává práce [5]. Geocentrický souřadnicový systém (vyrovnání na elipsoidu) Hlavním principem společného vyrovnání polohové i výškové složky sítě je, že díky velmi přesným nivelovaným převýšením dojde ke zpřesnění i polohových souřadnic bodů. Vliv nivelovaných převýšení na přesnost výšek je přímý a zřejmý, vliv na přesnost polohy bodu ovšem závisí na dalších měřených veličinách (zenitové úhly a šikmé délky) a také na vzájemné konfiguraci bodů, jak uvádí [5]. Nejsprávnější způsob kombinovaného vyrovnání GNSS vektorů, terestrických měření a nivelovaných převýšení by měl proto poskytnout matematický model vyrovnání na elipsoidu. Elipsoid je vhodné zvolit jako referenční plochu, protože je ideální pro zavádění tížnicových odchylek a práci s geoidem, resp. kvazigeoidem. Dále také odstraňuje potřebu výpočtů většiny geometrických redukcí klasických měření.

14

ČVUT v Praze


Problémem je, že většina dostupných programů pro vyrovnání geodetických sítí neumožňuje vyrovnání na elipsoidu. K tomuto účelu by měla sloužit nová vývojová větev projektu GNU Gama, označovaná jako gama-g3. Dosud však nebyla uvolněna stabilní verze programu. Kartografické zobrazení (vyrovnání v pravoúhlém rovinném systému) Pro vyrovnání pouze polohové složky sítě ideálně postačuje zvolit vhodné kartografické zobrazení a všechny měřené veličiny do něho převést. Volbu kartografického zobrazení lze dále specifikovat požadavkem, aby se v navrženém rovinném souřadnicovém systému – vzhledem k rozměru hradní sítě – prakticky neprojevovalo délkové zkreslení. Na základě zkušeností pracovníků Katedry vyšší geodézie a některých prací (např. [6]) bylo vybráno Lambertovo konformní kuželové zobrazení s jednou nezkreslenou rovnoběžkou. Jedná se o konformní zobrazení elipsoidu do roviny, kde zobrazovací rovinou je plášť kužele v normální poloze. Tečný kužel se dotýká elipsoidu podél zvolené rovnoběžky, která se zobrazí jako nezkreslená. Varianta zobrazení se dvěma nezkreslenými rovnoběžkami významně snižuje vliv délkového zkreslení v daném pásu a je užívána jako národní zobrazení mnoha států (např. 60 % států USA, Francie, Německo, Rakousko, Belgie a další). Lambertovo konformní kuželové zobrazení, mezinárodně známé pod zkratkou LCC (Lambert Conformal Conic), je na obr. 2.1. Jeho autorem je Johann Heinrich Lambert (1772).

2.2

Lambertovo konformní kuželové zobrazení

Jak vyplývá z předchozí kapitoly, pro kombinované vyrovnání GNSS vektorů a terestrických měření bylo vybráno Lambertovo konformní kuželové zobrazení. Toto zobrazení bylo dále specifikováno volbou základní nezkreslené rovnoběžky. Ta má geodetickou šířku 𝜙 = 50∘ 5′ 24′′ a prochází přibližně středem areálu Pražského hradu. Jako základní poledník byl zvolen Greenwichský nultý poledník. Zobrazení užívá referenční elipsoid WGS84. Z této volby zobrazení vyplývá, že počátek rovinného systému je na elipsoidu umístěn do bodu o geodetických souřadnicích 𝜆 = 0∘ a 𝜙 = 50,09∘ . Kladná poloosa +𝑥 rovinného systému směřuje k severu a poloosa +𝑦 k východu.

15

ČVUT v Praze


Obr. 2.1: Lambertovo konformní kuželové zobrazení Odvození dále uvedených zobrazovacích rovnic lze nalézt např. v [7]. 𝜌0 =

𝑎 tan 𝜙0 ·

√︁

1 − 𝑒2 · sin2 𝜙

𝑛 = sin 𝜙0 ⎛

𝑝1 = ⎝ (︃

𝑝2 =

(︁

(2.2) )︁ ⎞𝑛

𝜙0 + 𝜋4 2 (︁ )︁ tan 𝜙2 + 𝜋4

tan

(2.1)

⎠

)︃ 𝑛·𝑒 (1 − 𝑒 · sin 𝜙0 ) · (1 + 𝑒 · sin 𝜙) ( 2 ) (1 + 𝑒 · sin 𝜙0 ) · (1 − 𝑒 · sin 𝜙)

(2.3)

(2.4)

𝜌 = 𝜌0 · 𝑝1 · 𝑝2

(2.5)

𝜀=𝑛·𝜆

(2.6)

𝑥 = 𝜌0 − 𝜌 · cos 𝜀

(2.7)

𝑦 = 𝜌 · sin 𝜀

(2.8)

V rovnicích 2.1 až 2.8 jsou 𝜌0 a 𝑛 konstantami zobrazení, 𝑝1 a 𝑝2 pomocné proměnné, 𝜌 a 𝜀 polární rovinné souřadnice, 𝑥 a 𝑦 pravoúhlé rovinné souřadnice.

16

ČVUT v Praze


V rovnicích dále vystupují geodetické souřadnice zobrazovaného bodu 𝜙, 𝜆, geodetická šířka základní nezkreslené rovnoběžky 𝜙0 a parametry použitého referenčního elipsoidu 𝑎, 𝑒 (hlavní poloosa, numerická excentricita). Zobrazení LCC je součástí knihovny kartografických zobrazení PROJ.4 [8] a lze ji tak využít k výpočtu pravoúhlých rovinných souřadnic. Geodetické souřadnice bodů lze do programu zadat i v podobě vstupního dávkového souboru. Pro převod geodetických souřadnic do pravoúhlých rovinných v zobrazení LCC s výše uvedenými specifikacemi spustíme program PROJ.4 příkazem: proj +proj=lcc +ellps=WGS84 +lat_1=50.09 vstup.txt -f ’%.4f’ -V V tomto příkazu parametr +proj specifikuje použité zobrazení, parametrem +ellps je udáván elipsoid, na který je zobrazení aplikováno, parametr +lat_1 určuje geodetickou šířku nezkreslené rovnoběžky, vstup.txt je název dávkového souboru se vstupními souřadnicemi v pořadí geodetická délka 𝜆, geodetická šířka 𝜙. Parametrem -f ’%.4f’ se určuje požadovaný počet desetinných míst výstupních rovinných souřadnic. Velice užitečným volitelným parametrem je -V, který za výstupními souřadnicemi vypíše detailně i s popisem hodnoty všech počítaných zkreslení. Níže je uveden příklad detailního výstupu z programu PROJ.4 pro bod 1011. point 1011

Hel: 302.57696

Longitude: 14d23’52.371"E [ 14.397880803 ] Latitude:

50d5’22.742"N [ 50.089650639 ]

Easting (y):

’1023977.7166’

Northing (x):

’98955.2813’

Meridian scale (h)*: 1.00000000

( 1.854e-009 % error )

Parallel scale (k)*: 1.00000000

( 1.854e-009 % error )

Areal scale (s):

( 1.151e-009 % error )

1.00000000

Angular distortion (w): 0.000 Meridian/Parallel angle: 89.99959 Convergence*: -11d2’38.185" [ -11.04394034 ] Max-min (Tissot axis a-b) scale error: 1.00000 1.00000 Jak lze z těchto výpisů snadno ověřit, délkové zkreslení se prakticky neprojevuje ani pro nejodlehlejší body sítě. Délkové zkreslení u konformních zobrazení nezávisí na směru uvažovaného délkového elementu a v zobrazení LCC v normální poloze je funkcí pouze zeměpisné šířky. Ekvideformátami jsou potom obrazy zeměpisných rovnoběžek. Pro rozbor vlivu délkového zkreslení je tedy odlehlostí bodu míněna pouze odlehlost od základní nezkreslené rovnoběžky.

17

ČVUT v Praze


Redukce měřených délek Délky měřené v polygonových pořadech je nutné před dalším zpracováním převést do roviny použitého kartografického zobrazení. Protože se délkové zkreslení vzhledem k rozměrům sítě prakticky neprojevuje, nebyla tato redukce délek vůbec zaváděna. Přímo měřené délky byly pouze redukovány do nulového horizontu jednotným měřítkem 𝑚𝑟𝑒𝑑 = 0,99995298. Toto redukční měřítko bylo určeno podle: 𝑚𝑟𝑒𝑑 =

𝑅 , 𝑅+𝐻

(2.9)

kde 𝑅 je střední poloměr Země a 𝐻 je průměrná nadmořská výška lokality. Ta byla uvažována hodnotou 𝐻 = 300 𝑚. Převod GNSS vektorů do roviny zobrazení a s tím spojená transformace charakteristik přesnosti těchto vektorů jsou popsány v následujících kapitolách.

2.3

Převod GNSS vektorů do roviny zobrazení

Před samotným popisem převodu měřených GNSS vektorů do roviny Lambertova konformního kuželového zobrazení bude nejprve objasněn původ těchto dat. GNSS vektory měřené v prvních šesti etapách, tj. etapách jaro 2008 až podzim 2010, byly získány ve formě vstupních dávkových souborů pro samostatné vyrovnání vektorů programem GNU Gama. Tyto vstupní soubory jsem, spolu s průvodní technickou zprávou, obdržel od Ing. Tomáše Kubína, Ph.D. Autorem samostatného zpracování GNSS dat ze sítě Pražského hradu je Ing. Michal Seidl, Ph.D. Jelikož byly v roce 2010 ukončeny měřické práce prováděné v rámci zmíněného grantového projektu GAČR č. 103/07/1522, probíhalo zaměření dalších etap pouze nepravidelně. V roce 2011 tak nebylo v hradní síti provedeno žádné měření, jež by poskytlo návaznost na případné další kampaně. Na jaře roku 2012 bylo etapové měření v síti Pražského hradu částečně obnoveno (pouze terestrická měření). Etapa podzim 2012 byla již zaměřena kompletně (terestrická i družicová měření). Měřená GNSS data z etapy podzim 2012 jsem taktéž obdržel od Ing. Tomáše Kubína, Ph.D. a jsou výsledkem zpracování Ing. Michala Glöcknera. Data z této etapy byla k dispozici v podobě protokolů o výpočtu GNSS vektorů ve zpracovatelském programu Trimble Total Control.

18

ČVUT v Praze


Všechna zmíněná data z provedených GNSS observací, tj. vstupní dávkové soubory pro samostatné vyrovnání vektorů v etapách jaro 2008 až podzim 2010, výstupní textové soubory a dále protokoly o výpočtu vektorů v etapě podzim 2012, jsou uloženy na přiloženém CD. V souvislosti s provedenými měřeními je vhodné zmínit, že síť Pražského hradu byla od počátku budována s předpokladem nasazení technologie GNSS coby primární metody pro určení polohové složky sítě. Z toho důvodu bylo měření polygonových pořadů v roce 2009 (etapy jaro a podzim 2009) provedeno pouze částečně. V důsledku toho však nebylo možné polygonová měření samostatně zpracovat formou vyrovnání volné sítě. Navázání polygonových měření na GNSS vektory a jejich společné vyrovnání je tak nutnou podmínkou pro vyřešení těchto etap. Od tohoto způsobu zpracování však bylo v dalších etapách upuštěno. Kompletní převod měřených GNSS vektorů do roviny zobrazení byl proveden podle následujícího postupu: ∙ ze vstupních dávkových souborů pro samostatné vyrovnání vektorů byly získány přibližné pravoúhlé prostorové souřadnice 𝑋, 𝑌, 𝑍 všech bodů v systému WGS84 (zadány jako opěrné body), ∙ k přibližným souřadnicím počátečního bodu vektoru byl přičten měřený vektor, tím byly určeny souřadnice 𝑋, 𝑌, 𝑍 koncového bodu vektoru, ∙ prostorové pravoúhlé souřadnice 𝑋, 𝑌, 𝑍 počátečního a koncového bodu vektoru byly převedeny na geodetické zeměpisné souřadnice 𝐵, 𝐿, 𝐻 podle vztahů uvedených v kapitole 2.3.1, ∙ souřadnice 𝐵, 𝐿 byly pomocí zobrazovacích rovnic 2.1 až 2.8 převedeny na pravoúhlé rovinné souřadnice Lambertova konformního kuželového zobrazení, jako třetí souřadnice bodu byla ponechána elipsoidická výška 𝐻, ∙ rozdílem zobrazených souřadnic počátečního a koncového bodu byly získány souřadnice vektoru v rovině zobrazení, třetí souřadnicí vektoru je rozdíl elipsoidických výšek ∙ plná kovarianční matice vektoru v systému WGS84 byla transformována na kovarianční matici popisující přesnost vektoru v rovině zobrazení, tato transformace je podrobně popsána v kapitole 2.4.2.

19

ČVUT v Praze

2.3.1


Transformace mezi (𝑋, 𝑌, 𝑍) a (𝐵, 𝐿, 𝐻)

Souřadnicemi 𝑋, 𝑌, 𝑍 jsou pro účel této kapitoly míněny prostorové pravoúhlé souřadnice bodu na rotačním elipsoidu. Počátek prostorové pravoúhlé soustavy je ve středu rotačního elipsoidu, osa 𝑍 v ose rotace, osa 𝑋 v průsečíku roviny rovníku s rovinou nultého poledníku a osa 𝑌 v rovině rovníku doplňuje systém na pravoúhlý pravotočivý. Souřadnicemi 𝐵, 𝐿, 𝐻 jsou potom geodetické zeměpisné souřadnice bodu na elipsoidu, resp. ve výšce 𝐻 nad elipsoidem. Odvození vztahu mezi prostorovými pravoúhlými souřadnicemi a geodetickými zeměpisnými souřadnicemi lze nalézt např. v [9]. Konečné vztahy mají tvar: ⎛

𝑋

⎞

⎜ ⎜ ⎜𝑌 ⎝

⎟ ⎟ ⎟ ⎠

𝑍

⎛

⎞

(𝑁 + 𝐻) · cos 𝐵 · cos 𝐿

⎟ ⎟

⎜ ⎜

= ⎜ (𝑁 + 𝐻) · cos 𝐵 · sin 𝐿 ⎟ , ⎠ ⎝

(2.10)

[𝑁 · (1 − 𝑒2 ) + 𝐻] · sin 𝐵

kde 𝐵 je geodetická šířka, 𝐿 je geodetická délka, 𝐻 je výška bodu nad elipsoidem √ (ve směru normály k elipsoidu), 𝑁 = 𝑎/ 1 − 𝑒2 · sin2 𝐵 je příčný poloměr křivosti (poloměr křivosti v prvním vertikálu1 ), 𝑒 =

√︁

(𝑎2 − 𝑏2 )/𝑎2 je první excentricita

referenčního elipsoidu s hlavní poloosou 𝑎 a vedlejší poloosou 𝑏. V případě transformace z (𝑋, 𝑌, 𝑍) do (𝐵, 𝐿, 𝐻) je geodetická délka dána výrazem: 𝑌 tan 𝐿 = (2.11) 𝑋 √ Zavedeme nyní pomocnou substituci 𝐷 = 𝑋 2 + 𝑌 2 . Souřadnice 𝐵 a 𝐻 jsou potom obvykle určovány iteračním postupem s volbou počáteční hodnoty 𝐵0 , např.: 1 𝑍 𝐵0 = arctan · 𝐷 1 − 𝑒2 (︂

)︂

(2.12)

V 𝑖-té iteraci jsou souřadnice dále zpřesňovány podle vztahů: 𝑎 𝑁𝑖 = √︁ 1 − 𝑒2 · sin2 𝐵𝑖−1 𝐻𝑖 = [︃

𝐷 − 𝑁𝑖 cos 𝐵𝑖−1

𝑍 𝑁𝑖 𝐵𝑖 = arctan · 1 − 𝑒2 · 𝐷 𝑁𝑖 + 𝐻𝑖 1

(2.13)

(︂

(2.14) )︂−1 ]︃

(2.15)

První vertikál je rovina kolmá k rovině poledníku a obsahující normálu elipsoidu v bodě.

20

ČVUT v Praze

2.3.2


Zobrazení (𝐵, 𝐿) do (𝑥, 𝑦)

Geodetické zeměpisné souřadnice (𝐵, 𝐿) počátečního a koncového bodu vektoru byly dále zobrazeny do pravoúhlého rovinného systému (𝑥, 𝑦) Lambertova konformního kuželového zobrazení. Výpočet rovinných souřadnic byl proveden pomocí programu PROJ.4, který byl spolu s příslušnými zobrazovacími rovnicemi podrobněji představen v kapitole 2.2. V detailních výstupech z tohoto programu byly pro jednotlivé body kontrolovány především hodnoty délkových zkreslení. Vzhledem k volbě zobrazení a relativně malému rozměru sítě se však délkové zkreslení neprojevuje ani pro body nejvíce vzdálené od základní nezkreslené rovnoběžky. Rozdílem souřadnic 𝑥, 𝑦 počátečního a koncového bodu vektoru byl získán vektor v rovině zobrazení. Pro účel společného vyrovnání polygonových měření s GNSS vektory programem GNU Gama je nutné zadat vektory obecně jako prostorové. Třetí souřadnicí vektoru je proto rozdíl elipsoidických výšek koncových bodů. Finálním úkolem při přípravě a předzpracování měřených dat bylo provést transformaci kovariančních matic měřených vektorů. Tomuto tématu je věnována následující kapitola.

2.4

Transformace kovarianční matice

GNSS vektory (dále jimi budou míněny pouze vektory určené technologií GPS) jsou produktem měření v globálním geocentrickém souřadnicovém systému WGS84. Výsledkem zpracování2 GNSS observací jsou kromě vektorů samotných i charakteristiky jejich přesnosti. Těmito charakteristikami jsou příslušné kovarianční matice vektorů. V případě prostorového vektoru je kovarianční maticí čtvercová matice rozměru 3 × 3, symetrická podle diagonály. Diagonální prvky matice (variance) popisují přesnost jednotlivých složek vektoru a kovariance vyjadřují jejich vzájemnou závislost. Kovarianční matice vzešlé ze zpracování GNSS observací přirozeně popisují přesnost vektorů v originálním souřadnicovém systému, tj. systému, v němž bylo měření uskutečněno. S převodem vektoru do jiného souřadnicového systému (např. kartografického zobrazení) je tedy nutně spjata i transformace kovarianční matice vektoru. 2

GNSS observace provedené v rámci etapového měření sítě Pražského hradu byly zpracovány

v programu Trimble Total Control.

21

ČVUT v Praze

2.4.1


Transformace kovarianční matice souřadnic

Uvažujme nyní dva kartézské systémy souřadnic, jejichž vzájemný vztah lze jednoznačně vyjádřit pomocí lineární prostorové transformace. Lineární konformní transformace v třírozměrném prostoru je dle [10] dána rovnicí: 𝑋 =𝜆·𝑅·𝑥+𝑇 ,

(2.16)

kde 𝑋, 𝑥 jsou vektory souřadnic v jedné a druhé soustavě, 𝜆 je měřítkový koeficient (u konformní transformace je stejný pro všechny osy soustavy), 𝑅 je matice prostorové rotace a 𝑇 je vektor translací v jednotlivých osách. Rozepsáním vektorů a matic dostane rovnice 2.16 tvar: ⎛

𝑋

⎞

⎜ ⎜ ⎜𝑌 ⎝

⎟ ⎟ ⎟ ⎠

𝑍

⎛

⎞ ⎛ ⎞

⎛

⎞

⎜ ⎜

⎟ ⎜ ⎟ ⎟ ⎜ ⎟

⎜ ⎜

⎟ ⎟

𝑟11 𝑟12 𝑟13

𝑇𝑋

𝑥

= 𝜆 · ⎜𝑟21 𝑟22 𝑟23 ⎟ · ⎜𝑦 ⎟ + ⎜ 𝑇𝑌 ⎟ ⎠ ⎠ ⎝ ⎠ ⎝ ⎝ 𝑇𝑍 𝑧 𝑟31 𝑟32 𝑟33

(2.17)

Jednotlivé složky 𝑟𝑖𝑗 ortogonální rotační matice 𝑅 získáme součinem tří matic 2.18 až 2.20 pro otočení kolem souřadnicových os o příslušné úhly 𝛼, 𝛽, 𝛾, přičemž záleží na pořadí, v jakém jsou elementární rotace kolem jednotlivých os aplikovány. ⎛

0

⎜ ⎜

cos 𝛼

1

𝑅𝑋 (𝛼) = ⎜0 ⎝

⎞

0

⎟ ⎟

sin 𝛼 ⎟ ⎠

(2.18)

0 − sin 𝛼 cos 𝛼

⎛

cos 𝛽 0 − sin 𝛽

⎜ ⎜

𝑅𝑌 (𝛽) = ⎜ 0 ⎝

1

sin 𝛽 0

⎛

cos 𝛾

⎞ ⎟ ⎟ ⎟ ⎠

0 cos 𝛽

⎞

sin 𝛾 0

⎟

⎜

⎟ 𝑅𝑍 (𝛾) = ⎜ ⎜− sin 𝛾 cos 𝛾 0⎟ ⎝ ⎠

0

(2.19)

0

(2.20)

1

Uvažujeme-li dále lineární transformaci shodnostní (𝜆 = 1), zapíšeme transformační rovnice ve tvaru: 𝑋 = 𝑟11 · 𝑥 + 𝑟12 · 𝑦 + 𝑟13 · 𝑧 + 𝑇𝑋 𝑌

= 𝑟21 · 𝑥 + 𝑟22 · 𝑦 + 𝑟23 · 𝑧 + 𝑇𝑌

(2.21)

𝑍 = 𝑟31 · 𝑥 + 𝑟32 · 𝑦 + 𝑟33 · 𝑧 + 𝑇𝑍 Lineární transformace nemá vliv na vnitřní vztahy v síti, translaci a otočení lze tedy považovat za bezchybné. Pak za použití transformačních rovnic 2.21 a obecného

22

ČVUT v Praze


zákona hromadění směrodatných odchylek můžeme odvodit vztah pro transformaci kovarianční matice 𝑀𝑥 na 𝑀𝑋 : 𝑀𝑋 = 𝐴𝑥 · 𝑀𝑥 · 𝐴𝑇𝑥 ,

(2.22)

kde 𝑀𝑋 je výsledná kovarianční matice souřadnic v cílové soustavě, 𝑀𝑥 je kovarianční matice souřadnic 𝑛 bodů ve výchozí soustavě: ⎛

𝜎2 ⎜ 𝑥1 ⎜ ⎜ 𝐶 𝑥1 𝑦1 ⎜ 𝑀𝑥 =

⎜ ⎜ 𝐶 𝑥1 𝑧 1 ⎜ ⎜ . ⎜ .. ⎜ ⎜ ⎜ ⎜𝐶𝑥1 𝑥𝑛 ⎜ ⎜ ⎜ 𝐶 𝑥1 𝑦𝑛 ⎝

⎞

𝐶 𝑥1 𝑦1 𝐶 𝑥1 𝑧 1 · · · 𝐶 𝑥1 𝑥𝑛 𝐶 𝑥1 𝑦𝑛 𝐶 𝑥1 𝑧 𝑛 ⎟ 𝜎𝑦21

𝐶𝑦1 𝑧1 · · · 𝐶𝑦1 𝑥𝑛 𝜎𝑧21 .. .

𝐶 𝑦1 𝑧 1 .. .

𝐶 𝑦1 𝑦𝑛

· · · 𝐶 𝑧 1 𝑥𝑛 .. ... .

⎟ ⎟

𝐶 𝑧 1 𝑦𝑛 .. .

𝜎𝑥2𝑛

𝐶𝑦1 𝑥𝑛 𝐶𝑧1 𝑥𝑛 · · ·

𝐶𝑦1 𝑧𝑛 ⎟ ⎟ 𝐶 𝑧1 𝑧𝑛 ⎟ ⎟ .. ⎟ . ⎟ ⎟

𝐶𝑥𝑛 𝑦𝑛 𝜎𝑦2𝑛

𝐶𝑦1 𝑦𝑛 𝐶𝑧1 𝑦𝑛 · · · 𝐶𝑥𝑛 𝑦𝑛

(2.23)

⎟ 𝐶 𝑥𝑛 𝑧 𝑛 ⎟ ⎟ ⎟ ⎟ 𝐶𝑦𝑛 𝑧𝑛 ⎟ ⎠

𝜎𝑧2𝑛

𝐶𝑥1 𝑧𝑛 𝐶𝑦1 𝑧𝑛 𝐶𝑧1 𝑧𝑛 · · · 𝐶𝑥𝑛 𝑧𝑛 𝐶𝑦𝑛 𝑧𝑛

a 𝐴𝑥 je matice parciálních derivací transformačních vztahů podle jednotlivých souřadnic:

⎛

𝜕𝑋1 ⎜ 𝜕𝑥1 ⎜ 𝜕𝑌1 ⎜ ⎜ 𝜕𝑥1 ⎜ 𝜕𝑍1 ⎜ ⎜ 𝜕𝑥1

𝐴𝑥 =

⎜ . ⎜ .. ⎜ ⎜ ⎜ 𝜕𝑋𝑛 ⎜ 𝜕𝑥1 ⎜ ⎜ 𝜕𝑌𝑛 ⎜ 𝜕𝑥 ⎝ 1 𝜕𝑍𝑛 𝜕𝑥1

𝜕𝑋1 𝜕𝑦1 𝜕𝑌1 𝜕𝑦1 𝜕𝑍1 𝜕𝑦1

𝜕𝑋1 𝜕𝑧1 𝜕𝑌1 𝜕𝑧1 𝜕𝑍1 𝜕𝑧1

.. .

.. .

𝜕𝑋𝑛 𝜕𝑦1 𝜕𝑌𝑛 𝜕𝑦1 𝜕𝑍𝑛 𝜕𝑦1

𝜕𝑋𝑛 𝜕𝑧1 𝜕𝑌𝑛 𝜕𝑧1 𝜕𝑍𝑛 𝜕𝑧1

··· ··· ··· .. . ··· ··· ···

𝜕𝑋1 𝜕𝑥𝑛 𝜕𝑌1 𝜕𝑥𝑛 𝜕𝑍1 𝜕𝑥𝑛

.. .

𝜕𝑋1 𝜕𝑧𝑛 ⎟ 𝜕𝑌1 ⎟ ⎟ 𝜕𝑧𝑛 ⎟ 𝜕𝑍1 ⎟ ⎟ 𝜕𝑧𝑛 ⎟

𝜕𝑋𝑛 𝜕𝑦𝑛 𝜕𝑌𝑛 𝜕𝑦𝑛 𝜕𝑍𝑛 𝜕𝑦𝑛

⎟ 𝜕𝑋𝑛 ⎟ 𝜕𝑧𝑛 ⎟ ⎟ 𝜕𝑌𝑛 ⎟ ⎟ 𝜕𝑧𝑛 ⎠

.. .

𝜕𝑋𝑛 𝜕𝑥𝑛 𝜕𝑌𝑛 𝜕𝑥𝑛 𝜕𝑍𝑛 𝜕𝑥𝑛

⎞

𝜕𝑋1 𝜕𝑦𝑛 𝜕𝑌1 𝜕𝑦𝑛 𝜕𝑍1 𝜕𝑦𝑛

.. ⎟ . ⎟ ⎟

(2.24)

𝜕𝑍𝑛 𝜕𝑧𝑛

Po provedení derivací dostáváme: ⎛

𝑟 𝑟12 𝑟13 · · · ⎜ 11

𝐴𝑥 =

⎜ ⎜𝑟21 ⎜ ⎜ ⎜𝑟31 ⎜ ⎜ . ⎜ .. ⎜ ⎜ ⎜ ⎜ 0 ⎜ ⎜ ⎜ 0 ⎝

0

𝑟22 𝑟23 · · · 𝑟32 𝑟33 · · · .. .. . . . . .

0

0

0

0

0 .. .

0 .. .

⎞

0⎟ ⎟ 0⎟ ⎟

⎟ 0⎟ ⎟ .. ⎟ . ⎟ ⎟ ⎟ 𝑟13 ⎟ ⎟ ⎟ ⎟ 𝑟23 ⎟ ⎠

0

0

· · · 𝑟11 𝑟12

0

0

· · · 𝑟21 𝑟22

0

0

· · · 𝑟31 𝑟32 𝑟33

⎛

⎞

⎜𝑅 0 · · · 0 ⎟ ⎜ ⎟ ⎜0 𝑅 ··· 0⎟ ⎜ ⎟ =⎜ .. . . .. ⎟ ⎜ .. . .⎟ . ⎜. ⎟ ⎝

0

0 ··· 𝑅

(2.25)

⎠

Matice derivací 𝐴𝑥 vstupující do obecného zákona hromadění směrodatných odchylek je tedy složena z diagonálně řazených rotačních matic a doplněna nulovými čtvercovými maticemi stejného rozměru jako matice 𝑅.

23

ČVUT v Praze


Vzhledem k tvaru matice derivací 𝐴𝑥 by se mohla transformace jednotlivých řádků jevit jako nezávislá. Jak je však zdůrazněno v [11], při obecném tvaru kovarianční matice 𝑀𝑥 původních 𝑛 bodů tomu tak není a je tedy nutné transformovat celou kovarianční matici jako jeden celek. Odvození lze snadno degradovat i na případnou lineární transformaci v rovině. Výsledné vztahy zůstanou v principu zachovány.

2.4.2

Transformace kovarianční matice GNSS vektoru

Exaktní způsob GNSS vektory byly pro účel společného vyrovnání s terestrickými měřeními převedeny do Lambertova konformního kuželového zobrazení. Protože vztah mezi souřadnicovým systémem WGS84 a systémem kartografického zobrazení obecně nelze vyjádřit lineární transformací, nemůže být použit k exaktnímu řešení transformace kovarianční matice GNSS vektoru postup popsaný v kapitole 2.4.1. Jak vyplývá z kapitoly 2.3, provedený postup převodu GNSS vektorů do roviny zobrazení lze schematicky vyjádřit následovně: (𝑋, 𝑌, 𝑍) → (𝐵, 𝐿, 𝐻) → (𝑥, 𝑦, 𝐻)

(2.26)

Transformaci prostorových pravoúhlých souřadnic (𝑋, 𝑌, 𝑍) do geodetických zeměpisných souřadnic (𝐵, 𝐿, 𝐻) provedeme iteračním postupem, zatímco opačný převod lze vyjádřit přesně analyticky podle rovnic 2.10. K zobrazení geodetických souřadnic (𝐵, 𝐿) do pravoúhlých rovinných souřadnic (𝑥, 𝑦) Lambertova konformního kuželového zobrazení využijeme zobrazovací rovnice. Transformaci kovarianční matice vektoru bychom exaktně řešili postupnou aplikací obecného zákona hromadění směrodatných odchylek. V prvním kroku bychom sestavili matici parciálních derivací přímých analytických vztahů 2.10. Do zákona hromadění směrodatných odchylek by poté vstupovala inverze této matice. Výsledkem je kovarianční matice vektoru vyjádřeného geodetickými souřadnicemi 𝐵, 𝐿, 𝐻 (resp. jejich rozdílem). První krok lze zapsat v maticovém tvaru: 𝛴𝐵𝐿𝐻 = 𝐴−1 · 𝛴𝑋𝑌𝑍 · (𝐴−1 )𝑇 ,

(2.27)

kde 𝛴𝐵𝐿𝐻 je kovarianční matice vektoru vyjádřeného geodetickými souřadnicemi 𝐵, 𝐿, 𝐻, 𝐴 je matice parciálních derivací funkčních vztahů 2.10 podle jednotlivých

24

ČVUT v Praze


souřadnic 𝐵, 𝐿, 𝐻 a 𝛴𝑋𝑌𝑍 je vstupní kovarianční matice vektoru v systému souřadnic 𝑋, 𝑌, 𝑍. V druhém kroku bychom sestavili matici parciálních derivací zobrazovacích rovnic, která by, spolu s výslednou kovarianční maticí 𝛴𝐵𝐿𝐻 z prvního kroku, vstupovala do dalšího zákona hromadění směrodatných odchylek. Výsledkem je nyní požadovaná kovarianční matice vektoru vyjádřeného pravoúhlými rovinnými souřadnicemi 𝑥, 𝑦 a z formálních důvodů zachovanou elipsoidickou výškou 𝐻 (resp. jejich rozdílem). Tento druhý krok lze opět maticově zapsat: 𝛴𝑥𝑦𝐻 = 𝐵 · 𝛴𝐵𝐿𝐻 · 𝐵 𝑇 ,

(2.28)

kde 𝛴𝑥𝑦𝐻 je výsledná kovarianční matice vektoru vyjádřeného souřadnicemi 𝑥, 𝑦, 𝐻, 𝐵 je matice parciálních derivací zobrazovacích rovnic a 𝛴𝐵𝐿𝐻 je kovarianční matice vektoru vyjádřeného souřadnicemi 𝐵, 𝐿, 𝐻. K oběma krokům je nutné poznamenat, že parciálně derivovanými funkčními vztahy nejsou přímo vztahy mezi jednotlivými souřadnicemi, ale jejich rozdíly. To plyne ze skutečnosti, že transformujeme kovarianční matici vektoru, který je obecně dán rozdílem souřadnic svých koncových bodů. Jak uvádí [11], oba zmíněné kroky lze provést také současně. Se zachováním použitého označení matic bychom kompletní transformaci kovarianční matice vektoru zapsali: 𝛴𝑥𝑦𝐻 = 𝐵 · 𝐴−1 · 𝛴𝑋𝑌𝑍 · (𝐴−1 )𝑇 · 𝐵 𝑇

(2.29)

Tento exaktní postup transformace kovarianční matice vektoru bychom měli upřednostnit v případě, pokud by úvahy o reálné vstupní přesnosti byly dobře a spolehlivě známy. Algoritmizace zpracování GNSS observací pomocí některého z dostupných uživatelských programů je však do jisté míry firemním »know-how« a jak již bylo v některých pracích (např. [6]) zaznamenáno, deklarované přesnosti se v dalším zpracování často jeví jako velmi nadhodnocené. O použití přibližného či exaktního způsobu transformace kovarianční matice vektoru by mělo také rozhodovat, jak velký je rozdíl mezi výsledky obou metod. Takové srovnání nebylo v rámci této práce provedeno. Přibližný způsob Přibližný způsob transformace kovarianční matice vektoru je založen na úvaze, že nahradíme-li soustavu kartografického zobrazení (doplněnou údaji o elipsoidických

25

ČVUT v Praze


výškách) vhodně zvoleným kartézským pravoúhlým systémem E3, můžeme transformaci charakteristik přesnosti přibližně provést lineární transformací, tj. podle postupu popsaného v kapitole 2.4.1. Jak vyplývá z volby kartografického zobrazení (viz kapitola 2.2), počátek rovinného souřadnicového systému je na elipsoidu umístěn do bodu o geodetických souřadnicích 𝜆 = 0∘ a 𝜙 = 50,09∘ . Kladná poloosa +𝑥 rovinného systému směřuje k severu a poloosa +𝑦 k východu. Počátek pravoúhlého kartézského systému E3 však neztotožníme s počátkem pravoúhlého rovinného systému kartografického zobrazení, ale umístíme ho přibližně do středu lokality měření. Jako střed areálu Pražského hradu je uvažován bod 524 s geodetickými souřadnicemi 𝜆0 = 14,40∘ a 𝜙0 = 50,09∘ .

Z x z y B0

X

L0

Y

Obr. 2.2: Přibližný způsob transformace kovarianční matice vektoru S odkazem na obr. 2.2 odvodíme matici prostorové rotace následovně. Systém WGS84 nejprve otočíme kolem osy 𝑌 o úhel 𝛽 =

𝜋 2

− 𝜙0 v matematicky kladném

smyslu. Tím shodně orientujeme osu 𝑍 s osou 𝑧. Tento krok zapíšeme: [︂

𝑌 +

(︂

𝜋 − 𝜙0 2

26

)︂]︂

(2.30)

ČVUT v Praze


Dále provedeme rotaci kolem osy 𝑍 o úhel 𝛾 = 𝜆0 + 𝜋, opět v matematicky kladném smyslu (případně můžeme toto otočení provést v matematicky záporném smyslu o úhel 𝛾 = 𝜆0 − 𝜋). 𝑍 [+ (𝜆0 + 𝜋)]

(2.31)

Protože systém WGS84 je systém pravotočivý a lokální systém E3 je díky provedené volbě souřadnicových os systémem levotočivým, je posledním krokem zrcadlení osy 𝑌 podle roviny 𝑋𝑍. Úpravu zrcadlení vyjádříme následovně: ⎛

⎛ ⎞

𝑥

⎜ ⎟ ⎜ ⎟ ⎜𝑦 ⎟ ⎝ ⎠

𝑧

1

0

⎜ ⎜

0

⎞ ⎛

⎞

⎟ ⎜ ⎟ ⎜

⎟ ⎟

𝑋

= ⎜0 −1 0⎟ · ⎜ 𝑌 ⎟ ⎠ ⎝ ⎠ ⎝ 𝑍 0 0 1

(2.32)

Výslednou matici prostorové rotace 𝑅 zapíšeme pomocí dílčích rotací, avšak v opačném pořadí, než byly jednotlivé kroky aplikovány při odvození: ⎛

𝑅=

1

⎜ ⎜ ⎜0 ⎝

0

0 −1 0

0

⎞

⎟ ⎟ · 𝑅𝑍 0⎟ ⎠

(𝜆0 + 𝜋) · 𝑅𝑌

(︂

𝜋 − 𝜙0 2

)︂

(2.33)

1

Přibližný způsob transformace kovarianční matice vektoru poté provedeme s využitím vztahu 2.22: 𝛴𝑥𝑦𝐻 ≈ 𝛴𝐸3 = 𝑅 · 𝛴𝑋𝑌𝑍 · 𝑅𝑇

(2.34)

Pro transformaci kovariančních matic GNSS vektorů byl pro účely této práce použit přibližný způsob.

27

ČVUT v Praze

3

3. VYROVNÁNÍ SÍTĚ

Vyrovnání sítě

V předchozí kapitole 2 byl objasněn postup, jakým byla všechna měřená data převedena do společné vztažné soustavy souřadnic. Na základě provedené úvahy nad volbou vztažné soustavy bylo vybráno Lambertovo konformní kuželové zobrazení. Potřebné úpravy dat se tak týkaly zejména GNSS vektorů a jejich kovariančních matic. Tato kapitola si v logické návaznosti klade za cíl popsat sestavení vstupních dávkových souborů pro společné vyrovnání programem GNU Gama a zhodnotit výsledky vyrovnání sítě v jednotlivých etapách.

3.1

GNU Gama

K vyrovnání měření byl použit program gama-local. GNU Gama je volně distribuovaný software, který slouží k vyrovnání geodetických sítí. V současné době program plně podporuje vyrovnání sítí v lokálním kartézském systému (tj. program gama-local). Vyrovnání v geocentrické souřadné soustavě je součástí nové vývojové větve a předpokládá užití matematického modelu vyrovnání na elipsoidu (program gama-g3). Na domovských stránkách projektu http://www.gnu.org/ software/gama/ jsou k dispozici odkazy ke stažení programu a dokumentace. Gama zpracovává příkazy v dávkovém XML souboru, jehož struktura je detailně popsána v dokumentaci k programu [12]. Zde bude zmíněna pouze základní struktura, která se týká vyrovnání vztažné polohové sítě. Kostrou každého vstupního dávkového souboru do programu gama-local je následující základní struktura:
angles = "right-handed">

<description> ... <parameters sigma-apr = "1" conf-pr

= "0.95"

tol-abs

= "1000"

sigma-act = "apriori" /> <points-observations> ...

28

ČVUT v Praze


Párový tag obsahuje jediný párový tag , který dále obsahuje údaje definující síť. Definice sítě je uvnitř tagu popisována ve třech různých sekcích: ∙ <description> ∙ <parameters /> ∙ <points-observations> Sekce <description> a <parameters /> jsou volitelné, zatímco povinně uváděnou sekcí je <points-observations>. Tyto tři sekce mohou být v rámci tagu uvedeny v libovolném pořadí. Tag může být dále specifikován dvěma volitelnými atributy, axes-xy a angles. Tyto atributy popisují orientaci os pravoúhlého souřadnicového systému a orientaci měřených úhlů (směrů). V sekci <description> se uvádí pouze údaje informativního významu, které nijak neovlivňují proces vyrovnání, např. popis sítě, komentáře atd. V sekci <parameters /> se nastavují parametry vyrovnání a prováděných statistických analýz, tj. apriorní jednotková směrodatná odchylka, konfidenční pravděpodobnost, tolerance pro identifikování vybočujících absolutních členů v rovnicích oprav, aktuálně používaná jednotková směrodatná odchylka. Do párového tagu <points-observations> se konečně zapisují definice bodů sítě a měřené hodnoty včetně jejich apriorních přesností. Volitelnými atributy lze v tomto tagu definovat implicitní směrodatné odchylky pro jednotlivé typy měřených veličin. Jejich hodnoty se zadávají v mm, resp. desetinách mgon (grádových vteřinách). ∙ – směrodatná odchylka vodorovného směru ∙ – směrodatná odchylka zenitového úhlu ∙ – směrodatná odchylka délky Body sítě se definují pomocí nepárového tagu <point /> s těmito atributy: ∙ id=”...” – číslo bodu ∙ x=”...” y=”...” z=”...” – souřadnice bodu ∙ fix=”...” – specifikuje, které souřadnice jsou při vyrovnání pevné ∙ adj=”...” – určuje, které souřadnice mají být vyrovnány (určované neznámé parametry)

29

ČVUT v Praze


Přípustnými hodnotami atributu adj=”...” jsou xy, XY, z, Z, xyz, XYZ, xyZ a XYz. Souřadnice označené velkým písmenem značí tzv. opěrné body (constrained coordinates). V klasických řešeních volných geodetických sítí je sadou opěrných bodů zaváděna regularizující podmínka: ∑︁

(𝑑𝑥2𝑖 + 𝑑𝑦𝑖2 ) = min.

(3.1)

kde 𝑑𝑥 a 𝑑𝑦 jsou vyrovnané souřadnicové opravy 𝑖-tého opěrného bodu. Jinými slovy, sada opěrných bodů udává ve vyrovnání tvar a rozměr sítě, která je současně umístěna na přibližné souřadnice opěrných bodů pomocí Helmertovy transformace. Párový tag sdružuje již samotná měření a je typicky užíván pro zápis veškerých hodnot měřených v rámci jedné osnovy směrů. Může tedy obsahovat: ∙ – vodorovný směr ∙ – vodorovný úhel ∙ – vodorovná délka ∙ <s-distance .../> – šikmá délka ∙ – zenitový úhel Požadujeme-li měřeným veličinám stejného typu zadat obecně různou přesnost, je nutné tak učinit explicitně pomocí příkazu stdev=”...”, který zapíšeme za příslušné měření. Dalším důležitým typem měření, které lze programem GNU Gama zpracovat, jsou vektory (souřadnicové rozdíly). Vektory se zapisují do párového tagu a jejich přesnost se vyjadřuje kovarianční maticí. Vektory je nutné zadat vždy jako trojrozměrné. Příkladem může být zápis: 4.28

0.82

1.16

4.58

8.01 64.07

30

ČVUT v Praze

3.2


Sestavení vstupních dávkových souborů

Pro každou z osmi zaměřených etap byl sestaven vstupní dávkový soubor pro vyrovnání programem GNU Gama. Struktura těchto vstupních souborů se řídí definicí jazyka XML, v němž jsou data zadávána pomocí párových a nepárových tagů, jak bylo podrobněji ukázáno v předchozí kapitole 3.1. V této fázi zpracování jsou již veškeré měřené veličiny převedeny do společné vztažné soustavy souřadnic, tj. Lambertova konformního kuželového zobrazení. Zrekapitulujme nyní, jakými úpravami jednotlivé typy měřených veličin prošly: ∙ vodorovné délky – redukce délek z kartografického zobrazení nebyla zavedena (vzhledem k volbě zobrazení a rozměru sítě se délkové zkreslení prakticky neprojevuje), všechny délky v síti pouze redukovány do nulového horizontu jednotným měřítkem 𝑚𝑟𝑒𝑑 = 0, 99995298; ∙ vodorovné směry – žádné redukce nebyly zavedeny, vzhledem k vlastnostem zvoleného zobrazení nedochází k úhlovému zkreslení; ∙ GNSS vektory – geodetické zeměpisné souřadnice 𝐵, 𝐿 koncových bodů vektorů byly převedeny pomocí zobrazovacích rovnic do roviny kartografického zobrazení, třetí souřadnice (elipsoidická výška 𝐻) bodů byla zachována; kovarianční matice vektorů transformovány do roviny zobrazení přibližným způsobem. Kovariančním maticím vektorů byla při zpracování obecně věnována vysoká pozornost, neboť jak jsem již v předchozím textu zmínil, v několika pracích bylo zaznamenáno nadhodnocení přesnosti GNSS vektorů. Příkladem může být práce [6] nebo i komplexní zpracování GNSS dat provedené pracovníky Katedry speciální geodézie v rámci řešení grantového projektu. Pro zpracování GNSS observací jsou na Katedře speciální geodézie standardně užívanými nástroji programy Trimble Total Control a Leica Geo Office. Od pana Ing. Tomáše Kubína, Ph.D. jsem obdržel testovací výpočty, v nichž byl zjišťován nejoptimálnější násobek kovarianční matice vektoru podle velikosti aposteriorní jednotkové směrodatné odchylky a podle průměrné polohové chyby na určovaných bodech. Na základě těchto testů bylo empiricky zjištěno, že optimálním násobkem směrodatných odchylek jednotlivých složek vektoru je konstanta 3 (platí pro vektory zpracované programem Trimble Total Control). Při vyšších násobcích aposteriorní jednotková směrodatná odchylka dále klesá a proto je nutné se současně orientovat i podle vývoje průměrné polohové chyby.

31

ČVUT v Praze


Závěrem je, že do společného vyrovnání vstupovaly vektory s přesností třikrát zhoršenou oproti původnímu apriornímu odhadu vzešlému ze zpracování programem Trimble Total Control. Požadujeme-li však směrodatné odchylky zvětšit třikrát, je nutné původní kovarianční matici vynásobit devíti. Finální postup úpravy kovariančních matic tedy zahrnoval jejich transformaci do roviny zobrazení přibližným způsobem a následné vynásobení konstantou 9. Takto upravené kovarianční matice vektorů poté vstupovaly do společného vyrovnání GNSS vektorů s polygonovými měřeními. Přesnosti ostatních měřených veličin byly pro účel vyrovnání uvažovány následovně: ∙ směrodatná odchylka vodorovné délky 𝜎𝑑 = 1 mm pro etapy 2008j, 2008p, 2010j, 2010p ∙ směrodatná odchylka vodorovné délky 𝜎𝑑 = 2 mm pro etapy 2009j, 2009p, 2012j, 2012p ∙ směrodatná odchylka vodorovné směru 𝜎𝜓 = 0, 6 mgon pro všechny etapy Tyto směrodatné odchylky jsou chápány a užity ve smyslu normy ČSN ISO 17123-4 (část Elektronické dálkoměry) a ČSN ISO 17123-3 (část Teodolity). Užití různých hodnot směrodatné odchylky délky plyne ze skutečnosti, že příslušné etapy byly zaměřeny různými přístroji, tj. přístrojem Trimble S6 HP s výrobcem udávanou hodnotou 𝜎𝑑 = 1 mm + 1 ppm, resp. přístrojem Topcon GPT-7501 s hodnotou 𝜎𝑑 = 2 mm + 2 ppm. Obousměrně měřené délky stran polygonových pořadů byly do vyrovnání zadávány pouze jednou, a sice svojí průměrnou hodnotou. Apriorní jednotková směrodatná odchylka byla ve všech etapách zvolena 𝜎0 = 1. Tato směrodatná odchylka byla užita k výpočtu aposteriorních odhadů přesností vyrovnaných neznámých a při statistických testech prováděných programem GNU Gama. Statistické testy byly prováděny na hladině významnosti 𝛼 = 1 % (tomu odpovídá volba konfidenční pravděpodobnosti 0, 99). Poslední důležitou volbou před samotným vyrovnáním volné geodetické sítě je volba způsobu umístění sítě do prostoru. U volné sítě jsou všechny souřadnice považovány za neznámé, síť tedy není umístěna do prostoru a matice normálních rovnic je singulární. Singularitu systému normálních rovnic lze řešit doplněním dodatečných informací do výpočtu, nebo zvolením dostatečného počtu souřadnic, které budou

32

ČVUT v Praze


z výpočtu vyřazeny a považovány za pevné, a nebo inverzi singulární matice řešit pomocí pseudoinverze. Všechny varianty jsou podrobně popsány v [11]. Obecně platí, že volná geodetická síť musí být do prostoru umístěna minimálním počtem podmínek. V případě nadbytečného počtu by došlo k její deformaci vlivem přizpůsobení se podmínkám umístění. Aby nedošlo ke zkreslení tvaru sítě, je nutné její umístění definovat lineární transformací. U přesných inženýrsko-geodetických sítí tedy připadá v úvahu pouze transformace shodnostní nebo podobnostní. Lineární transformace v rovině je definována maximálně čtyřmi transformačními parametry (změna měřítka, otočení, dva posuny). Z toho vyplývá, že rovinnou síť je možné do prostoru umístit maximálně čtyřmi podmínkami. V závislosti na měřených veličinách v síti se některé transformační parametry nemusejí uplatnit a počet podmínek umístění sítě do prostoru klesá. V našem případě jsou měřenými veličinami v síti vodorovné délky, vodorovné směry a GNSS vektory. Vodorovné délky definují měřítko a tedy rozměr sítě. Měřítkový koeficient se proto neuplatní. Měřenými vektory je navíc udána i orientace sítě, parametr stočení se tedy také neuplatní. Zbývají dvě podmínky umístění takové sítě do prostoru. Jako vhodný způsob dodefinování těchto dvou zbývajících podmínek se nabízí fixace souřadnic právě jednoho bodu sítě. Tím je celá síť jednoznačně umístěna do prostoru a systém normálních rovnic regularizován. Jedná se tedy o volbu umístění pomocí fixování souřadnic podmínkami. Ve všech etapách kromě etapy jaro 2012 byl fixovaným bodem hloubkový geotechnický vrt TV01, který se nachází před budovou FSv ČVUT a je tak značně vzdálen od primárně sledované oblasti. V síti Pražského hradu plní tento bod funkci referenční stanice při GNSS observacích. Fixovanými souřadnicemi jsou lokální rovinné souřadnice 𝑥101 = 5000 m a 𝑦101 = 1000 m. Jedinou etapou, která byla při vyrovnání umístěna do prostoru jiným způsobem, je etapa jaro 2012. V této etapě nebylo provedeno žádné GNSS měření a bod TV01 tedy není součástí sítě. Zároveň však bylo požadavkem, aby všechny body sítě v areálu Pražského hradu byly body určovanými. Fixace souřadnic jiného bodu proto neposkytovala uspokojující řešení. Síť byla v této etapě umístěna na 14 opěrných bodů pomocí Helmertovy transformace, při níž je zaváděna regularizující podmínka 3.1. Za přibližné souřadnice sady opěrných bodů byly považovány vyrovnané souřadnice z řešení etapy podzim 2012. Všechny vstupní dávkové XML soubory do programu gama-local jsou uloženy na přiloženém CD.

33

ČVUT v Praze

3.3


Základní parametry vyrovnání etap

Základní parametry vyrovnání sítě jsou shrnuty v následujícím seznamu. Zde si lze také snadno udělat přehled o rozsahu provedených měření v jednotlivých etapách. Parametry jsou převzaty z výstupních protokolů o výpočtu vyrovnání programem GNU Gama. Tyto protokoly jsou v podobě textových a XML souborů uloženy na přiloženém CD. Výstup ve formátu XML obsahuje mimo jiné i plné kovarianční matice vyrovnaných neznámých. V úvodní části protokolů je pro každou etapu uvedeno, která měření byla z výpočtu vyrovnání vyloučena. Tutéž informaci lze případně dohledat i v sekci <description> příslušného vstupního XML souboru.

Etapa jaro 2008 Základní parametry vyrovnání -------------------------------------Souřadnice xyz xy z Vyrovnané : 0 19 0 Opěrné * : 0 0 0 Pevné : 0 1 0 -------------------------------------Celkem : 0 20 0 Počet směrů Vodorovné délky Celkem pozorování

: 28 : 16 : 66

Počet rovnic oprav : 66 Počet nadbyt. pozorování: 16

Počet osnov

: 12

Počet neznámých: 50 Defekt sítě : 0

m0 apriorní : 1.00 m0’ aposteriorní: 0.78

Etapa podzim 2008 Základní parametry vyrovnání -------------------------------------Souřadnice xyz xy z Vyrovnané : 0 37 0 Opěrné * : 0 0 0 Pevné : 0 1 0 -------------------------------------Celkem : 0 38 0 Počet směrů Vodorovné délky Celkem pozorování

: 69 : 41 : 142


Počet osnov

:

28



34

ČVUT v Praze



: 33 : 33 : 104


Počet osnov

: 15




: 30 : 31 : 133


Počet osnov

: 14




: 92 : 45 : 221


Počet osnov

:

40



35

ČVUT v Praze



: 84 : 44 : 232


Počet osnov

:

35




: 73 : 41 : 114


Počet osnov

:

31




: 86 : 43 : 165


Počet osnov

:

36



36

ČVUT v Praze

3.4


Test aposteriorní směrodatné odchylky

Po výpočtu vyrovnání je vždy důležité provést zhodnocení kvality výsledku a vstupujících hodnot. K tomu slouží zejména testování aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 . Ta je základní charakteristikou globální kvality výsledku vyrovnání a je třeba ji vždy posuzovat ve vztahu k apriorní směrodatné odchylce jednotkové 𝜎0 . Testujeme hypotézu, že náhodný výběr s výběrovou směrodatnou odchylkou 𝜎 ^0 je proveden ze základního souboru se směrodatnou odchylkou 𝜎0 . Nulovou hypotézou 𝐻0 , resp. alternativní hypotézou 𝐻1 je: 𝐻0 : 𝜎𝑧𝑎𝑘𝑙𝑎𝑑. = 𝜎0

(3.2)

𝐻1 : 𝜎𝑧𝑎𝑘𝑙𝑎𝑑. ̸= 𝜎0

(3.3)

Testovací statistikou je veličina: 𝜒2 =

𝜏 ·𝜎 ^02 , 2 𝜎0

(3.4)

která má při platnosti 𝐻0 centrální 𝜒2 rozdělení pravděpodobností s 𝜏 stupni volnosti (při určování 𝜎 ^0 ). Pro zvolenou hladinu významnosti 𝛼 vyhledáme tabelované kritické hodnoty 𝜒2 rozdělení. Nulová hypotéza nebude zamítnuta v případě, platí-li nerovnost: √︃

𝜒21−𝛼/2,𝜏 𝜏

𝜎 ^0 ≤ ≤ 𝜎0

√︃

𝜒2𝛼/2,𝜏 𝜏

(3.5)

Splnění této nerovnosti lze interpretovat tak, že globální kvalita vzájemného souladu měření vyhovuje předpokladům učiněným volbou apriorních přesností (s rizikem odpovídajícím hladině významnosti, na níž byl test proveden). Jak uvádí [11], je-li kvalita podle tohoto testu vyhovující, k výpočtu kovarianční matice vyrovnaných neznámých by měla být užita apriorní směrodatná odchylka jednotková 𝜎0 . Další postupy hodnocení aposteriorní přesnosti vyrovnání MNČ jsou založeny na hodnocení velikosti oprav, hodnocení vlivu každého měření na kvalitu vyrovnání, případně na robustních metodách vyhledání hrubých chyb. V každém případě je však vhodné, bez ohledu na výsledek kritéria 3.5, zkontrolovat i kvalitu jednotlivých měření podle některé z uvedených metod hodnocení. Nejčastěji půjde o využití hodnocení velikosti oprav, kdy jsou hodnoty normovaných oprav porovnávány s příslušnou mezní hodnotou. Hodnocení velikosti normovaných oprav i výše uvedený test aposteriorní jednotkové směrodatné odchylky jsou již standardně obsaženy ve výpočtu vyrovnání programem gama-local.

37

ČVUT v Praze


V tabulce 3.1 jsou uvedeny hodnoty poměrů aposteriorních jednotkových směrodatných odchylek vzešlých z vyrovnání jednotlivých etap vůči apriorním jednotkovým směrodatným odchylkám a jejich příslušné intervaly spolehlivosti, které plynou z výpočtu testovacího kritéria 3.5. Tab. 3.1: Testování aposteriorních jednotkových směrodatných odchylek etapa

𝜎 ^0 /𝜎0

99%-ní interval

2008𝑗

0,784

⟨0,567; 1,463⟩

2008𝑝

1,052

⟨0,719; 1,292⟩

2009𝑗

1,057

⟨0,735; 1,275⟩

2009𝑝

0,863

⟨0,788; 1,219⟩

2010𝑗

0,937

⟨0,818; 1,187⟩

2010𝑝

0,891

⟨0,839; 1,164⟩

2012𝑗

0,941

⟨0,539; 1,496⟩

2012𝑝

0,804

⟨0,746; 1,264⟩

Z tabulky je zřejmé, že 99%-ní interval spolehlivosti obsahuje hodnotu poměru 𝜎 ^0 /𝜎0 ve všech případech vyrovnání etap. Současně platí, že maximální normovaná oprava v žádném řešeném souboru nepřekračuje příslušnou mezní hodnotu. Můžeme tedy učinit závěr, že přesnost měření v jednotlivých etapách lze považovat za odpovídající přesnosti předpokládané a vložené do vah. Z toho dále vyplývá, že kovarianční matice vyrovnaných neznámých budou určeny na základě apriorní směrodatné odchylky jednotkové 𝜎0 .

38

ČVUT v Praze

4

4. ROBUSTNÍ TRANSFORMACE

Robustní transformace

V předchozích kapitolách byl objasněn postup výpočtu a předzpracování dat získaných při etapových měřeních vztažné sítě Pražského hradu. Výsledkem dosavadního zpracování jsou soubory vyrovnaných polohových souřadnic bodů sítě a jejich směrodatné odchylky, resp. úplné kovarianční matice. Cílem dalšího zpracování bude vyhodnotit, zda došlo v jednotlivých etapách k vodorovným posunům bodů sítě. K tomuto úkolu byl navržen následující postup. Z dostupných etap měření zvolíme jednu, která bude dále považována za etapu základní. Základní etapou rozumíme etapu, k níž budou určované posuny vztahovány. Provedeme postupně transformaci všech ostatních etap do soustavy etapy základní, přičemž transformační klíč bude určován robustním vyrovnáním. Ve smyslu vyrovnání je při robustní transformaci sada identických bodů souborem měření, který díky předpokládaným posunům nepochází z normálního rozdělení pravděpodobností. Robustní metoda odhadu aplikovaná na určení transformačního klíče tedy identifikuje ty body, které se při výpočtu transformačních parametrů jeví jako odlehlé. Tyto body z původního souboru identických bodů vyloučíme. Tím pro jednotlivé robustní transformace získáme redukované soubory identických bodů, které mají obecně různý rozsah. K výpočtu definitivního transformačního klíče použijeme pouze ty body, které nejsou označeny jako odlehlé ani v jedné z robustních analýz. Výsledný soubor identických bodů by měl splňovat podmínku normality měřických dat a definitivní transformační klíč tedy určíme metodou nejmenších čtverců. Takto určený transformační klíč použijeme k transformaci všech bodů sítě v dané etapě do soustavy základní etapy. Z rozdílu souřadnic bodů v základní etapě a přetransformovaných souřadnic v dané řešené etapě určíme posuny, o jejichž průkaznosti rozhodneme na základě statistického testování. V následujícím textu budou jednotlivé kroky takto navrženého postupu podrobně popsány. Nejprve však bude stručně objasněna základní podstata metod robustního odhadu reálných parametrů.

4.1

O metodách robustního odhadu obecně

Každý proces měření geodetických veličin je přirozeně a nevyhnutelně ovlivňován působením chyb různého původu. Přítomnost těchto chyb má za následek vznik

39

ČVUT v Praze


nepřesnosti měření. Teoreticky je tedy možné nepřesnost měření vyjádřit rozdílem měřené a skutečné (pravé) hodnoty veličiny. Ačkoliv nelze žádným způsobem chyby z měřického procesu zcela odstranit, lze je kvalitním postupem zpracování efektivně potlačit a získat tak nejpravděpodobnější hodnotu výsledku. V mnoha oblastech inženýrské geodézie je běžné, že hodnoty měřených veličin jsou pořizovány opakovaně, v nadbytečném množství. Klasické postupy zpracování jsou pak zpravidla založeny na aplikaci metody nejmenších čtverců. Pro tu je ideálním (ne však nutným) předpokladem, že soubor měření je náhodným výběrem z normálního rozdělení pravděpodobností. Je-li tento předpoklad splněn, dává metoda nejmenších čtverců identické výsledky jako metoda maximální věrohodnosti a metoda nejlepšího nestranného odhadu [13]. Reálně je však předpoklad původu geodetických dat z normálního rozdělení těžko splnitelný. Měření je neustálým působením chyb kontaminováno odlehlými hodnotami a předpokládaný pravděpodobnostní model není správný. Jak uvádí [11] nebo [14], i malé odchylky od normálního rozdělení pravděpodobností mají značný vliv na kvalitu výsledku. Správná aplikace metody nejmenších čtverců je tedy často problematická právě díky velmi vysoké citlivosti metody na porušení podmínky normality dat. V případě výskytu odlehlých měření je proto nutné před vlastním vyrovnáním odlehlé hodnoty detekovat a z výpočtu vyrovnání vyloučit. Malý počet chybných měření lze pro tento účel odhalit statistickými testy odlehlých měření. Je-li kontaminace souboru měření odlehlými hodnotami vyšší, je nutné provést zpracování metodami méně citlivými k výskytu odlehlých hodnot. Takové metody jsou označovány jako robustní metody odhadu reálných parametrů. Přestávají-li být testy odlehlých hodnot účinné, je tedy nutné aplikovat robustní metody odhadu. To poprvé představil Huber (1964). Obecným principem robustních metod je, že v podmínce minimalizace sumy čtverců oprav nahrazují kvadráty nebo celou sumu vhodnějšími funkcemi [15]. Podle [11] nebo [16] existuje několik nejrozšířenějších tříd odhadů robustní statistiky a to M-odhady, L-odhady a R-odhady. M-odhady jsou odvozeny z metody maximální věrohodnosti (maximum-likelihood method) a pro praktické využití v řešení úloh geodézie mají největší význam. Odvození robustních metod odhadu reálného parametru jsou komplexně teoreticky podána zejména v zahraniční literatuře. Z nejznámějších autorů a jejich prací uvádím především Huber [17] a Koch [15].

40

ČVUT v Praze

4.2


Robustní M-odhady

Zde prezentované odvození lze nalézt v [11]. V principu se jedná o řešení minimalizační úlohy, kde základním vztahem je požadavek na maximální věrohodnost řešení daný výrazem: 𝑥 ^ = arg sup𝑥 𝐿(𝑙; 𝑥) ,

(4.1)

kde 𝑙 je náhodný vektor měření, 𝐿(𝑙; 𝑥) je pravděpodobnostní funkce a 𝑥 ^ je odhad neznámých parametrů. Má-li náhodný vektor pozorování 𝑙 hustotu pravděpodobnosti 𝑓 (𝑥), která závisí na neznámých a fixních parametrech 𝑥, pak pro pravděpodobnostní (věrohodnostní) funkci platí: 𝐿(𝑙; 𝑥) = 𝑓 (𝑥)

(4.2)

Lineární model úlohy zapíšeme ve tvaru: 𝐴·𝑥=𝑙+𝜀, ⎛

⎛

⎞

𝑇 ⎜𝑎1 ⎟

𝐴=

⎜ 𝑇⎟ ⎜𝑎 ⎟ ⎜ 2⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎝ ⎠

(4.3) ⎞

⎜ 𝑥1 ⎟

, 𝑥=

𝑎𝑇𝑛

⎜ ⎟ ⎜ 𝑥2 ⎟ ⎜ ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎝ ⎠

,

(4.4)

𝑥𝑢

kde 𝑥 je vektor neznámých parametrů, 𝑙 je vektor měření, 𝜀 je vektor skutečných chyb, 𝐴 je matice lineárních (linearizovaných) vztahů mezi měřením a neznámými parametry. Aby šlo o úlohu s vyrovnáním, musí platit, že počet měření 𝑛 je větší než počet neznámých 𝑢. Měření jsou vzájemně nezávislá. Rovnice pozorování pro měření 𝑙𝑖 má tvar: 𝑙𝑖 + 𝜀𝑖 = 𝑎𝑇𝑖 · 𝑥

(4.5)

Neznámé parametry ve vektoru 𝑥 jsou určovány metodou maximální věrohodnosti, jestliže hustota pravděpodobnosti 𝑝(𝑙𝑖 ) pozorování 𝑙𝑖 je úměrná funkci 𝑓 (𝑙𝑖 , 𝑥), tedy platí: 𝑝(𝑙𝑖 ) ∝ 𝑓 (𝑙𝑖 , 𝑥)

(4.6)

Hustota pravděpodobnosti 𝑝(𝑙) pro nezávislá měření je pak: 𝑝(𝑙) ∝

𝑛 ∏︁

𝑓 (𝑙𝑖 , 𝑥) = 𝑓 (𝑙1 , 𝑥) · 𝑓 (𝑙2 , 𝑥) · . . . · 𝑓 (𝑙𝑛 , 𝑥)

𝑖=1

41

(4.7)

ČVUT v Praze


Nutným předpokladem pro aplikaci metody maximální věrohodnosti je znalost rozdělení pravděpodobností. Předpokládáme dále, že měření mají normální rozdělení 𝑁 (𝐴 · 𝑥, 𝜎 2 · 𝐸). Pro pravděpodobnostní funkci potom platí: 𝐿(𝑙; 𝑥, 𝜎 2 ) =

𝑇 1 − 𝜀 2𝜀 2𝜎 · 𝑒 (2𝜋𝜎 2 )𝑛/2

(4.8)

Požadujeme maximalizovat věrohodnost (pravděpodobnost) odhadu. Úloha se tedy dále řeší diferenciací výrazu 4.8 podle neznámých 𝑥 a směrodatných odchylek 𝜎 2 a položením získaných výrazů rovných nule. Vzhledem k vlastnostem funkce normálního rozdělení i věrohodnostní funkce se však častěji derivuje logaritmus této funkce, což je z hlediska analytických výpočtů jednodušší. ln 𝐿(𝑙; 𝑥, 𝜎 2 ) = −

𝑛 𝑛 1 · ln (2𝜋) − 𝜎 2 − 2 · 𝜀𝑇 𝜀 2 2 2𝜎

(4.9)

Pro obdržení nejvěrohodnějšího odhadu tedy musíme maximalizovat výraz: 𝑛 ∏︁

ln

𝑓 (𝑙𝑖 , 𝑥)

(4.10)

𝑖=1

nebo minimalizovat

𝑛 ∑︁

−ln 𝑓 (𝑙𝑖 , 𝑥)

(4.11)

𝑖=1

Jsou-li měření náhodným výběrem z normálního rozdělení pravděpodobností, obdržíme řešení metody nejmenších čtverců, resp. nejlepšího nestranného odhadu. Neznámé parametry chceme určit metodou robustního odhadu, předpoklad normálního rozdělení měření tedy není splněn a odhadová funkce 4.11 musí být proto nahrazena funkcí vhodnější. Huber [17] pro výpočet tzv. M-odhadů zavádí odhadovou funkci 𝜌(𝑙𝑖 , 𝑔𝑖 (𝑥)), kde 𝑔𝑖 (𝑥) je funkce neznámých parametrů. Robustní odhad poté obdržíme minimalizací výrazu: 𝑛 ∑︁

𝜌(𝑙𝑖 , 𝑔𝑖 (𝑥))

(4.12)

𝑖=1

Derivace 𝜓(𝑙𝑖 , 𝑥) odhadové funkce 𝜌(𝑙𝑖 , 𝑔𝑖 (𝑥)): 𝜓(𝑙𝑖 , 𝑥) =

𝜕 𝜌(𝑙𝑖 , 𝑔𝑖 (𝑥)) 𝜕𝑔𝑖 (𝑥)

(4.13)

Odhad 𝑥 ^ neznámých parametrů 𝑥 získáme z výrazu: 𝑛 ∑︁ 𝑖=1

𝜓(𝑙𝑖 , 𝑥 ^)

𝜕𝑔𝑖 (^ 𝑥) = 0 pro 𝑘 ∈ {1, . . . , 𝑢} 𝜕 𝑥^𝑘

(4.14)

Robustní M-odhad nalezneme pomocí funkce 𝜓(𝑙𝑖 , 𝑥). Nutnou a postačující podmínkou pro robustnost odhadu je, aby funkce 𝜓(𝑙𝑖 , 𝑥) byla ohraničená, neboť tato funkce

42

ČVUT v Praze


je úměrná influenční funkci [18]. Influenční funkce popisuje efekt dalšího pozorování na odhad. Dále zavedeme pojem normované chyby, tj. podíl chyby a příslušné směrodatné odchylky měření: 𝑎𝑇𝑖 𝑥 − 𝑙𝑖 𝜀𝑖 = (4.15) 𝜎𝑖 𝜎𝑖 Odhadem skutečných chyb 𝜀𝑖 jsou opravy 𝑣𝑖 , normované opravy jsou poté defino𝜀^𝑖 =

vány: 𝑣^𝑖 =

^ − 𝑙𝑖 𝑣𝑖 𝑎𝑇𝑖 𝑥 = 𝜎𝑖 𝜎𝑖

(4.16)

Z toho plyne odhadová funkce: 𝜌(𝑙𝑖 , 𝑔𝑖 (𝑥) = 𝜌(^ 𝜀𝑖 )

(4.17)

Protože platí 𝑔𝑖 (^ 𝑥) = 𝑎𝑇𝑖 𝑥 ^, můžeme výpočet odhadu upravit na tvar: 𝑛 ∑︁

^ − 𝑙𝑖 𝑎𝑇𝑖 𝑥 𝜓 𝜎𝑖 𝑖=1

a dále:

(︃

𝑛 ∑︁

)︃

·

𝑎𝑖𝑘 = 0 pro 𝑘 ∈ {1, . . . , 𝑢} 𝜎𝑖

𝑎𝑖𝑘 𝑣𝑖 𝜓 · = 0 pro 𝑘 ∈ {1, . . . , 𝑢} 𝜎𝑖 𝜎𝑖 𝑖=1 (︂

(4.18)

)︂

(4.19)

Pro metodu MNČ zapíšeme hustotu pravděpodobnosti normálního rozdělení: (𝑥−𝐸(𝑥))2 𝜀2 1 1 𝜙(𝑥) = √ · 𝑒− 2𝜎2 , 𝜙(𝜀) = √ · 𝑒− 2𝜎2 𝜎 2𝜋 𝜎 2𝜋

(4.20)

Funkce 𝜌 (bez konstant, po aplikaci logaritmu): (︂

2

− 21 ( 𝜎𝜀 )

𝜌(𝜀) = ln 𝑒 Po derivaci:

(︂

𝜀 𝜎

𝜕

(︂ )︂

𝜓

=

− 12 𝜕

)︂

(︂ )︂2

1 𝜀 =− 2 𝜎

(4.21)

(︁ )︁2 )︂ 𝜀

1 𝜀 𝜀 =− ·2· =− 2 𝜎 𝜎

𝜎

(︁ )︁ 𝜀 𝜎

(4.22)

Minimalizační podmínku potom zapíšeme: 𝑛 ∑︁ 𝑖=1

−

𝑛 𝜀𝑖 𝑎𝑖𝑘 ∑︁ 𝜀𝑖 𝑎𝑖𝑘 · = · =0 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝑖=1 𝜎𝑖

(4.23)

Skutečné chyby nejsou známy a musí být tedy nahrazeny jejich odhadem – opravami. Řešení systému normálních rovnic metodou nejmenších čtverců je výpočetně jednoduché. Aby však bylo možné tento výpočet použít, je nutné normované opravy 𝑣^𝑖 formálně vynásobit korekčním koeficientem 𝑤𝑖 . Platí tedy: 𝑛 ∑︁

𝑛 𝑣𝑖 𝑎𝑖𝑘 ∑︁ 𝑣𝑖 𝑎𝑖𝑘 · = 𝑤𝑖 · · =0 𝜓 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝑖=1 𝑖=1

(︂

)︂

43

(4.24)

ČVUT v Praze


a odtud: 𝑣𝑖 𝑣𝑖 𝑣𝑖 𝑎𝑖𝑘 𝑣𝑖 𝑎𝑖𝑘 𝜓 = 𝑤𝑖 · · ⇒ 𝑤𝑖 = 𝜓 · / (4.25) 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝜎𝑖 𝜎𝑖 Korekční člen 𝑤𝑖 představuje určitou váhu měření 𝑙𝑖 a jeho velikost je závislá na (︂

(︂

)︂

)︂ (︂

)︂

velikosti normované opravy 𝑣^𝑖 , tedy 𝑤𝑖 = 𝑤𝑖 (𝑣𝑖 , 𝜎𝑖 ). Po zavedení korekčního členu můžeme psát: 𝑛 1 ∑︁ · 𝑤𝑖 · 𝑣𝑖 · 𝑎𝑖𝑘 = 0 pro 𝑘 ∈ {1, . . . , 𝑢} 𝜎 2 𝑖=1

(4.26)

Dále lze definovat diagonální váhovou matici 𝑊 : 𝑊 = diag(𝑤1 , . . . , 𝑤𝑛 )

(4.27)

a řešit normální rovnice ve tvaru: 𝐴𝑇 · 𝑊 · 𝐴 · 𝑥 ^ = 𝐴𝑇 · 𝑊 · 𝑙

(4.28)

Váhy 𝑤𝑖 závisí na opravách 𝑣𝑖 a tedy i na odhadu 𝑥 ^ neznámých parametrů 𝑥. Z toho plyne, že odhad musí být určován iterativně. Jako první aproximace 𝑥 ^(0) je zpravidla volen výsledek metody nejmenších čtverců. 𝑥 ^(0) = (𝐴𝑇 · 𝐴)−1 · 𝐴𝑇 · 𝑙

(4.29)

𝑥 ^(𝑚+1) = (𝐴𝑇 · 𝑊 (𝑚+1) · 𝐴)−1 · 𝐴𝑇 · 𝑊 (𝑚+1) · 𝑙 ,

(4.30)

Řešení v (𝑚 + 1)-ní iteraci:

kde ⎛

𝑊 (𝑚+1) =

(𝑚+1) diag(𝑤1 , . . . , 𝑤𝑛(𝑚+1) )

,

(𝑚+1) 𝑤𝑖

(𝑚)

⎞ ⎛

(𝑚)

⎞

𝑣 𝑣 = 𝜓 ⎝ 𝑖 ⎠ /⎝ 𝑖 ⎠ 𝜎𝑖 𝜎𝑖

(4.31)

a 𝑣 (𝑚) = 𝐴𝑇 · 𝑥 ^(𝑚) − 𝑙

(4.32)

Konvergence robustního odhadu 4.30 je dokázána v [17].

4.3

Huberův M-odhad

Jestliže jsou pozorování 𝑙𝑖 normálně rozdělena, lze funkci rozdělení pravděpodobnosti zapsat (bez uvážení konstantních členů): 𝜀2

𝑓 (𝜀) = 𝑒− 2

44

(4.33)

ČVUT v Praze


a odhadovou funkci:

𝜀2 2

(4.34)

𝜕𝜌(𝜀) =𝜀 𝜕𝜀

(4.35)

𝜓(𝜀) =1 𝜀

(4.36)

𝜌(𝜀) = Pro derivaci 𝜓(𝜀) odhadové funkce platí: 𝜓(𝜀) = a tedy váha 𝑤𝑖 = Místo výrazu 4.12 se pak minimalizuje:

𝑛 1 ∑︁ 𝜀2 2𝜎 2 𝑖=1 𝑖

(4.37)

Minimalizací tohoto výrazu obdržíme řešení nejlepšího nestranného odhadu, resp. metody nejmenších čtverců, resp. metody maximální věrohodnosti. Nejedná se o odhad robustní, neboť funkce funkce 𝜓(𝜀) = 𝜀 neohraničeně roste s rostoucím 𝜀. Váha 𝑤𝑖 = 1 je konstantní a odhad tedy získáme bez iterací, přímo ze vztahu 4.29.

Obr. 4.1: Odhad metodou nejmenších čtverců – tvar funkce 𝜓 Při odvození robustního odhadu vychází Huber [17] z normálního rozdělení náhodné veličiny. Jeho řešení je založeno na nahrazení okrajových částí funkce normálního rozdělení pravděpodobností Laplaceovým rozdělením (speciální formou exponenciálního rozdělení). Tím dojde k ohraničení vlivové funkce 𝜓(𝜀) a dosažení robustnosti odhadu. Takové řešení předpokládá větší pravděpodobnost výskytu odlehlých měření na okrajích rozdělení. Funkce hustoty pravděpodobnosti pro Huberův M-odhad je: 𝜀2

𝑓 (𝜀) = 𝑒− 2 𝑓 (𝜀) = 𝑒

−𝑐 |𝜀|+𝑐2 /2

45

pro

|𝜀| ≤ 𝑐

(4.38)

pro

|𝜀| > 𝑐 ,

(4.39)

ČVUT v Praze


kde 𝑐 je konstanta závisející na předpokládaném množství kontaminace měřených dat odlehlými hodnotami. Podle [17] se pro přibližně 4 % odlehlých měření volí 𝑐 = 1,5, pro méně než 1 % je stanoveno 𝑐 = 2,0. V obecném případě je konstanta 𝑐 zpravidla volena v tomto intervalu. Odhadová funkce má tvar: 𝜀2 2

pro

|𝜀| ≤ 𝑐

(4.40)

𝑐2 𝜌(𝜀) = 𝑐 |𝜀| − 2

pro

|𝜀| > 𝑐

(4.41)

𝜌(𝜀) =

Pro vlivovou funkci 𝜓 platí: 𝜓(𝜀) = 𝜀

pro

|𝜀| ≤ 𝑐

(4.42)

𝜀 𝜓(𝜀) = 𝑐 |𝜀|

pro

|𝜀| > 𝑐

(4.43)

Obr. 4.2: Huberův robustní M-odhad – tvar funkce 𝜓 Jak je zřejmé z obrázku 4.2, funkce 𝜓 je ohraničená, neboť pro |𝜀| > 𝑐 nabývá konstantní hodnoty. Huberův M-odhad je tedy robustním odhadem. Váhy se volí podle předpisu: (𝑚)

𝑤𝑖

(𝑚) 𝑤𝑖

=1 =

𝑐𝜎 (𝑚−1)

|𝑣𝑖

|

(𝑚−1)

pro

|𝑣𝑖

pro

(𝑚−1) |𝑣𝑖 |

| ≤ 𝑐𝜎 > 𝑐𝜎

(4.44) (4.45)

Toto odvození platí pouze pro případ, kdy jsou všechna měření stejně přesná. Jsouli zavedeny váhy měření, jak je v geodetických úlohách běžné, je zde uvedená váha (𝑚)

𝑤𝑖

násobný koeficient (tzv. robustní změna váhy), kterým se původní váha změní.

46

ČVUT v Praze


Koeficient 𝑐 v takovém případě slouží k hodnocení velikosti normované opravy 𝑣^𝑖 (viz 4.16), nikoliv opravy s libovolnou variancí. V tabulce 4.1 je uveden přehled funkcí užitých v Huberově M-odhadu, tj. odhadová funkce 𝜌(^ 𝑣 ), vlivová funkce 𝜓(^ 𝑣 ) a váhová funkce 𝑤(^ 𝑣 ). Funkce jsou již vyjádřeny v závislosti na normované opravě měření 𝑣^𝑖 4.16 a jsou proto zobecněním jim odpovídajících vztahů odvozených výše. Tab. 4.1: Huberův M-odhad – přehled funkcí (odhadová, vlivová, váhová) 𝜌(^ 𝑣) 1 2

𝑣^2

𝑐 |^ 𝑣 | − 12 𝑐2

𝜓(^ 𝑣)

𝑤(^ 𝑣)

velikost 𝑣^

𝑣^

1

|^ 𝑣| ≤ 𝑐

𝑐 · sign(^ 𝑣)

𝑐/|^ 𝑣|

|^ 𝑣| > 𝑐

Z tvaru váhové funkce 𝑤(^ 𝑣 ) lze vyvodit, že nepřesáhne-li hodnota normované opravy 𝑣^ stanovený interval ⟨−𝑐, +𝑐⟩, není vliv příslušného měření na stanovení odhadu nijak redukován a toto měření se ve výpočtu uplatní svou plnou vahou. Překročí-li normovaná oprava stanovený interval, váha měření s takovou opravou hyperbolicky klesá.

4.4

Odhad pomocí 𝐿𝑝-normy

Odvození tohoto typu robustního odhadu vychází z Huberova odvození. Jako funkce hustoty pravděpodobnosti pro pozorování je však nyní volena: 𝑓 (𝜀) = 𝑒−|𝜀|

𝑝

pro 𝑝 ≥ 1 ,

(4.46)

která pro 𝑝 = 1 popisuje Laplaceovo rozdělení a pro 𝑝 = 2 normální rozdělení (s ohledem na vztah 4.6 nejsou uvažovány konstantní členy funkce). Odtud plyne odhadová funkce: 𝜌(𝜀) = |𝜀|𝑝

(4.47)

Derivací odhadové funkce 𝜌(𝜀) získáme vlivovou funkci 𝜓(𝜀), kterou opět zapíšeme bez uvážení konstant: 𝜓(𝜀) = |𝜀|𝑝−2 · 𝜀

(4.48)

𝑤𝑖 = |𝜀|𝑝−2

(4.49)

Ze vztahu 4.25 určíme váhu:

47

ČVUT v Praze


Funkce hustoty pravděpodobnosti 4.46 vede k odhadu pomocí 𝐿𝑝 -normy s odhadovou funkcí: ‖𝑣‖𝑝 =

(︃ 𝑛 ∑︁

)︃1/𝑝 𝑝

|𝑣𝑖 |

,

(4.50)

𝑖=1

která musí být minimalizována. Pro 𝑝 = 1 se jedná o 𝐿1 -normu, kde je minimalizována suma absolutních hodnot chyb (oprav). Vlivová funkce 𝜓(𝜀) je ohraničená, jedná se tedy o robustní odhad. Váhy v 𝑚-té iteraci mají tvar: (𝑚)

𝑤𝑖

=

1 (𝑚−1) |𝑣𝑖 |

(4.51)

Obr. 4.3: Odhad pomocí 𝐿1 -normy – tvar funkce 𝜓 Jak uvádí [15], tento odhad je extrémně robustní. V souboru o sudém počtu měření 𝑛 lze 𝐿1 -normou odhalit až 𝑛2 −1 chyb (odlehlých hodnot). Obsahuje-li soubor lichý počet měření, dosahuje počet detekovaných chyb až maximální možné hodnoty 𝑛 2

(zaokrouhleno dolů). Je-li počet odlehlých hodnot v souboru vyšší (nadpoloviční),

nelze již z principu odlišit správná měření od odlehlých. Odhad pomocí 𝐿2 -normy vede k metodě nejmenších čtverců, která, stejně jako další odhady plynoucí z volby 𝑝 ≥ 2, není robustní. Aby byl tedy odhad pomocí 𝐿𝑝 -normy robustní, musí být splněna podmínka 1 ≤ 𝑝 < 2. Stejně jako pro Huberův M-odhad bude i zde uveden přehled funkcí užitých 𝐿1 -normou. Další druhy užívaných M-odhadů lze nalézt v [11] nebo [15].

48

ČVUT v Praze


Tab. 4.2: 𝐿1 -norma – přehled funkcí (odhadová, vlivová, váhová)

4.5

𝜌(^ 𝑣)

𝜓(^ 𝑣)

𝑤(^ 𝑣)

|^ 𝑣|

sign(^ 𝑣)

1/|^ 𝑣|

Robustní transformace – výpočet

V této kapitole budou představeny variantní metody výpočtu robustní transformace jednotlivých etap do soustavy etapy základní. V popisu navržené metody bylo předesláno, že transformační klíč bude určen metodou robustního odhadu. Konkrétně byl zvolen odhad pomocí 𝐿1 -normy, který poskytuje extrémní robustnost a dokáže tak detekovat až maximální možný počet odlehlých hodnot v souboru měření [15]. Jelikož vyhodnocujeme posuny v polohové síti, užijeme rovinnou lineární transformaci, která je obecně definována čtyřmi transformačními parametry (2 posuny, úhel otočení, změna měřítka). Rozměr sítě je však v každé etapě definován měřením a požadujeme proto jeho zachování. Rovinnou lineární transformaci tedy dále specifikujeme jako shodnostní. Úkolem je nyní robustním odhadem pomocí 𝐿1 -normy určit pouze tři transformační parametry shodnostní rovinné transformace (2 posuny, úhel otočení). Jak bude v dalším zpracování ukázáno, podstatou naší aplikace robustního odhadu nebude zjištění odhadu samotného (tj. robustní odhad transformačních parametrů), nýbrž identifikace těch bodů (souřadnic), které jsou při určení tohoto odhadu vyhodnoceny jako odlehlé. Tyto body ze souboru identických bodů vyloučíme. Tím pro každou robustní transformaci obdržíme redukovaný (očištěný) soubor identických bodů. Cílem je však vyhledat sadu takových bodů, které jsou považovány za stabilní při všech robustních transformacích. Z takto vybrané sady následně určíme definitivní transformační klíč metodou nejmenších čtverců. Věnujme se nyní počtu identických bodů. Obecným problémem etapových měření provedených ve vztažné polohové síti Pražského hradu je, že metodika měření nebyla v jednotlivých etapách důsledně dodržována. Jedná se především o podstatně různé rozsahy provedených měření (viz kapitola 3.3), upřednostnění jednoho typu měření před druhým (z toho plyne neúplné zaměření polygonových pořadů v etapách jaro 2009 a podzim 2009) a užití různé přístrojové techniky. Dosavadními výsledky jsou soubory souřadnic bodů a jejich směrodatné odchylky (resp. úplné kovarianční matice) plynoucí z vyrovnání sítě v jednotlivých etapách.

49

ČVUT v Praze


V těchto souborech je nutné vyhledat v ideálním případě ty body, které byly součástí zaměření ve všech etapách. Při selekci těchto bodů se různost rozsahu zaměření sítě v jednotlivých etapách stává limitujícím faktorem. Výsledkem selekce bodů je následující: ∙ 11 bodů zaměřených ve všech osmi etapách, tj. body 501, 506, 507, 512, 524, 552, 553, 1003, 1005, 1011, 1012 ∙ 4 body zaměřené právě v sedmi etapách (od 2008𝑝 včetně), tj. body 513, 531, 1001, 1002 ∙ 3 body zaměřené právě v šesti etapách (do 2010𝑝 včetně), tj. body 504, 505, 541 Body zaměřené v méně než šesti etapách nebyly při selekci identických bodů uvažovány. Z tohoto výčtu vyplývá, že souvislé vyhodnocení je možné provést pro 11 identických bodů. V takovém případě je vhodné za základní etapu zvolit tzv. nultou etapu, tj. etapu 2008𝑗. Pokud bychom však za základní etapu zvolili etapu 2008𝑝, soubor identických bodů by se tím pro většinu transformací výrazně rozšířil. K robustní transformaci 2008𝑝 do soustavy etapy 2008𝑗 bychom tak využili dostupných 11 identických bodů a k transformaci všech ostatních etap do soustavy 2008𝑝 by bylo k dispozici již 15 identických bodů. Na základě výše zmíněných informací byly zvoleny dvě základní etapy, 2008𝑗 a 2008𝑝. Robustní transformaci etapy 2008𝑝 do soustavy první základní etapy 2008𝑗 provedeme z důvodu menšího rozsahu zaměření nulté etapy pomocí 11 identických bodů (501, 506, 507, 512, 524, 552, 553, 1003, 1005, 1011, 1012). K robustní transformaci všech následných etap do soustavy druhé základní etapy bude využito 15 identických bodů (501, 506, 507, 512, 513, 524, 531, 552, 553, 1001, 1002, 1003, 1005, 1011, 1012). Podle způsobu volby vah měření (souřadnic identických bodů) budou v následujících kapitolách představeny 3 varianty výpočtu robustní transformace.

4.5.1

Verze výpočtu 1

V první variantě výpočtu jsou váhy měření přisuzovány na základě jednoduchého předpokladu, že všechny identické body (resp. všechny body sítě) jsou v rámci jedné etapy určeny s přibližně stejnou přesností.

50

ČVUT v Praze


Rovnice rovinné shodnostní lineární transformace má tvar: 𝑋 = 𝑅(𝜔) · 𝑥 + 𝑇

(4.52)

a po rozepsání jednotlivých členů: ⎛

𝑋

⎝

𝑌

⎞

⎛

⎠

=⎝

cos 𝜔 − sin 𝜔 sin 𝜔

cos 𝜔

⎞ ⎛ ⎞

𝑥

⎛

𝑇𝑥

⎞

𝑇𝑦

⎠

⎠·⎝ ⎠+⎝

𝑦

(4.53)

,

kde 𝑋 je vektor souřadnic identického bodu ve výstupní soustavě, tj. v soustavě základní etapy, 𝑥 je vektor souřadnic identického bodu ve vstupní soustavě, tj. v soustavě transformované etapy, 𝑅(𝜔) je matice rovinné rotace o úhel 𝜔 a 𝑇 je vektor translací ve směru jednotlivých os. K dispozici je nadbytečný počet identických bodů (15, resp. 11), transformační klíč bude určen metodou robustního odhadu pomocí 𝐿1 -normy. Ve smyslu vyrovnání jsou souřadnice 𝑋 identických bodů ve výstupní soustavě měřením, souřadnice 𝑥 identických bodů ve vstupní soustavě konstantami a vektor 𝛷 = (𝑇𝑥 , 𝑇𝑦 , 𝜔)𝑇 obsahuje určované neznámé parametry. Při vyrovnání jednotlivých etap byla síť umístěna do prostoru vždy stejným způsobem. Můžeme tedy odůvodněně předpokládat, že transformační parametry nabývají velmi malých hodnot. Za přibližné hodnoty neznámých parametrů proto pokládáme: Φ0 = (𝑇𝑥 , 𝑇𝑦 , 𝜔)𝑇0 = 0

(4.54)

Matice plánu 𝐴, tj. matice parciálních derivací funkčních vztahů 4.53 podle jednotlivých neznámých parametrů 𝛷: ⎛

𝐴=

𝜕𝑋1 ⎜ 𝜕𝑇𝑥 ⎜ 𝜕𝑌 ⎜ 1 ⎜ 𝜕𝑇𝑥 ⎜ ⎜ 𝜕𝑋2 ⎜ 𝜕𝑇𝑥 ⎜ ⎜ 𝜕𝑌2 ⎜ 𝜕𝑇𝑥 ⎜

⎜ . ⎜ .. ⎜ ⎜ ⎜ 𝜕𝑋𝑛 ⎜ 𝜕𝑇𝑥 ⎝ 𝜕𝑌𝑛 𝜕𝑇𝑥

⎞

𝜕𝑋1 𝜕𝑇𝑦 𝜕𝑌1 𝜕𝑇𝑦 𝜕𝑋2 𝜕𝑇𝑦 𝜕𝑌2 𝜕𝑇𝑦

𝜕𝑋1 𝜕𝜔 ⎟ ⎟ 𝜕𝑌1 ⎟ 𝜕𝜔 ⎟ ⎟ 𝜕𝑋2 ⎟ 𝜕𝜔 ⎟ ⎟ 𝜕𝑌2 ⎟ 𝜕𝜔 ⎟ ⎟

𝜕𝑋𝑛 𝜕𝑇𝑦 𝜕𝑌𝑛 𝜕𝑇𝑦

𝜕𝑋𝑛 ⎟ 𝜕𝜔 ⎟ ⎠ 𝜕𝑌𝑛 𝜕𝜔

.. .

.. ⎟ . ⎟ ⎟ ⎟

⎛

⎞

1 0 (−𝑥1 · sin 𝜔0 − 𝑦1 · cos 𝜔0 ) ⎟ ⎜

=

⎜ ⎜0 ⎜ ⎜ ⎜1 ⎜ ⎜ ⎜0 ⎜ ⎜. ⎜. ⎜. ⎜ ⎜ ⎜1 ⎝

(𝑥1 · cos 𝜔0 − 𝑦1 · sin 𝜔0 ) ⎟ ⎟

1

⎟

0 (−𝑥2 · sin 𝜔0 − 𝑦2 · cos 𝜔0 ) ⎟ ⎟ ⎟

1 .. . 0

0 1

⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ (−𝑥𝑛 · sin 𝜔0 − 𝑦𝑛 · cos 𝜔0 )⎟ ⎠

(𝑥2 · cos 𝜔0 − 𝑦2 · sin 𝜔0 ) .. .

(𝑥𝑛 · cos 𝜔0 − 𝑦𝑛 · sin 𝜔0 )

51

(4.55)

ČVUT v Praze


Vektor redukovaných měření 𝑙′ : ⎞

⎛

𝑥 · cos 𝜔0 − 𝑦1 · sin 𝜔0 + 𝑇𝑥0 ⎟ ⎜ 1

𝑙′ = 𝑋(Φ0 ) − 𝑙 =

⎞

⎛

𝑋 ⎜ 1⎟

⎟ ⎟ ⎜ ⎜ ⎜ 𝑥1 · sin 𝜔0 + 𝑦1 · cos 𝜔0 + 𝑇𝑦0 ⎟ ⎜ 𝑌1 ⎟ ⎟ ⎟ ⎜ ⎜ ⎟ ⎟ ⎜ ⎜ ⎜ 𝑥2 · cos 𝜔0 − 𝑦2 · sin 𝜔0 + 𝑇𝑥0 ⎟ ⎜ 𝑋2 ⎟ ⎜ ⎟ ⎟ ⎜ ⎟ ⎟ ⎜ ⎜ ⎜ 𝑥2 · sin 𝜔0 + 𝑦2 · cos 𝜔0 + 𝑇𝑦0 ⎟ − ⎜ 𝑌2 ⎟ ⎜ ⎟ ⎟ ⎜ ⎟ ⎜ . ⎟ ⎜ .. ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ ⎟ ⎟ ⎜ ⎜ ⎟ ⎟ ⎜ ⎜ ⎜𝑥𝑛 · cos 𝜔0 − 𝑦𝑛 · sin 𝜔0 + 𝑇𝑥0 ⎟ ⎜𝑋𝑛 ⎟ ⎝ ⎠ ⎠ ⎝

𝑥𝑛 · sin 𝜔0 + 𝑦𝑛 · cos 𝜔0 + 𝑇𝑦0

(4.56)

𝑌𝑛

S ohledem na přibližné hodnoty Φ0 neznámých parametrů můžeme pro matici plánu 𝐴 a vektor redukovaných měření 𝑙′ konkrétně psát: 𝑥 − 𝑋1 ⎟ ⎜ 1

1 0 −𝑦1 ⎟ ⎜ ⎟ ⎜ ⎜ 0 1 𝑥1 ⎟ ⎟ ⎜ 𝐴=

⎜ ⎜1 ⎜ ⎜ ⎜0 ⎜ ⎜. ⎜. ⎜. ⎜ ⎜ ⎜1 ⎝

0 −𝑦2 ⎟ ⎟ ⎟ ′ 1 𝑥2 ⎟ ⎟ , 𝑙 = .. .. ⎟ . . ⎟ ⎟ ⎟

0

0 1

⎞

⎛

⎞

⎛

⎟ ⎟ −𝑦𝑛 ⎟ ⎠

⎟ ⎜ ⎜ 𝑦1 − 𝑌1 ⎟ ⎟ ⎜ ⎟ ⎜ ⎜ 𝑥2 − 𝑋 2 ⎟ ⎟ ⎜ ⎟ ⎜ ⎜ 𝑦2 − 𝑌2 ⎟ ⎟ ⎜ ⎜ ⎟ .. ⎟ ⎜ . ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎜ 𝑥𝑛 − 𝑋 𝑛 ⎟ ⎠ ⎝

(4.57)

𝑦𝑛 − 𝑌𝑛

𝑥𝑛

Nyní již k volbě vah měření. V úvodu kapitoly bylo předesláno, že tato varianta výpočtu uvažuje stejnou přesnost všech identických bodů v rámci dané etapy. Označme kovarianční matici sady identických bodů ve výstupní soustavě 𝛴𝑋 a kovarianční matici sady identických bodů ve vstupní soustavě 𝛴𝑥 . Z vyrovnání jednotlivých etap jsou k dispozici směrodatné odchylky souřadnic bodů, resp. jejich plné kovarianční matice. Přesnost bodů unifikujeme výpočtem aritmetického průměru známých směrodatných odchylek souřadnic. Tím pro diagonální kovarianční matice 𝛴𝑋 a 𝛴𝑥 dostáváme: 2 𝛴𝑋 = 𝜎 ¯𝑋 · 𝐸 , 𝛴𝑥 = 𝜎 ¯𝑥2 · 𝐸 ,

(4.58)

kde 𝐸 je jednotková matice a průměrné směrodatné odchylky souřadnic 𝑛 identických bodů vypočteme: 2 𝜎 ¯𝑋

∑︀𝑛

=

𝑖=1 (𝜎𝑋𝑖

2𝑛

+ 𝜎 𝑌𝑖 )

,

52

𝜎 ¯𝑥2

∑︀𝑛

=

𝑖=1 (𝜎𝑥𝑖

2𝑛

+ 𝜎𝑦𝑖 )

(4.59)

ČVUT v Praze


Měřením 𝑙 jsou souřadnice 𝑋 bodů ve výstupní soustavě s diagonální kovarianční maticí 𝛴𝑋 . Souřadnice 𝑥 bodů ve vstupní soustavě ovšem nejsou bezchybné, nýbrž určené s průměrnou přesností vyjádřenou diagonální kovarianční maticí 𝛴𝑥 . Abychom uvážili přesnost obou soustav, kovarianční matice sečteme1 . Celkovou přesnost měření 𝑙 vyjádříme diagonální kovarianční maticí 𝛴𝑙𝑙 , pro kterou platí: 2 𝛴𝑙𝑙 = 𝛴𝑋 + 𝛴𝑥 = (¯ 𝜎𝑋 +𝜎 ¯𝑥2 ) · 𝐸

Měření 𝑙𝑖 má tedy směrodatnou odchylku 𝜎𝑖 =

√︁

(4.60)

2 +𝜎 ¯𝑥2 . 𝜎 ¯𝑋

Požadujeme dále, aby váha 𝑝𝑖 každého měření 𝑙𝑖 byla rovna jedné, tedy aby matice vah 𝑃 byla maticí jednotkovou: 𝑝𝑖 =

𝜎02 =1 𝜎𝑖2

⇒

𝑃 =𝐸

(4.61)

Odtud pro každou transformaci odvodíme volbu apriorní jednotkové směrodatné odchylky 𝜎0 . 𝑝𝑖 =

𝜎02 =1 𝜎𝑖2

⇔

𝜎0 = 𝜎𝑖 =

√︁

2 𝜎 ¯𝑋 +𝜎 ¯𝑥2

(4.62)

Takto stanovená apriorní jednotková směrodatná odchylka bude použita k pozdějšímu výpočtu směrodatných odchylek oprav pro účel vyhledání odlehlých měření (viz dále). Robustní odhad neznámých parametrů probíhá iteračně. První aproximaci přírůstků k neznámým určíme metodou nejmenších čtverců: 𝑑𝛷(0) = −(𝐴𝑇 · 𝐴)−1 · 𝐴𝑇 · 𝑙′

(4.63)

Následně se vypočtou opravy 𝑣𝑖 měřených veličin 𝑙𝑖 a z nich normované opravy 𝑣^𝑖 . V obecné 𝑚-té iteraci platí: 𝑣 (𝑚) = 𝐴 · 𝑑𝛷(𝑚) + 𝑙′

(4.64)

(𝑚)

(𝑚) 𝑣^𝑖

𝑣 = 𝑖 𝜎𝑖

(4.65)

Řešení v (𝑚 + 1)-ní iteraci: 𝑑𝛷(𝑚+1) = −(𝐴𝑇 · 𝑊 (𝑚+1) · 𝐴)−1 · 𝐴𝑇 · 𝑊 (𝑚+1) · 𝑙′ ,

1

(4.66)

Součet kovariančních matic souřadnic dvou obecně různých soustav nelze provést paušálně.

Tato úprava a podmínky její správné aplikace budou blíže objasněny ve verzi výpočtu 2, viz kapitola 4.5.2.

53

ČVUT v Praze


kde 𝑊 je matice robustních změn vah, kterou v (𝑚 + 1)-ní iteraci určíme: (𝑚+1)

𝑊 (𝑚+1) = diag(𝑤1

(𝑚+1)

, . . . , 𝑤2𝑛

(𝑚+1)

) , 𝑤𝑖

=

1

(4.67)

(𝑚) |^ 𝑣𝑖 |

Ukončení iteračního cyklu je podmíněno dostatečnou stabilizací výpočtu. Podmínku je možné vyjádřit více způsoby. Např. podle [19] lze dostatečné ustálení výpočtu vyjádřit splněním nerovnosti: max(|𝑤(𝑚+1) − 𝑤(𝑚) |) ≤ Δ ,

(4.68)

kde Δ je maximální tolerovaná změna robustní váhy. Konvergenci výpočtu je možné názorněji sledovat podle vývoje aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 . Tu v každé iteraci vypočteme: √︃

𝑣𝑇 · 𝑊 · 𝑣 , (4.69) 𝑛′ kde 𝑛′ je počet nadbytečných měření. Je-li při transformaci počet identických bodů 𝜎 ^0 =

𝑛 = 15 a počet neznámých parametrů 𝑢 = 3, je počet stupňů volnosti 𝑛′ = 2𝑛 − 𝑢 = 27. Při transformaci s 11 identickými body je 𝑛′ = 19. Pomocí 𝜎 ^0 můžeme potom podmínku ukončení cyklu vyjádřit: (𝑚+1)

|^ 𝜎0

(𝑚)

−𝜎 ^0 | ≤ Δ ,

(4.70)

kde Δ je maximální tolerovaná změna aposteriorní jednotkové směrodatné odchylky. V našem případě byl počet iterací nastaven manuálně na hodnotu 20. Stabilizace výpočtu byla posuzována procentuálním poklesem aposteriorní jednotkové směro(𝑚+1)

datné odchylky 𝜎 ^0

(𝑚)

vůči hodnotě 𝜎 ^0

z předchozí iterace. Vývoj 𝜎 ^0 v jednotlivých

iteracích byl současně graficky vizualizován. Grafy vývoje hodnoty 𝜎 ^0 jsou uvedeny v příloze A. Pro vyhledání odlehlých měření na základě testování velikosti oprav určíme kovarianční matici oprav 𝛴𝑣𝑣 . Její odvození vychází z dosazení rovnice 4.63 pro výpočet vyrovnaných neznámých (resp. přírůstků) do rovnice 4.64 pro výpočet oprav měření a následné aplikaci obecného zákona hromadění směrodatných odchylek: 𝑣 = 𝐴 · 𝑑𝛷 + 𝑙′

(4.71)

= −𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 𝑙′ + 𝑙′

(4.72)

[︁

]︁

(4.73)

[︁

]︁

(4.74)

= − 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸 · 𝑙′ 𝜀𝑣 = − 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸 · 𝜀𝑙′ [︁

]︁

[︁

𝛴𝑣𝑣 = 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸 · 𝛴𝑙′ 𝑙′ · 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸

54

]︁𝑇

(4.75)

ČVUT v Praze


Protože dále platí: 𝛴𝑙′ 𝑙′ = 𝛴𝑙𝑙 = 𝜎02 · 𝑃 −1 ,

(4.76)

obdržíme po roznásobení a úpravě kovarianční matici oprav ve tvaru: [︁

]︁

𝛴𝑣𝑣 = 𝜎02 𝑃 −1 − 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇 ,

(4.77)

kde 𝜎0 je apriorní jednotková směrodatná odchylka, v této konkrétní verzi výpočtu určená podle 4.62. Směrodatná odchylka opravy 𝜎𝑣𝑖 měřené veličiny 𝑙𝑖 je: 𝜎𝑣𝑖 =

√︁

Σvi vi ,

(4.78)

kde Σvi vi jsou diagonální prvky matice 𝛴𝑣𝑣 . Následně jsou stanoveny mezní hodnoty oprav: 𝑣𝑀 𝑖 = 𝑢𝑝 · 𝜎𝑣𝑖 ,

(4.79)

kde 𝑢𝑝 je normovaná hodnota náhodné veličiny s normálním rozdělením pravděpodobností stanovená pro hladinu významnosti 𝛼. V oboustranných testech jednorozměrné veličiny prováděných při tomto výpočtu je voleno 𝑢𝑝 = 2,57 pro hladinu významnosti 𝛼 = 1 %. Dále se provede porovnání a platí-li: |𝑣𝑖 | ≥ 𝑣𝑀 𝑖 ,

(4.80)

je měření 𝑙𝑖 považováno za odlehlé a ze souboru měřených hodnot vyloučeno. Po vyloučení všech takto identifikovaných odlehlých hodnot by měl soubor splňovat podmínku normality. Kompletní výpočet robustní transformace byl proveden pomocí vlastního programu v jazyku GNU Octave. Zdrojové kódy programu a jím užívaných funkcí jsou uloženy na přiloženém CD. V příloze A jsou v tabulkách A.1 až A.7 uvedeny podstatné výsledky robustní transformace jednotlivých etap 𝐸𝑖 do soustavy etapy základní, tj. 𝐸0 nebo 𝐸1 . Těmito výsledky jsou hodnoty oprav měření ze stabilizovaného výpočtu robustního vyrovnání (opravy 𝑣𝑋𝑖 , 𝑣𝑌𝑖 souřadnic bodů ve výstupní soustavě), jejich směrodatné odchylky 𝜎𝑣𝑋𝑖 , 𝜎𝑣𝑌 𝑖 a příslušné mezní hodnoty oprav 𝑣𝑀 𝑋𝑖 , 𝑣𝑀 𝑌𝑖 . V posledních dvou sloupcích tabulek A.1 až A.7 (test 𝑣𝑋𝑖 , test 𝑣𝑌𝑖 ) je booleovskou algebrou vyjádřeno splnění kritéria |𝑣𝑖 | ≤ 𝑣𝑀 𝑖 . Je-li výsledkem porovnání 0,

55

ČVUT v Praze


je souřadnice považována za odlehlou a příslušný bod ze souboru identických bodů vyloučen. Nutnou a postačující podmínkou pro vyloučení identického bodu tedy je, aby alespoň jedna jeho souřadnice byla na základě kritéria 4.80 považována za odlehlou hodnotu. V tabulce 4.3 je uvedeno užívané označení etap. Tab. 4.3: Označení jednotlivých etap měření sítě etapa

2008𝑗

2008𝑝

2009𝑗

2009𝑝

2010𝑗

2010𝑝

2012𝑗

2012𝑝

označení

𝐸0

𝐸1

𝐸2

𝐸3

𝐸4

𝐸5

𝐸6

𝐸7

transf. do

–

𝐸0

4.5.2

𝐸1

Verze výpočtu 2

Výpočetní model druhé verze je v principu velmi podobný verzi první. Váhy měření však nejsou unifikovány výpočtem aritmetického průměru směrodatných odchylek souřadnic. Souřadnicím je ponechána původní přesnost vzešlá z vyrovnání jednotlivých etap. Odvození robustních M-odhadů provedené v kapitole 4.2 je provedeno s předpokladem nezávislosti jednotlivých měření; uvažovány jsou tedy opět pouze diagonální kovarianční matice souřadnic identických bodů. Užití plných kovariančních matic souřadnic bodů by vyžadovalo aplikaci podstatně složitějšího modelu robustního odhadu se závislými pozorováními. O tomto tématu pojednává např. [20] nebo [21]. Měřením 𝑙 jsou nyní souřadnice 𝑋 bodů ve výstupní soustavě (soustava základní etapy 𝐸0 nebo 𝐸1 ) s diagonální kovarianční maticí 𝛴𝑋 . Přesnost souřadnic 𝑥 bodů ve vstupní soustavě (soustava transformované etapy) je charakterizována diagonální kovarianční maticí 𝛴𝑥 . Kovarianční matice mají tvar: ⎛

2 ⎜𝜎𝑋1

𝛴𝑋 =

⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝

0 .. .

0 0

···

0

𝜎𝑌21 · · · .. . . . .

0 .. .

0

0 0

2 · · · 𝜎𝑋 𝑛

···

0

⎞

⎛

2 0 ⎟ 0 ⎜𝜎𝑥1 ⎟ ⎜ ⎜ 0 0 ⎟ 𝜎𝑦21 ⎟ ⎜ ⎜ . .. ⎟ .. ⎜ . . ⎟ . ⎟ , 𝛴𝑥 = ⎜ . ⎟ ⎜ ⎟ ⎜ 0 ⎟ 0 ⎜ 0

𝜎𝑌2𝑛

⎠

⎝

0

0

···

0

··· .. .

0 .. .

· · · 𝜎𝑥2𝑛 ···

0

⎞

0 ⎟ ⎟ 0 ⎟ ⎟ .. ⎟ . ⎟ ⎟ 0 𝜎𝑦2𝑛

(4.81)

⎟ ⎟ ⎟ ⎠

Výpočetní model však umožňuje přisoudit přesnost pouze jedné sadě souřadnic, tj. té sadě, jejíž souřadnice jsou při vyrovnání měřením 𝑙. Abychom uvážili přesnost obou soustav, obě známé kovarianční matice sečteme.

56

ČVUT v Praze


V našem případě jsme oprávněni tento krok udělat přímo, bez jakýchkoliv předchozích úprav. Při vyrovnání jednotlivých etap byla síť umístěna do prostoru vždy stejným způsobem a systémy jsou tedy ve všech etapách shodně orientovány. Jak plyne z odvození transformace kovarianční matice souřadnic (viz kapitola 2.4.1), je tento úkon závislý pouze na vzájemném stočení systémů. Závěrem lze říci, že pokud by jednotlivé etapy byly řešeny (vyrovnány) s obecně různým umístěním sítě do prostoru (resp. různou orientací), bylo by nutné nejprve kovarianční matici 𝛴𝑥 souřadnic 𝑥 transformovat do systému souřadnic 𝑋 podle postupu popsaného v kapitole 2.4.1 a teprve poté kovarianční matice sečíst. Výsledná matice vah 𝑃 vstupující do robustního vyrovnání má tvar: 𝑃 = 𝜎02 · (𝛴𝑋 + 𝛴𝑥 )−1 ,

(4.82)

kde 𝜎0 je apriorní jednotková směrodatná odchylka. Její hodnota byla v této verzi výpočtu zvolena 𝜎0 = 0,001. První aproximaci přírůstků k neznámým určíme metodou nejmenších čtverců: 𝑑𝛷(0) = −(𝐴𝑇 · 𝑃 · 𝐴)−1 · 𝐴𝑇 · 𝑃 · 𝑙′

(4.83)

Opravy 𝑣𝑖 měřených veličin 𝑙𝑖 a normované opravy 𝑣^𝑖 v obecné 𝑚-té iteraci: 𝑣 (𝑚) = 𝐴 · 𝑑𝛷(𝑚) + 𝑙′

(4.84)

(𝑚)

𝑣𝑖 (4.85) 𝜎𝑖 Matice robustních změn vah 𝑊 je diagonální maticí, jejíž členy 𝑤𝑖 jsou násob(𝑚)

𝑣^𝑖

=

nými koeficienty vah původních, resp. vah z předchozí iterace výpočtu. Řešení robustního odhadu v (𝑚 + 1)-ní iteraci je tedy: 𝑑𝛷(𝑚+1) = −(𝐴𝑇 · 𝑊 (𝑚+1) · 𝑃 · 𝐴)−1 · 𝐴𝑇 · 𝑊 (𝑚+1) 𝑃 · 𝑙′ ,

(4.86)

kde korekční členy 𝑤𝑖 matice robustních změn vah 𝑊 určíme jako funkci normovaných oprav 𝑣^𝑖 z předchozí iterace výpočtu: (𝑚+1)


(𝑚+1)

, . . . , 𝑤2𝑛

(𝑚+1)

) , 𝑤𝑖

=

1 (𝑚) |^ 𝑣𝑖 |

(4.87)

Dále v každé iteraci určíme aposteriorní jednotkovou směrodatnou odchylku 𝜎 ^0 : √︃

𝜎 ^0 =

𝑣𝑇 · 𝑊 · 𝑃 · 𝑣 , 𝑛′

57

(4.88)

ČVUT v Praze


kde 𝑛′ je počet nadbytečných měření. Posouzení dostatečné stabilizace výpočtu provedeme stejně jako v první verzi, tj. podle procentuálního poklesu aposteriorní jed(𝑚)

(𝑚+1)


notkové směrodatné odchylky 𝜎 ^0

z předchozí iterace a dále

také podle grafické vizualizace vývoje hodnoty 𝜎 ^0 . Grafy vývoje hodnoty 𝜎 ^0 jsou uvedeny v příloze B. Posledním krokem je testování velikosti oprav pomocí jejich mezních hodnot a z toho plynoucí identifikace odlehlých měření. Testování provedeme stejným způsobem jako v první verzi výpočtu, pomocí vztahů 4.77 až 4.80. Tato verze výpočtu byla taktéž provedena pomocí vlastního programu v jazyku GNU Octave. Zdrojové kódy jsou uloženy na přiloženém CD. V příloze B jsou v tabulkách B.1 až B.7 uvedeny výsledky robustní transformace jednotlivých etap do soustavy etapy základní.

4.5.3

Verze výpočtu 3

Ve třetí a nejobecnější verzi výpočtu je použit exaktní model transformace s uvážením přesností obou soustav. Princip tohoto výpočetního modelu je následující. Měřením jsou nyní ve vyrovnání souřadnice identických bodů v obou soustavách. Souřadnice jedné ze soustav jsou přitom současně neznámými parametry. Rovnice pozorování jsou proto dvojího typu: 𝑋𝑖

⎞

𝑌𝑖

⎠

𝑇𝑥

⎞

⎛

1

𝑥𝑖

⎞

⎛

⎝

1

𝑦𝑖

⎠

= ⎝

⎛

2

𝑥𝑖

⎞

⎛

⎝

2

𝑦𝑖

⎠

= ⎝

𝑇𝑦

(4.89) ⎛

𝑋𝑖

⎞

⎠ + 𝑅(𝜔) · ⎝

𝑌𝑖

⎠

(4.90)

,

𝑇

kde (1 𝑥𝑖 , 1 𝑦𝑖 ) jsou souřadnice ve vstupní soustavě, tedy soustavě, ze které je trans𝑇

formováno do soustavy základní etapy. Souřadnice (2 𝑥𝑖 , 2 𝑦𝑖 ) jsou souřadnice ve výstupní soustavě, tj. v soustavě základní etapy, do které je transformováno. Souřadnice (𝑋𝑖 , 𝑌𝑖 )𝑇 jsou spolu s prvky transformačního klíče dalšími neznámými parametry. Vektor všech neznámých 𝛷 a vektor měření 𝑙 proto zapíšeme následovně: 𝛷 = (𝑇𝑥 , 𝑇𝑦 , 𝜔, 𝑋1 , 𝑌1 , 𝑋2 , 𝑌2 , . . . , 𝑋𝑛 , 𝑌𝑛 )𝑇 𝑙=

(︁

1

𝑥1 , 1 𝑦1 , . . . , 1 𝑥𝑛 , 1 𝑦𝑛 , 2 𝑥1 , 2 𝑦1 , . . . , 2 𝑥𝑛 , 2 𝑦𝑛

58

(4.91) )︁𝑇

(4.92)

ČVUT v Praze


Matici plánu 𝐴 sestavíme standardním způsobem. Její submatice 𝐴1 pro funkční vztahy 4.89 má tvar (již po provedení parciálních derivací):

1 1

(2𝑛×𝑢)

𝐴1

=

𝑇𝑥

𝑇𝑦

𝜔

𝑋1

𝑌1

𝑋2

𝑌2

···

𝑋𝑛

⎛

𝑥1 ⎜ 0

0

0

1

0

0

0

···

0

⎜ 𝑦1 ⎜ ⎜ 0

0

0

0

1

0

0

···

0

0

0

0

0

0

1

0

···

0 ⎟ ⎟ 0 ⎟ ⎟

0

0 ⎟ ⎟

0 .. .

0 .. .

0 .. .

0 .. .

0 .. .

0 .. .

1 .. .

··· ...

0 .. .

0 .. .

0

0

0

0

0

0

0

···

1

0

0

0

0

0

0

0

0

···

0

1

⎜ 1 𝑥2 ⎜ ⎜ ⎜ 1 𝑦2 ⎜ ⎜ .. ⎜ . ⎜ ⎜ ⎜ 1 𝑥𝑛 ⎜ ⎜ ⎝

1

𝑦𝑛

𝑌𝑛 ⎞

⎟ ⎟ ⎟, ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠

(4.93)

kde v rozměru (2𝑛×𝑢) matice 𝐴1 je 𝑛 počet identických bodů a 𝑢 je počet neznámých parametrů ve vektoru 𝛷. Pro zjednodušení zápisu submatice 𝐴2 zavedeme pro prvky rotační matice 𝑅 následující označení: cos 𝜔 − sin 𝜔

⎞

⎛

sin 𝜔

⎠

=⎝

⎛

𝑅=⎝

cos 𝜔

𝑟11 𝑟12

⎞

𝑟21 𝑟22

⎠

(4.94)

Dále vyjádříme parciální derivace funkčních vztahů 4.90 podle úhlu otočení 𝜔: 𝜕 (2 𝑥𝑖 ) = −𝑋𝑖 · sin 𝜔 − 𝑌𝑖 · cos 𝜔 𝜕𝜔 𝜕 (2 𝑦𝑖 ) = 𝑋𝑖 · cos 𝜔 − 𝑌𝑖 · sin 𝜔 𝜕𝜔

(4.95) (4.96)

Submatice 𝐴2 pro funkční vztahy 4.90 má potom tvar (již po provedení parciálních derivací): 𝑇𝑥 2 2

(2𝑛×𝑢)

𝐴2

=

0

𝑦1 ⎜ ⎜ 0

1

𝑥1 ⎜ 1 ⎜

⎜ 2 𝑥2 ⎜ ⎜ ⎜ 2 𝑦2 ⎜ ⎜ .. ⎜ . ⎜ ⎜ ⎜ ⎜ 2 𝑥𝑛 ⎜ ⎝ 2

𝑇𝑦

⎛

𝑦𝑛

1

0

0 .. .

1 .. .

1

0

0

1

𝜔 𝜕

(2𝑥

1)

𝜕𝜔 𝜕 (2𝑦1 ) 𝜕𝜔 𝜕 (2𝑥2 ) 𝜕𝜔 𝜕 (2𝑦2 ) 𝜕𝜔

.. .

𝜕 (2𝑥𝑛 ) 𝜕𝜔 𝜕 (2𝑦𝑛 ) 𝜕𝜔

𝑋1

𝑌1

𝑋2

𝑌2

···

𝑋𝑛

𝑟11

𝑟12

0

0

···

0

𝑟21

𝑟22

0

0

···

0

0

0

𝑟11

𝑟12

···

0

0 .. .

0 .. .

𝑟21 .. .

𝑟22 .. .

··· .. .

0 .. .

0

0

0

0

···

𝑟11

0

0

0

0

···

𝑟21

𝑌𝑛 ⎞

0 ⎟ ⎟ 0 ⎟ ⎟ ⎟

0 ⎟ ⎟

⎟ ⎟, ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ 𝑟12 ⎟ ⎠

0 .. .

(4.97)

𝑟22

kde rozměr (2𝑛×𝑢) submatice 𝐴2 odpovídá rozměru submatice 𝐴1 . Výsledná matice plánu je: ⎛

𝐴(4𝑛×𝑢) = ⎝

59

𝐴1

⎞

𝐴2

⎠

(4.98)

ČVUT v Praze


Transformační klíč bude určován metodou robustního odhadu s předpokladem nezávislosti měření. Uvažujeme proto dále pouze diagonální kovarianční matice souřadnic identických bodů. Kovarianční matice 𝛴1𝑥 souřadnic vstupní soustavy a 𝛴2𝑥 souřadnic výstupní soustavy mají tvar: ⎛

2 ⎜𝜎1𝑥1

𝛴1𝑥 =

⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝

0 .. .

···

0

𝜎12𝑦1 · · · .. .. . .

0 .. .

0

0

0

· · · 𝜎12𝑥𝑛

0

0

···

0

⎛

⎞

2 0 ··· 0 ⎟ ⎜𝜎2𝑥1 ⎜ ⎟ ⎜ 0 𝜎22𝑦1 · · · 0 ⎟ ⎜ ⎟ ⎜ ⎟ .. .. .. ⎟ .. . . . ⎟ , 𝛴2𝑥 = ⎜ ⎜ .

⎜ ⎜ ⎜ ⎝

⎟

0 ⎟ ⎟ 𝜎12𝑦𝑛

⎠

0 0 .. .

0

0

· · · 𝜎22𝑥𝑛

0

0

···

0

⎞

0 ⎟ ⎟ 0 ⎟ ⎟ .. ⎟ . ⎟ ⎟ (4.99) ⎟

0 ⎟ ⎟ 𝜎22𝑦𝑛

⎠

Výslednou kovarianční matici všech měření zapíšeme: 𝛴𝑙𝑙 = diag (𝛴1𝑥 , 𝛴2𝑥 )

(4.100)

Jelikož měřením 𝑙 jsou ve vyrovnání souřadnice identických bodů v obou soustavách, zapíšeme váhovou matici následovně: ⎛

𝑃 (4𝑛×4𝑛) = 𝜎02 · 𝛴𝑙𝑙−1 = 𝜎02 · ⎝

𝛴1𝑥

0

0

𝛴2𝑥

⎞−1 ⎠

,

(4.101)

kde 𝜎0 je apriorní jednotková směrodatná odchylka a 0 je nulová matice stejného rozměru jako matice 𝛴1𝑥 a 𝛴2𝑥 , tedy (2𝑛 × 2𝑛). Apriorní jednotková směrodatná odchylka je v této verzi výpočtu volena 𝜎0 = 0,001. Jak již bylo zmíněno v předchozích verzích výpočtu, síť byla při vyrovnání jednotlivých etap umístěna do prostoru vždy stejným způsobem a lze tedy předpokládat, že transformační parametry nabývají velmi malých hodnot. Přibližné hodnoty neznámých proto volíme následovně: Φ0 = (𝑇𝑥 , 𝑇𝑦 , 𝜔, 𝑋1 , 𝑌1 , 𝑋2 , 𝑌2 , . . . , 𝑋𝑛 , 𝑌𝑛 )𝑇0 =

(︁

0, 0, 0, 1 𝑥1 , 1 𝑦1 , 1 𝑥2 , 1 𝑦2 , . . . , 1 𝑥𝑛 , 1 𝑦𝑛

)︁𝑇

(4.102) (4.103)

Vektor redukovaných měření je z důvodu dvojího typu rovnic pozorování složen ze dvou subvektorů:

⎛

1 ′

𝑙

⎞

⎛

1

𝑥(Φ0 ) − 1 𝑙

⎞

⎠ 𝑙′ = ⎝2 ′ ⎠ = ⎝2 𝑙 𝑥(Φ0 ) − 2 𝑙

(4.104)

Výpočet robustního odhadu neznámých parametrů probíhá stejně jako v předchozích verzích. První aproximaci přírůstků k neznámým určíme metodou nejmenších čtverců: 𝑑𝛷(0) = −(𝐴𝑇 · 𝑃 · 𝐴)−1 · 𝐴𝑇 · 𝑃 · 𝑙′

60

(4.105)

ČVUT v Praze


Opravy 𝑣𝑖 měřených veličin 𝑙𝑖 a normované opravy 𝑣^𝑖 v obecné 𝑚-té iteraci: 𝑣 (𝑚) = 𝐴 · 𝑑𝛷(𝑚) + 𝑙′

(4.106)

(𝑚)

𝑣𝑖 , (4.107) 𝜎𝑖 kde směrodatnou odchylku měření 𝑙𝑖 určíme z 𝑖-tého diagonálního prvku kovarianční (𝑚)

𝑣^𝑖

=

matice 𝛴𝑙𝑙 jako: 𝜎𝑖 =

√︁

Σli li

(4.108)

Matice robustních změn vah 𝑊 je diagonální maticí, jejíž členy 𝑤𝑖 jsou násobnými koeficienty vah původních, resp. vah z předchozí iterace výpočtu. Řešení robustního odhadu v (𝑚 + 1)-ní iteraci je tedy: 𝑑𝛷(𝑚+1) = −(𝐴𝑇 · 𝑊 (𝑚+1) · 𝑃 · 𝐴)−1 · 𝐴𝑇 · 𝑊 (𝑚+1) 𝑃 · 𝑙′ ,

(4.109)

kde korekční členy 𝑤𝑖 matice robustních změn vah 𝑊 určíme jako funkci normovaných oprav 𝑣^𝑖 z předchozí iterace výpočtu: (𝑚+1)


(𝑚+1)

, . . . , 𝑤2𝑛

(𝑚+1)

) , 𝑤𝑖

=

1 (𝑚) |^ 𝑣𝑖 |

(4.110)

Dále v každé iteraci určíme aposteriorní jednotkovou směrodatnou odchylku 𝜎 ^0 : √︃

𝜎 ^0 =

𝑣𝑇 · 𝑊 · 𝑃 · 𝑣 , 𝑛′

(4.111)

kde 𝑛′ je počet nadbytečných měření. Ten určíme následovně. Počet identických bodů při transformaci je obecně 𝑛 a tedy počet všech měření ve vektoru 𝑙 je 4𝑛. Počet neznámých parametrů ve vektoru 𝛷 je nyní 𝑢 = 3 + 2𝑛 (počet určovaných prvků transformačního klíče je 3). Z toho plyne, že počet nadbytečných měření je 𝑛′ = 4𝑛 − (3 + 2𝑛) = 2𝑛 − 3. Porovnáme-li tedy tento výpočetní model transformace (tj. transformace s uvážením přesností obou soustav) s modelem uplatněným v předchozích verzích výpočtu, je zřejmé, že počet nadbytečných měření zůstává zachován. Tab. 4.4: Srovnání počtů nadbytečných měření v jednotlivých verzích výpočtu počet

Verze 1

Verze 2

Verze 3

měření

2𝑛

2𝑛

4𝑛

neznámých

3

3

3 + 2𝑛

2𝑛 − 3

2𝑛 − 3

2𝑛 − 3

𝑛

′

61

ČVUT v Praze


Posouzení dostatečné stabilizace výpočtu opět provedeme podle procentuálního (𝑚+1)

poklesu aposteriorní jednotkové směrodatné odchylky 𝜎 ^0

(𝑚)


z předchozí iterace a dále také podle grafické vizualizace vývoje hodnoty 𝜎 ^0 . Robustní odhad neznámých parametrů 𝛷 je tímto stanoven. Zbývá ovšem identifikovat odlehlá měření na základě testování velikosti oprav měřených veličin. V tomto výpočetním modelu jde o úkon mírně komplikovanější než v předchozích verzích výpočtu, neboť vyrovnávanými měřeními jsou souřadnice identických bodů v obou soustavách. Jako odlehlá měření tak mohou být identifikována i měření ze základní etapy, neboli souřadnice identických bodů v soustavě, kterou z hlediska určování relativních změn polohy bodů považujeme za fixní. Takové řešení je velmi nevýhodné; jednotlivé identické souřadnice jsou ve výpočetním modelu nezávislými měřeními a souřadnice identifikované při robustní transformaci jako odlehlé v jedné soustavě nejsou či nemusí být odlehlými v soustavě druhé. Abychom vyjádřili požadovanou relativní změnu polohy bodu vůči fixní poloze v základní etapě, je nutné dílčí opravy pro identickou souřadnici odečíst a testovat tak rozdíl oprav s příslušnou mezní hodnotou. Po stabilizaci výpočtu robustního vyrovnání tedy máme k dispozici opravy 𝑣𝑖 měřených veličin, tj. souřadnic identických bodů v obou soustavách. Pro každou identickou souřadnici provedeme porovnání podle: |𝑣2𝑥𝑖 − 𝑣1𝑥𝑖 | > 𝑣𝑀 ,

(4.112)

kde mezní hodnotu 𝑣𝑀 určíme aplikací obecného zákona hromadění směrodatných odchylek. Opravy měřených veličin vzešlé z vyrovnání jsou vzájemně závislé. Závislosti jsou spolu se směrodatnými odchylkami, resp. variancemi oprav vyjádřeny kovarianční maticí: [︁

𝛴𝑣𝑣 = 𝜎02 𝑃 −1 − 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇

]︁

(4.113)

Z této kovarianční matice vyselektujeme prvky takové submatice, která popisuje přesnost »identických oprav«, tj.: ⎛

2 ⎜𝜎𝑣1𝑥

𝛴𝑠𝑢𝑏 = ⎝

⎞

𝑖

cov

cov ⎟ 𝜎𝑣22𝑥

⎠

(4.114)

𝑖

Funkčním vztahem pro modifikovanou opravu (rozdíl dílčích oprav pro identickou souřadnici) je: 𝑣𝑥𝑖 = 𝑣2𝑥𝑖 − 𝑣1𝑥𝑖

(4.115)

a tedy vektor 𝑓 𝑇 jeho parciálních derivací: (︃

𝑓𝑇 =

𝜕𝑣𝑥𝑖 𝜕𝑣𝑥 , 2𝑖 1 𝜕 ( 𝑥𝑖 ) 𝜕 ( 𝑥𝑖 )

62

)︃

= (−1, 1)

(4.116)

ČVUT v Praze


Směrodatnou odchylku modifikované opravy (tj. rozdílu oprav) určíme ze vztahu: 𝜎𝑣2𝑥𝑖 = 𝑓 𝑇 · 𝛴𝑠𝑢𝑏 · 𝑓

(4.117)

a poté mezní oprava 𝑣𝑀 vstupující do 4.112 je: 𝑣𝑀 = 𝜎𝑣𝑥𝑖 · 𝑢𝑝 ,

(4.118)

kde normovanou hodnotu náhodné veličiny normálního rozdělení volíme stejně jako v předchozích verzích 𝑢𝑝 = 2,57 (odpovídá oboustrannému testu jednorozměrné veličiny na hladině významnosti 𝛼 = 1 %). Je-li splněna nerovnost 4.112, souřadnici považujeme v určované etapě za odlehlou a ze souboru identických bodů příslušný bod vyloučíme. Výsledky výše popsaného testování jsou takto porovnatelné s výsledky předchozích verzí výpočtu. Třetí verze výpočtu byla provedena pomocí vlastního programu v jazyku GNU Octave. Zdrojové kódy jsou uloženy na přiloženém CD. V příloze C jsou uvedeny výsledky třetí verze výpočtu. Opravy 𝑣𝑥𝑖 , 𝑣𝑦𝑖 uvedené v tabulkách C.1 až C.7 jsou již modifikované opravy určené podle 4.115. Tyto opravy 𝑇

𝑇

přisoudíme souřadnicím (2 𝑥𝑖 , 2 𝑦𝑖 ) a souřadnice (1 𝑥𝑖 , 1 𝑦𝑖 ) současně ponecháme bez oprav. Touto úpravou lze výsledky třetí verze výpočtu interpretovat stejně jako výsledky předchozích verzí. Relativní vztah mezi identickými souřadnicemi po zavedení oprav je touto úpravou samozřejmě zachován.

4.5.4

Zhodnocení výsledků

V předchozích kapitolách byly představeny tři verze výpočtu robustní transformace. Tyto verze se od sebe liší způsobem, jakým jsou měřeným veličinám ve vyrovnání přisuzovány váhy. V první verzi výpočtu je uvažován standardní model transformace, při níž jsou měřenými veličinami souřadnice bodů ve výstupní soustavě a přesnost všech souřadnic v rámci jedné etapy je považována za shodnou a rovnou aritmetickému průměru směrodatných odchylek souřadnic identických bodů v dané etapě. Druhá verze výpočtu je též založena na standardním modelu transformace, kde měřenými veličinami jsou souřadnice bodů ve výstupní soustavě. Přesnost měřených veličin je dána součtem diagonálních kovariančních matic souřadnic obou soustav. Třetí verze výpočtu je aplikací exaktního modelu transformace s uvážením přesností obou soustav. Měřenými veličinami ve vyrovnání jsou tentokrát souřadnice identických bodů v obou soustavách.

63

ČVUT v Praze


Neznámé parametry jsou ve všech verzích výpočtu určovány metodou robustního odhadu pomocí 𝐿1 -normy, při níž je minimalizována suma absolutních hodnot oprav měřených veličin, viz kapitola 4.4. Průběh výpočtu lze shrnout následovně. Ve všech verzích výpočtu konverguje řešení robustního odhadu velmi rychle. Zpravidla již v iteraci, ve které je určen první robustní odhad, dochází k největšímu poklesu aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 , a to řádově až o desítky procent vůči prvotnímu nerobustnímu odhadu MNČ. V přílohách A, B a C jsou kromě číselných výsledků uvedeny i grafy vývoje hodnoty 𝜎 ^0 ze všech provedených robustních transformací. V těchto grafech je vždy uvedena také hodnota apriorní jednotkové směrodatné odchylky 𝜎0 a dále počáteční hodnota

(1)

𝜎 ^0 plynoucí z nerobustního odhadu MNČ a koncová hodnota

(20)

𝜎 ^0

z robustního odhadu po 20 iteracích. Porovnáme-li libovolnou trojici grafů z jednotlivých verzí výpočtu téže robustní transformace, lze zaznamenat skutečnost, že pokles hodnoty 𝜎 ^0 probíhá rázovitě u prvních dvou verzí výpočtu. Naopak pokles 𝜎 ^0 ve třetí verzi probíhá podstatně plynuleji. Tento jev souvisí s užitím principiálně odlišného modelu transformace, na němž je třetí verze výpočtu založena. Při užití výpočetních postupů popsaných v jednotlivých verzích byla zaznamenána značná numerická nestabilita výpočtu. Vzhledem k předpisu 4.51 pro výpočet robustních změn vah se problematickými stávají zejména opravy, které nabývají velmi malých hodnot. Extrémně nízké opravy způsobují extrémní růst vah vkládaných do další iterace výpočtu. Tím vzniká značná nehomogenita v řádech prvků matice robustních změn vah, která implikuje špatnou podmíněnost celého systému. Reciproká hodnota čísla podmíněnosti matice se tak limitně blíží k nule a výpočet inverze matice selhává. Takto špatně podmíněné matice lze sice řešit pseudoinverzí, nicméně v našem výpočtu byla matice robustních změn vah 𝑊 určována s dodatečnými podmínkami, které zajišťovaly předejití výskytu extrémně vysokých hodnot robustních změn vah 𝑤𝑖 . V každé iteraci byly tedy robustní změny vah určovány podle: (𝑚+1)

𝑤𝑖

=

(𝑚)

1

(𝑚)

(𝑚)

|^v𝑖

|

, 𝑣^𝑖

=

𝑣𝑖 𝜎𝑖

(4.119)

Dále byla stanovena maximální tolerovaná hodnota robustní změny váhy: 𝑤𝑚𝑎𝑥 = 4000

(4.120)

Podmínka pak byla do výpočtu zavedena ve tvaru: (𝑚+1)

𝑤𝑖

> 𝑤𝑚𝑎𝑥

⇒

64

(𝑚+1)

𝑤𝑖

= 𝑤𝑚𝑎𝑥

(4.121)

ČVUT v Praze


Hodnota 𝑤𝑚𝑎𝑥 byla stanovena pro hypotetickou situaci, kdy měření 𝑙𝑖 se směrodatnou odchylkou 𝜎𝑖 = 4 mm obdrží ve vyrovnání opravu 𝑣𝑖 = 0,001 mm. Obdobnou podmínku lze do výpočtu zavést také stanovením hodnoty minimální opravy. V tabulce 4.5 je pro každou transformaci uvedeno, jaké body jsou, na základě testování velikosti oprav souřadnic, považovány za odlehlé. Obecně lze shrnout, že druhá a třetí verze výpočtu si v identifikaci odlehlých hodnot naprosto odpovídají. Jak lze ověřit v tabulkách v přílohách B a C, opravy měření vzešlé ze stabilizovaného výpočtu robustní transformace se ve druhé a třetí verzi liší v řádu setin mm a mezní hodnoty oprav jsou si rovny. Jedinou zaznamenanou odlišností ve výsledcích druhé a třetí verze je plynulost konvergence výpočtu – ve třetí verzi konverguje výpočet plynuleji, viz grafy vývoje aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 v přílohách B a C. První verze výpočtu dává z hlediska identifikace odlehlých hodnot mírně odlišné výsledky při robustních transformacích 𝐸2 → 𝐸1 a 𝐸3 → 𝐸1 . To je dáno vstupním, příliš zobecněným předpokladem o shodné přesnosti všech měření v rámci dané etapy. K hodnocení velikosti oprav souřadnic byl použit oboustranný test jednorozměrné náhodné veličiny na hladině významnosti 𝛼 = 1 %. Při testování oprav na hladině významnosti 5 % jsou rozdíly mezi výsledky první verze a ostatními verzemi výpočtu výraznější. S odkazem na výše provedené zhodnocení byly původní soubory identických bodů pro jednotlivé transformace redukovány o ty body, které byly označeny jako odlehlé ve druhé a třetí verzi výpočtu. Obě tyto verze respektují různou přesnost měření. Z hlediska jednoduchosti interpretace výsledků vyzdvihuji zejména druhou verzi, ve které je přesnost měření dána součtem kovariančních matic souřadnic obou (stejně orientovaných) soustav. V redukovaných souborech identických bodů bude nutné pro účel dalšího zpracování vyhledat sadu takových bodů, které nebyly vyloučeny ani v jedné z robustních analýz.

65

ČVUT v Praze


Tab. 4.5: Vyloučené identické body při robustních transformacích Robustní Verze výpočtu Verze 1 Verze 2 Verze 3

transformace 𝐸1 → 𝐸0 vyloučené identické body 1003 1003 1003

Robustní Verze výpočtu Verze 1 Verze 2 Verze 3

transformace 𝐸2 → 𝐸1 vyloučené identické body 512, 1003 512, 513 512, 513


transformace 𝐸3 → 𝐸1 vyloučené identické body 507, 512, 513, 1002, 1003 507, 512, 513, 1002, 1003, 1011 507, 512, 513, 1002, 1003, 1011









66

ČVUT v Praze

5

5. HELMERTOVA TRANSFORMACE

Helmertova transformace

5.1

Výběr identických bodů

Na základě statistického testování oprav vzešlých ze stabilizovaného výpočtu robustního vyrovnání byly v souborech identických bodů identifikovány odlehlé hodnoty souřadnic. Identický bod, jehož alespoň jedna souřadnice byla označena za odlehlou, byl ze souboru identických bodů vyloučen. V tabulce 5.1 jsou symbolem ⋆ označeny identické body, které při jednotlivých robustních transformacích vyhověly testu oprav na hladině významnosti 𝛼 = 1 % (dle výsledků druhé a třetí verze výpočtu, které jsou ve shodě). Symbolem proškrtnutí — jsou v prvním sloupci tabulky označeny 4 body, které pro příslušnou transformaci (𝐸1 → 𝐸0 ) nejsou body identickými, neboť tyto body nebyly předmětem zaměření v etapě 𝐸0 . Jednotlivé sloupce tabulky 5.1 s body označenými ⋆ tedy představují redukované soubory identických bodů, které pro příslušnou transformaci splňují podmínku normality měřických dat. Původ dat z normálního rozdělení pravděpodobností je ideálním předpokladem pro správnost aplikace metody nejmenších čtverců. Účelem je nyní z takto očištěných souborů identických bodů vybrat sadu takových bodů, které nebyly označeny jako odlehlé ani v jedné z robustních analýz. Tyto body poskytnou dostatečnou věrohodnost ve stálosti své polohy v průběhu celého sledovaného období a použijeme je proto k výpočtu definitivního transformačního klíče metodou nejmenších čtverců. Opět s odkazem na tabulku 5.1 je výsledkem výběru 9 identických bodů, které vyhověly testu oprav při všech robustních transformacích. Jedná se o body: 501, 506, 524, 531, 552, 553, 1001, 1005, 1012. Na základě porovnání počtů vyloučených bodů při jednotlivých robustních transformacích lze transformaci 𝐸3 → 𝐸1 označit v jistém smyslu za podezřelou. Při této robustní transformaci bylo pomocí testů oprav vyloučeno 6 identických bodů, zatímco maximální počet bodů vyloučených při všech ostatních transformacích je 2. Tato informace je nepříznivá zejména z toho důvodu, že vyloučenými body jsou při robustní transformaci 𝐸3 → 𝐸1 mimo jiné i body 507 a 1011. Jejich hypotetické nevyloučení v etapě 𝐸3 by znamenalo nevyloučení v celé posloupnosti etap a tyto body bychom tak mohli také využít k výpočtu definitivního transformačního klíče. Oba body 507 a 1011 byly při robustní transformaci 𝐸3 → 𝐸1 vyloučeny na

67

ČVUT v Praze


Tab. 5.1: Identické body vyhovující statistickému testu oprav

⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆

⋆ ⋆ ⋆

10 1 11

13 2 15

9 6 15

14 1 15

⋆

𝐸7 → 𝐸1

⋆ ⋆ ⋆

𝐸6 → 𝐸1

𝐸4 → 𝐸1

⋆ ⋆ ⋆ ⋆ — ⋆ — ⋆ ⋆ — —

𝐸5 → 𝐸1

𝐸3 → 𝐸1

použit. vylouč. celkem

𝐸2 → 𝐸1

bod 501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

𝐸1 → 𝐸0

Helmertova transformace

⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆

⋆ ⋆ ⋆

⋆ ⋆ ⋆

13 2 15

13 2 15

14 1 15

⋆ ⋆ ⋆ ⋆ ⋆ ⋆

základě nevyhovění pouze jedné jejich souřadnice, viz tabulka B.3 nebo C.3. Souřadnice označené jako odlehlé hodnoty proto podrobíme bližšímu zkoumání a testování provedeme ještě pomocí p-hodnoty. P-hodnota kvantifikuje pravděpodobnost realizace hodnoty testovací statistiky, pokud nulová hypotéza 𝐻0 platí. Statistický test oprav pomocí jejich mezních hodnot je konstruován následovně. Testovanou nulovou hypotézou 𝐻0 , resp. alternativní hypotézou 𝐻1 je: 𝐻0 : 𝐸(𝑣𝑖 ) = 0

(5.1)

𝐻1 : 𝐸(𝑣𝑖 ) ̸= 0

(5.2)

𝑣𝑖 ∼ 𝑁 (0; 1) , 𝜎𝑣𝑖

(5.3)

Testovací statistikou je veličina: 𝑡=

68

ČVUT v Praze


která má normované normální rozdělení pravděpodobností 𝑁 (0; 1). Mezní hodnota 𝑢𝑝 se určí pro danou (zvolenou) pravděpodobnost 𝑃 z integrálu: 𝑃 =2

∫︁𝑢𝑝 0

𝑡2 1 √ e− 2 𝑑𝑡 , 2𝜋

(5.4)

či jako tabelovaný kvantil spojité náhodné veličiny 𝑡 s rozdělením 𝑁 (0, 1). V případě oboustranného testu požadujeme splnění podmínky |𝑡| ≤ 𝑢𝑝 . Není-li toto testovací kritérium splněno, nulovou hypotézu 𝐻0 zamítáme. Pro oboustranný test na hladině významnosti 𝛼 = 1 % zjistíme příslušný kvantil spojité náhodné veličiny s rozdělením 𝑁 (0, 1) zadáním příkazu norminv(0.995) v programu Octave. Výsledkem je 𝑢𝑝 = 2,57. Poté, co byl uveden tvar testovací statistiky 5.3, můžeme p-hodnotu (při oboustranném testu) určit ze vztahu: 𝑝 = 2 · min{𝐹 (𝑡); 1 − 𝐹 (𝑡)} ,

(5.5)

kde 𝐹 je distribuční funkce normovaného normálního rozdělení 𝑁 (0; 1), pro kterou platí: 𝑡

∫︁ 𝑡2 1 𝐹 (𝑡) = √ · e− 2 𝑑𝑡 2𝜋 −∞

(5.6)

P-hodnoty testovacích statistik příslušejících vyloučeným souřadnicím identických bodů 507 a 1011 při robustní transformaci 𝐸3 → 𝐸1 potom zjistíme pomocí příkazu normcdf(t) v programu Octave. Přesněji řečeno, tímto příkazem zjistíme hodnotu distribuční funkce 𝐹 v bodě odpovídajícím hodnotě vypočtené testovací statistiky 𝑡 a po dosazení do 5.5 určíme p-hodnotu. Výpočet p-hodnot je shrnut v následující tabulce. Tab. 5.2: Výpočet p-hodnot bod

𝑣𝑖

𝜎𝑣𝑖

𝑡

𝐹 (𝑡)

𝑝

1011

3,85

1,43

2,69

0,99643

0,00714

507

8,42

2,07

4,07

0,99998

0,00004

Význam výsledků uvedených v tabulce 5.2 je takový, že test opravy bodu 1011 by musel být proveden na hladině významnosti nižší než 0,71 % a bodu 507 na extrémně nízké hladině významnosti 𝛼 < 0,004 %, aby nulová hypotéza 𝐻0 nebyla zamítnuta.

69

ČVUT v Praze


Je zřejmé, že užití takto nízké hladiny významnosti by smazávalo podstatu testu, neboť s klesající hladinou významnosti klesá i síla 1 testu. Zamítnutí 𝐻0 lze tedy v obou případech považovat za jisté. I přes dosavadní zhodnocení bylo rozhodnuto, že body 507 a 1011 budou využity jako identické body k výpočtu definitivního transformačního klíče. Klíčovým argumentem pro toto rozhodnutí je fakt, že etapa 𝐸3 , v níž jediné došlo k vyloučení bodů 507 a 1011, byla zaměřena s hrubým porušením metodiky etapových měření. Jedná se o etapu 2009𝑝, ve které nebylo dokončeno zaměření polygonových pořadů. Z toho důvodu nelze terestrická měření v této etapě samostatně vyrovnat formou volné sítě. Nutnou podmínkou pro vyřešení této etapy tedy bylo navázání terestrických měření na GNSS vektory a jejich společné vyrovnání. Vzhledem k úpravám kovariančních matic GNSS vektorů (viz kapitola 3.2) lze předpokládat, že objektivita charakteristik přesnosti bodů plynoucí z vyrovnání etapy 2009𝑝 utrpěla jistou újmu. Dalším neopomenutelným důvodem pro použití bodů 507 a 1011 k výpočtu definitivního transformačního klíče je, že tyto body významně přispívají k rovnoměrnosti pokrytí celého sledovaného areálu identickými body, viz obrázek 5.1. Závěr Definitivní transformační klíč Helmertovy rovinné shodnostní transformace jednotlivých etap do soustavy základní etapy 𝐸1 bude vypočten pomocí 11 identických bodů: 501, 506, 507, 524, 531, 552, 553, 1001, 1005, 1011, 1012. Tyto body jsou na obrázku 5.1 vyznačeny modře. Helmertovu transformaci 𝐸1 → 𝐸0 provedeme pomocí téže sady identických bodů, ovšem bez bodů 531 a 1001, které nebyly předmětem zaměření etapy 𝐸0 .

1

Síla testu je pravděpodobnost, že je testem zamítnuta nulová hypotéza, když skutečně neplatí.

Vypočte se jako 𝑃 (𝐻1 |𝐻1 ) = 1 − 𝛽, kde 𝛽 je pravděpodobnost chyby druhého druhu. K chybě druhého druhu dojde, když na základě výběrových hodnot nezamítáme 𝐻0 , ačkoliv neplatí.

70

ČVUT v Praze


Obr. 5.1: Přehledka bodů polohové sítě Pražského hradu

71

ČVUT v Praze

5.2


Definitivní transformační klíč

Definitivní transformační klíč, který charakterizuje transformaci soustavy další etapy do soustavy základní etapy určíme metodou nejmenších čtverců, tj. Helmertovou transformací. Ke všem transformacím užijeme tutéž sadu identických bodů; jejich konkrétní výběr byl proveden a zdůvodněn v předchozí kapitole. Výpočet Helmertovy transformace provedeme podle postupu popsaného v kapitole 4.5.1 s tím rozdílem, že ve výpočtu již nefiguruje matice robustních změn vah 𝑊 a jako váhovou matici 𝑃 dosadíme: 𝑃 = 𝜎02 · 𝛴𝑙𝑙−1 = 𝜎02 · (𝛴𝑋 + 𝛴𝑥 )−1 ,

(5.7)

kde 𝜎0 je apriorní jednotková směrodatná odchylka, 𝛴𝑋 je kovarianční matice souřadnic bodů ve výstupní soustavě (soustava základní etapy) a 𝛴𝑥 je kovarianční matice souřadnic bodů ve vstupní soustavě (soustava transformované etapy). Vypočteme přírůstky k přibližným hodnotám neznámých parametrů: 𝑑𝛷 = −(𝐴𝑇 · 𝑃 · 𝐴)−1 · 𝐴𝑇 · 𝑃 · 𝑙′

(5.8)

a z nich vyrovnané neznámé: ^ = Φ0 + 𝑑𝛷 Φ

(5.9)

Dále vypočteme opravy měřených veličin: 𝑣 = 𝐴 · 𝑑𝛷 + 𝑙′

(5.10)

^l = 𝑙 + 𝑣

(5.11)

a vyrovnané měřené veličiny:

Provedeme závěrečnou kontrolu pomocí dvojího výpočtu oprav: 𝑣 𝐼 = 𝐴 · 𝑑𝛷 + 𝑙′

(5.12)

^ −𝑙, 𝑣 𝐼𝐼 = 𝑋(Φ)

(5.13)

kde 𝑋 jsou funkční vztahy 4.52. Závěrem vypočteme charakteristiky přesnosti plynoucí ze zavedení podmínky MNČ. Aposteriorní jednotková směrodatná odchylka Je-li počet polohových identických bodů při Helmertově transformaci 𝑛 a tedy počet měření ve vyrovnání 2𝑛 a dále počet neznámých parametrů 𝑢, určíme z daného výběru 2𝑛 oprav aposteriorní jednotkovou směrodatnou odchylku podle vztahu: √︃

𝜎 ^0 =

𝑣𝑇 · 𝑃 · 𝑣 , 𝑛′ 72

(5.14)

ČVUT v Praze


kde 𝑛′ = 2𝑛 − 𝑢 je počet nadbytečných měření. Aposteriorní jednotková směrodatná odchylka 𝜎 ^0 je empirickým odhadem směrodatné odchylky měření o váze 𝑝 = 1. Její hodnota je náhodná a závislá na náhodném střetnutí hodnot skutečných chyb 𝜀𝑖 . Odvození vztahu 5.14 lze nalézt např. v [11]. Směrodatné odchylky vyrovnaných neznámých Směrodatné odchylky vyrovnaných neznámých parametrů, tj. prvků transformačního klíče, se počítají ze vzorce: 𝜎Φ^ 𝑖 =

√︁

ΣΦ^ 𝑖 Φ^ 𝑖 ,

(5.15)

kde ΣΦ^ 𝑖 Φ^ 𝑖 je diagonální prvek kovarianční matice 𝛴Φ^ Φ^ , pro kterou platí: [︁

]︁

[︁

𝛴Φ^ Φ^ = (𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 · 𝛴𝑙𝑙 · (𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 ⎧ ⎪ ⎪ ⎪ ⎨

𝛴Φ^ Φ^ = ⎪ ⎪ ⎪ ⎩

]︁𝑇

(5.16)

)︁−1

(︁

𝜎02 · 𝐴𝑇𝑃 𝐴

(5.17)

nebo )︁−1

(︁

𝜎 ^02 · 𝐴𝑇𝑃 𝐴

K výpočtu směrodatných odchylek vyrovnaných neznámých použijeme apriorní jednotkovou směrodatnou odchylku 𝜎0 , pokud při testu aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 podle kapitoly 3.4 není zamítnuta nulová hypotéza 3.2. Směrodatné odchylky vyrovnaných měření Směrodatné odchylky vyrovnaných měření vypočteme ze vzorce: 𝜎^l𝑖 =

√︁

Σ^l𝑖^l𝑖 ,

(5.18)

kde Σ^l𝑖^l𝑖 je diagonální prvek kovarianční matice 𝛴^l^l, pro kterou platí: 𝛴^l^l = 𝐴 · 𝛴Φ^ Φ^ · 𝐴𝑇

(5.19)

Směrodatné odchylky vyrovnaných oprav Odvození kovarianční matice vyrovnaných oprav bylo provedeno v kapitole 4.5.1. Pro výslednou matici platí: 𝛴𝑣𝑣 =

[︁

=

(︁

]︁

[︁

𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸 · 𝛴𝑙𝑙 · 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇𝑃 − 𝐸 )︁

(︁

𝛴^l^l𝛴𝑙𝑙−1 − 𝐸 · 𝛴𝑙𝑙 · 𝛴^l^l𝛴𝑙𝑙−1 − 𝐸

= 𝛴𝑙𝑙 − 𝛴^l^l

)︁𝑇

]︁𝑇

(5.20) (5.21) (5.22)

[︁

= 𝜎02 𝑃 −1 − 𝐴(𝐴𝑇𝑃 𝐴)−1 𝐴𝑇

73

]︁

(5.23)

ČVUT v Praze


Směrodatné odchylky funkcí vyrovnaných neznámých Jedná se o aplikaci všeobecně známého zákona hromadění směrodatných odchylek v obecném (maticovém) tvaru, resp. zákona hromadění vah pro korelovaná měření. ^ 𝑇 ) korelovaných hodnot Φ ^ vzešlých z vyrovnání se Uvažujeme funkci 𝑓 = 𝑓 (Φ známou kovarianční maticí 𝛴Φ^ Φ^ určenou podle 5.17. Úkolem je určit směrodatnou odchylku uvažované funkce. Vypočteme vektor ℎ𝑇 parciálních derivací funkce 𝑓 podle jednotlivých prvků ^ vektoru Φ: ^𝑇) 𝜕𝑓 (Φ 𝑇 ℎ = (5.24) ^ 𝜕Φ V případě jedné funkce je výsledkem pouze skalár: 𝜎𝑓2 = ℎ𝑇 · 𝛴Φ^ Φ^ · ℎ

(5.25)

Zobecníme-li úlohu na případ, kdy určujeme směrodatné odchylky více funkcí současně, tedy platí: ^ 𝑇 ) , 𝑓 = (𝑓1 , 𝑓2 , . . . , 𝑓𝑛 )𝑇 , 𝑓 = 𝑓 (Φ

(5.26)

vypočteme matici parciálních derivací: 𝑇

^ ) 𝜕𝑓 (Φ 𝐻= ^ 𝜕Φ

(5.27)

𝛴𝑓 𝑓 = 𝐻 · 𝛴Φ^ Φ^ · 𝐻 𝑇 ,

(5.28)

a výsledkem je poté matice:

kde přesnost konkrétní funkce 𝑓𝑖 vyjádříme z diagonálního prvku Σfi fi matice podle: 𝜎 𝑓𝑖 =

√︁

Σfi fi

(5.29)

Výpočet definitivních transformačních klíčů Helmertovy transformace jednotlivých etap do soustavy příslušné základní etapy byl proveden pomocí vlastního programu v jazyku GNU Octave. Algoritmus výpočtu odpovídá výše popsanému postupu. Zdrojový kód programu i všechny výstupní soubory jsou uloženy na přiloženém CD.

5.3

Transformace souřadnic

V této fázi výpočtu je pro každou transformaci dané etapy do soustavy základní etapy znám definitivní transformační klíč a jeho kovarianční matice plynoucí z výpočtu Helmertovy transformace. Postup výpočtu definitivního transformačního klíče

74

ČVUT v Praze


metodou nejmenších čtverců je uveden v kapitole 5.2 a konkrétní výběr identických bodů v kapitole 5.1. Pomocí takto určeného definitivního transformačního klíče byla provedena transformace všech bodů sítě v dané etapě, tedy bodů identických i neidentických. Je zřejmé, že z důvodu různých rozsahů zaměření jednotlivých etap nelze zejména pro některé neidentické body provést kontinuální zhodnocení jejich posunů. To demonstruje tabulka 5.3, v níž jsou symbolem ⋆ označeny ty body, které byly v dané etapě zaměřeny. Poznámka DIB v tabulce 5.3 znamená »definitivní identický bod«, tj. bod použitý k výpočtu definitivního transformačního klíče. Tab. 5.3: Označení zaměření všech bodů sítě bod 501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

𝐸0 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆

⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆

𝐸1 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸2 ⋆

𝐸3 ⋆

⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆

⋆ ⋆ ⋆

⋆

⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸4 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

75

𝐸5 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸6 ⋆ ⋆

𝐸7 ⋆ ⋆

pozn. DIB

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

DIB DIB

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

DIB DIB DIB IB IB DIB DIB DIB

IB IB DIB

DIB

ČVUT v Praze


Přesnost přetransformovaných souřadnic bodů byla určena aplikací obecného zákona hromadění směrodatných odchylek. Funkčními vztahy, na něž je zákon aplikován, jsou již známé transformační rovnice rovinné shodnostní transformace: ⎛

⎞

⎛

⎝

⎠

=⎝

𝑋𝑖 𝑌𝑖

sin 𝜔 ^

⎞ ⎛

⎞

⎛

⎞

^ T ⎠ · ⎝ ⎠ + ⎝ x⎠ ^y cos 𝜔 ^ 𝑦𝑖 T

cos 𝜔 ^ − sin 𝜔 ^

𝑥𝑖

(5.30)

^x , T ^y, 𝜔 ^ = (T Pro transformační parametry Φ ^ )𝑇 je známa kovarianční matice 𝛴Φ^ Φ^ z vyrovnání, určená podle 5.17. Ta byla vypočtena na základě apriorní jednotkové směrodatné odchylky 𝜎0 . Pro vstupní transformované souřadnice 𝑥 = (𝑥𝑖 , 𝑦𝑖 )𝑇 je známa kovarianční matice 𝛴𝑥𝑦 vzešlá z vyrovnání jednotlivých etap programem GNU Gama. Matice parciálních derivací podle všech parametrů má pro jeden bod tvar:

𝐻 (2×5) =

𝑇𝑥

𝑇𝑦

𝜔

𝑥𝑖

𝑦𝑖

𝑋𝑖

⎛

1

0

−𝑥𝑖 sin 𝜔 − 𝑦𝑖 cos 𝜔

cos 𝜔

− sin 𝜔

⎞

𝑌𝑖

⎝

0

1

𝑥𝑖 cos 𝜔 − 𝑦𝑖 sin 𝜔

sin 𝜔

cos 𝜔

⎠

(5.31)

Kovarianční matici všech parametrů 𝛴𝑎𝑙𝑙 uvažujeme v blokově diagonálním tvaru: ⎛

𝛴𝑎𝑙𝑙 = ⎝

𝛴Φ^ Φ^

(3×3)

0(3×2)

⎞

0(2×3)

(2×2) 𝛴𝑥𝑦

⎠

(5.32)

Kovarianční matice přetransformovaných souřadnic 𝑖-tého bodu má tvar: 𝛴𝑋𝑌 = 𝐻 · 𝛴𝑎𝑙𝑙 · 𝐻 𝑇

(5.33)

Tímto postupem byly určeny směrodatné odchylky souřadnic a jejich kovariance pro všechny přetransformované body. Toto řešení zanedbává závislosti mezi vstupními transformovanými souřadnicemi různých bodů; exaktní řešení by znamenalo transformovat všechny souřadnice jako jeden celek a jako charakteristiku jejich přesnosti použít plnou kovarianční matici 𝛴𝑥 vzešlou z vyrovnání programem GNU Gama. Výpočet transformace a charakteristik přesnosti přetransformovaných bodů byl proveden vlastním programem v jazyku GNU Octave, resp. byla použita pouze funkce již zmíněného programu vytvořeného k výpočtu Helmertovy transformace, kde definitivní transformační klíč a jeho kovarianční matice jsou vstupními argumenty této funkce.

76

ČVUT v Praze


Kompletní program tedy pro každou transformaci generuje 2 výstupní textové soubory, v prvním souboru je uvedena aposteriorní jednotková směrodatná odchylka, výsledný transformační klíč a jeho kovarianční matice. Druhý textový soubor obsahuje přetransformované souřadnice všech identických i neidentických bodů v dané etapě. Pro každý bod jsou uvedeny směrodatné odchylky souřadnic a jejich příslušné kovariance vypočtené podle 5.33. Tyto textové soubory byly generovány v takovém formátu, který umožňuje jejich následné načtení programem Gizela. V tomto programu byla provedena závěrečná statistická analýza posunů bodů. Všechny seznamy přetransformovaných souřadnic jsou uvedeny v příloze D.

77

ČVUT v Praze

6

6. TESTOVÁNÍ POSUNŮ BODŮ

Testování posunů bodů

6.1

Pravděpodobnost uvnitř elipsy chyb

Posunem bodu je pro účel této práce míněn statisticky prokázaný rozdíl v poloze bodu mezi základní etapou a některou z dalších etap měření. Vodorovný posun bodu mezi základní etapou 𝐸0 a další etapou 𝐸𝑗 určíme podle vztahů: (0,𝑗)

= 𝑋𝑖 − 𝑋𝑖

(0,𝑗)

= 𝑌𝑖

Δ𝑋𝑖 Δ𝑌𝑖

(0,𝑗)

𝑝𝑖

(𝑗)

(𝑗)

√︂

(︁

(0)

(6.1)

(0)

− 𝑌𝑖

(6.2)

(𝑗)

(0)

𝑋 𝑖 − 𝑋𝑖

=

)︁2

(︁

(𝑗)

+ 𝑌𝑖

(0)

− 𝑌𝑖

)︁2

(6.3)

(0,𝑗)

𝛼𝑝(0,𝑗) 𝑖

= arctan

Δ𝑌𝑖

(0,𝑗)

kde 𝑋𝑖 , 𝑌𝑖 jsou souřadnice 𝑖-tého bodu, 𝑝𝑖 mezi nultou a 𝑗-tou etapou a

𝛼𝑝(0,𝑗) 𝑖

(6.4)

,

(0,𝑗)

Δ𝑋𝑖

je velikost vodorovného posunu bodu

je směrník posunu.

Cílem statistického testování je provést se zvoleným rizikem rozhodnutí o změně polohy bodu na základě objektivního kritéria. Pro testování vodorovných posunů využijeme metodu testování pomocí konfidenční oblasti. Touto oblastí je tzv. konfidenční elipsa chyb. Předpokladem pro správnou aplikaci testu je, že porovnávané souřadnice v 𝑗-té a 𝑘-té etapě jsou nezávislé náhodné veličiny s normálním rozdělením pravděpodob(𝑗)

ností. Pro vektor souřadnic 𝑋𝑖 (𝑗)

𝑋𝑖 (︁

(𝑗)

kde 𝐸 𝑋𝑖

)︁

(︁

(𝑗)

(𝑘)

bodu 𝑖 v etapě 𝑗 platí (obdobně pro vektor 𝑋𝑖 ): )︁ (𝑗) 𝑇

= 𝑋𝑖 , 𝑌𝑖

(︁

(︁

(𝑗)

∼ 𝑁 𝐸 𝑋𝑖

)︁

(𝑗)

; 𝛴𝑖

(𝑗)

je střední hodnota vektoru souřadnic a 𝛴𝑖

)︁

(6.5)

,

je kovarianční matice (𝑗,𝑘)

souřadnic. Předpokládáme-li, že platí 6.5, jsou i souřadnicové rozdíly Δ𝑋𝑖

(𝑗,𝑘)

, Δ𝑌𝑖

náhodnými veličinami, jejichž rozdělení pravděpodobností se řídí dvojrozměrným normálním rozdělením. Pro vektor posunu bodu proto platí: ⎛ (𝑗,𝑘) 𝑝𝑖

(𝑗,𝑘)

⎞

(𝑗,𝑘)

⎠

Δ𝑋𝑖

=⎝

Δ𝑌𝑖

(︁

(︁

(𝑘)

∼ 𝑁 𝐸 𝑋𝑖

)︁

(︁

(𝑗)

− 𝐸 𝑋𝑖

)︁

(𝑗)

(𝑘)

; 𝛴𝑖 + 𝛴𝑖

)︁

(6.6)

Odtud je zřejmé, že kovarianční matice vektoru posunu je dána: (𝑗)

(𝑘)

𝛴𝑝(𝑗,𝑘) = 𝛴𝑖 + 𝛴𝑖

78

(6.7)

ČVUT v Praze


(𝑗,𝑘)

Protože jsou souřadnicové rozdíly Δ𝑋𝑖

(𝑗,𝑘)

, Δ𝑌𝑖

náhodnými veličinami s dvoj-

rozměrným normálním rozdělením, má i vektor jejich skutečných chyb 𝜀𝑝(𝑗,𝑘) při platnosti 𝐻0 dvojrozměrné normální rozdělení se střední hodnotou: (︁

)︁

𝐸 𝜀𝑝(𝑗,𝑘) = 0

(6.8)

a kovarianční maticí 𝛴𝑝(𝑗,𝑘) , neboli: (︁

𝜀𝑝(𝑗,𝑘) ∼ 𝑁 0; 𝛴𝑝(𝑗,𝑘)

)︁

(6.9)

Hustota pravděpodobnosti náhodného vektoru 𝜀𝑝(𝑗,𝑘) je např. podle [22] dána výrazem: (︁

𝑓 𝜀𝑝(𝑗,𝑘)

)︁

1

1 = − 𝜀𝑇𝑝(𝑗,𝑘) 𝛴𝑝−1 (𝑗,𝑘) 𝜀𝑝(𝑗,𝑘) 1 · exp 2 2𝜋 |𝛴𝑝(𝑗,𝑘) | 2 {︂

}︂

,

(6.10)

kde |𝛴𝑝(𝑗,𝑘) | je determinant kovarianční matice 𝛴𝑝(𝑗,𝑘) . Protože kovarianční matice 𝛴𝑝(𝑗,𝑘) typu 2 × 2 je pozitivně definitní, je její determinant kladný a inverzní matice 𝛴𝑝−1 (𝑗,𝑘) existuje. Průsečnicemi plochy hustoty pravděpodobnosti 6.10 a rovin rovnoběžných s rovinou 𝑋𝑌 je soustava soustředných a souosých elips chyb, jejichž rovnice lze zapsat: 2 𝜀𝑇𝑝(𝑗,𝑘) 𝛴𝑝−1 (𝑗,𝑘) 𝜀𝑝(𝑗,𝑘) = 𝑡𝑖 ,

(6.11)

kde 𝑡𝑖 je volitelný parametr. Tyto elipsy se nazývají konfidenční elipsy chyb a jejich velikost vyjadřuje, s jakou pravděpodobností (konfidenční pravděpodobností) leží vektor posunu uvnitř této elipsy, jestliže nedošlo ke skutečné změně polohy bodu. Pro volbu parametru 𝑡𝑖 = 1 je konfidenční elipsa nazývána střední elipsou chyb. Vztah 6.11 představuje kvadratickou formu dimenze 2, tj. mnohočlen druhého stupně (neobsahuje členy prvního a nultého stupně) a matice 𝛴𝑝−1 (𝑗,𝑘) je matice kvadratické formy kuželosečky. V [22] lze nalézt odvození, že směry os elipsy chyb splývají s vlastními vektory kovarianční matice 𝛴𝑝(𝑗,𝑘) a velikosti poloos střední elipsy chyb jsou odmocniny z vlastních čísel této matice. Orientace elipsy chyb vzhledem k původním souřadnicovým osám tedy závisí na kovarianci. Jestliže jsou jsou náhodné proměnné nekorelované, tak osy elipsy jsou rovnoběžné se souřadnicovými osami a takovou elipsu potom můžeme zapsat středovou rovnicí:

𝑌 2 𝑋 2 + =1 (6.12) 𝑎 · 𝑡𝑖 𝑏 · 𝑡𝑖 Pravděpodobnost 𝑃 , kterou reprezentuje daná chybová elipsa, určíme jako objem (︂

)︂

(︂

)︂

eliptického válce ohraničeného plochou normálního rozdělení: {︃

1 1 · exp − 2𝜋𝑎𝑏 2

∫︁∫︁

𝑃 = 2

( 𝑋𝑎 ) +( 𝑌𝑏 )

2

<𝑡2𝑖

79

[︃(︂

𝑋 𝑎

)︂2

𝑌 + 𝑏 (︂

)︂2 ]︃}︃

𝑑𝑋 𝑑𝑌

(6.13)

ČVUT v Praze


Řešení dvojného integrálu se provádí s využitím substituce (zavedení polárních souřadnic) a výsledná pravděpodobnost pro zvolenou hodnotu parametru 𝑡𝑖 je dána výrazem: {︃(︂

𝑃 =𝑃

)︂2

𝑋 𝑎

𝑌 + 𝑏 (︂

)︂2

}︃

≤

𝑡2 𝑖

= 1 − e− 2

𝑡2𝑖

(6.14)

Úpravou výrazu 6.14 je naopak možné vyjádřit hodnotu parametru 𝑡𝑖 pro zvolenou pravděpodobnost 𝑃 : 𝑡𝑖 =

√︁

−2 · ln(1 − 𝑃 )

(6.15)

V tabulce 6.1 jsou uvedeny hodnoty pravděpodobností uvnitř konfidenčních elips chyb pro různé hodnoty parametru 𝑡𝑖 : Tab. 6.1: Pravděpodobnost uvnitř konfidenční elipsy chyb 𝑡𝑖

0

0,5

1

1,5

2

2,5

3

3,5

𝑃%

0

11,8

39,4

67,5

86,5

95,6

98,9

99,8

Parametry konfidenční elipsy chyb Z kovarianční matice vektoru posunu 𝛴𝑝(𝑗,𝑘) , která má strukturu: 𝑖

⎛

(︁

𝜎2

(𝑗,𝑘)

cov Δ𝑋𝑖

(𝑗,𝑘) Δ𝑋𝑖

(︁ )︁ 𝛴𝑝(𝑗,𝑘) = ⎜ ⎝ (𝑗,𝑘) (𝑗,𝑘) 𝑖 cov Δ𝑋𝑖 , Δ𝑌𝑖

(𝑗,𝑘)

, Δ𝑌𝑖

)︁⎞ ⎟ ⎠

𝜎 2 (𝑗,𝑘) Δ𝑌𝑖

,

(6.16)

určíme parametry střední elipsy chyb podle vzorců:

𝑎 =

⎯ ⎸ 2 ⎸ 𝜎 (𝑗,𝑘) ⎷ Δ𝑋𝑖

𝑏 =

⎯ ⎸ 2 ⎸ 𝜎 (𝑗,𝑘) ⎷ Δ𝑋𝑖

+ 𝜎2

(𝑗,𝑘)

Δ𝑌𝑖

+𝑐 (6.17)

2 + 𝜎2

(𝑗,𝑘)

Δ𝑌𝑖

−𝑐 (6.18)

,

2

kde 𝑐 se určí: √︃

𝑐=

(︂

𝜎 2 (𝑗,𝑘) Δ𝑋𝑖

−

𝜎 2 (𝑗,𝑘) Δ𝑌𝑖

)︂2

(︁

(𝑗,𝑘)

+ 4 · cov2 Δ𝑋𝑖

(𝑗,𝑘)

, Δ𝑌𝑖

)︁

(6.19)

Směrník hlavní poloosy se vypočte: (︁

tan 2𝛼 =

(𝑗,𝑘)

2 · cov Δ𝑋𝑖 𝜎2

(𝑗,𝑘) Δ𝑋𝑖

80

(𝑗,𝑘)

, Δ𝑌𝑖

− 𝜎2

(𝑗,𝑘) Δ𝑌𝑖

)︁

(6.20)

ČVUT v Praze


Pro zvolenou konfidenční pravděpodobnost 𝑃 vyjádříme hodnotu parametru 𝑡𝑖 z rovnice 6.15 a velikost hlavní a vedlejší poloosy konfidenční elipsy chyb potom vyjádříme: 𝑎𝑡𝑖 = 𝑎 · 𝑡𝑖 , 𝑏𝑡𝑖 = 𝑏 · 𝑡𝑖

6.2

(6.21)

Konstrukce testu

Testování souřadnicových rozdílů (posunů) provedeme dvourozměrnými apriorními testy. Při testování posunu bodu 𝑖 mezi etapami 𝑗 a 𝑘 mají nulová a alternativní hypotéza tvar: ⎛

𝐻0 : 𝐸 ⎝ ⎛

𝐻1 : 𝐸 ⎝

(𝑘)

𝑋𝑖

(𝑘) 𝑌𝑖 (𝑘)

𝑋𝑖

(𝑘) 𝑌𝑖

(𝑗)

⎞

(𝑗) 𝑌𝑖

⎠

0 = ⎝ ⎠ 0

(𝑗)

⎞

⎛ ⎞

(𝑗) 𝑌𝑖

⎠

− 𝑋𝑖 −

− 𝑋𝑖 −

⎛ ⎞

(6.22)

0 ̸= ⎝ ⎠ 0

(6.23)

Testovací statistikou apriorního testu je veličina 𝜒2 , pro kterou platí: ⎛

𝜒2 =

(︁

(𝑗,𝑘) (𝑗,𝑘) Δ𝑋𝑖 , Δ𝑌𝑖

)︁

· 𝛴 −1 (𝑗,𝑘) Δ𝑋𝑖

(𝑗,𝑘)

,Δ𝑌𝑖

·⎝

(𝑗,𝑘)

⎞

(𝑗,𝑘)

⎠

Δ𝑋𝑖 Δ𝑌𝑖

,

(6.24)

kde 𝛴Δ𝑋 (𝑗,𝑘) ,Δ𝑌 (𝑗,𝑘) je kovarianční matice vektoru posunu, kterou určíme pomocí 𝑖

𝑖

vztahu 6.7 jako součet kovariančních matic souřadnic porovnávaných bodů: 𝛴Δ𝑋 (𝑗,𝑘) ,Δ𝑌 (𝑗,𝑘) = 𝛴𝑝(𝑗,𝑘) = 𝛴𝑋𝑌 (𝑗) + 𝛴𝑋𝑌 (𝑘) 𝑖

𝑖

𝑖

𝑖

(6.25)

𝑖

Testovací statistika 𝜒2 má při platnosti 𝐻0 centrální 𝜒2 rozdělení pravděpodobností se dvěma stupni volnosti. Kritická hodnota 𝜒2 rozdělení pro zvolenou hladinu významnosti 𝛼 = 5 % a dva stupně volnosti je 𝜒2𝛼,2 = 5,99. Testovací kritérium má tvar: 𝜒2 > 𝜒2𝛼,2

(6.26)

Je-li podmínka 6.26 splněna, testovanou nulovou hypotézu zamítáme na hladině významnosti 𝛼 a současně přijímáme hypotézu alternativní. Přijetí alternativní hypotézy dále implikuje přijetí konvenčního závěru, že ve vyhodnocované etapě byl s danou pravděpodobností prokázán posun bodu. Konstrukce testu by se mohla zdát v jistém smyslu matoucí, neboť z formálního hlediska byl díky tvaru alternativní hypotézy 𝐻1 stanoven oboustranný test a testovací kritérium 6.26 současně definuje pouze jednostranný interval spolehlivosti. To

81

ČVUT v Praze


je dáno skutečností, že testovací statistika 6.24 je modifikovaným kvadrátem velikosti posunu, resp. kvadrátem posunu, který je pomocí kovarianční matice posunu převeden na kvantil 𝜒2 rozdělení. Samotný výsledek testu, kterým je rozhodnutí o zamítnutí či nezamítnutí nulové hypotézy 𝐻0 , je vhodné doplnit výpočtem p-hodnoty. P-hodnota kvantifikuje pravděpodobnost realizace hodnoty testovací statistiky, pokud nulová hypotéza platí. Podává tak podstatně lepší informaci o výsledku testu než pouhé zamítnutí či nezamítnutí nulové hypotézy. P-hodnota se v tomto případě vypočte podle vztahu: 𝑝 = 1 − 𝐹 (𝜒2 ) ,

(6.27)

kde 𝐹 (𝜒2 ) je hodnota distribuční funkce 𝜒2 rozdělení vypočtená v bodě získané hodnoty testovací statistiky 6.24. Hodnotu distribuční funkce 𝐹 rozdělení 𝜒2 se dvěma stupni volnosti v bodě stat zjistíme např. zadáním příkazu chi2cdf(stat,2) v programu Octave. Pomocí p-hodnoty je též možné provést rozhodnutí o výsledku testu. Platí-li nerovnost: 𝑝≤𝛼,

(6.28)

testovanou nulovou hypotézu zamítáme na zvolené hladině významnosti 𝛼.

6.3

Výsledky testování

Výpočet testů posunů bodů byl proveden v programu Gizela. Gizela je volně distribuovaný software, který je primárně vyvinut pro operační systém Linux a slouží ke zpracování a vyhodnocení geodetických etapových měření. Jeho autory jsou Ing. Tomáš Kubín, Ph.D. a Ing. Michal Seidl, Ph.D. Vstupními daty do programu Gizela jsou v našem případě seznamy vyrovnaných souřadnic bodů přetransformovaných do soustavy základní epochy pomocí vybrané sady identických bodů. Ke každému bodu jsou uvedeny směrodatné odchylky přetransformovaných souřadnic a jejich příslušné kovariance. Tyto seznamy souřadnic jsou obsahem přílohy D. Z důvodu volby dvou základních etap je testování posunů mezi jednotlivými etapami provedeno odděleně, tzn. etapa 𝐸1 je hodnocena vůči základní etapě 𝐸0 a etapy 𝐸2 až 𝐸7 jsou hodnoceny vůči základní etapě 𝐸1 . Důvody k volbě dvou základních etap byly uvedeny v kapitole 4.5.

82

ČVUT v Praze


Na základě zpracování vstupních dat program Gizela generuje několik druhů výstupních souborů. Nejdůležitější výsledky obsahuje textový soubor s vypočtenými posuny (souřadnicovými rozdíly), jejich směrodatnými odchylkami, p-hodnotou, výslednou hodnotou testovací statistiky a uvedením výsledku testu. Všechny tyto výsledky jsou formou přehledných tabulek uvedeny v příloze E. Dalším důležitým výstupem z programu Gizela je grafické zobrazení posunů bodů s vykreslením středních elips chyb bodů v jednotlivých etapách a dále grafické zobrazení posunů s vykreslením konfidenčních elips chyb vektorů posunů. Testování posunů bodů bylo provedeno na hladině významnosti 𝛼 = 5 %. Všechny vstupní i výstupní soubory programu Gizela jsou uloženy na přiloženém CD. Výpočet testování byl také kontrolně proveden pomocí vlastního programu v jazyku Octave. K tomu byly využity stejné vstupní soubory sestavené pro program Gizela, viz příloha D. Algoritmus výpočtu odpovídá konstrukci testu popsané v kapitole 6.2. Výsledkem jsou výstupní textové soubory s vypočtenými posuny, jejich směrodatnými odchylkami, p-hodnotou, výslednou hodnotou testovací statistiky a uvedením výsledku testu. Tyto výsledky se shodují s výsledky testování programem Gizela. Veškerá data související s vlastním výpočtem testování (spustitelný m-soubor, vstupní a výstupní textové soubory) jsou uloženy na přiloženém CD. Kromě samotných výsledků testování posunů plynou velmi důležité závěry z porovnání těchto výsledků s výsledky robustních transformací. Toto porovnání představuje tabulka 6.3. Na základě testování oprav vzešlých ze stabilizovaného výpočtu robustního vyrovnání byly při jednotlivých transformacích identifikovány odlehlé hodnoty souřadnic identických bodů. Obdobně pak byly v jednotlivých etapách označeny body, u nichž byl na základě dvourozměrných apriorních testů prokázán posun. S odkazem na tabulku 6.3 je pak možné učinit závěr, že testy posunů bodů velmi dobře potvrzují výsledky robustních transformací. Jedinou odchylkou v identifikaci »nevyhovujících« bodů je bod 1011 v etapě 𝐸3 , resp. robustní transformaci 𝐸3 → 𝐸1 . U tohoto bodu nebyl na základě testování posun v etapě 𝐸3 prokázán, ačkoliv při robustní transformaci 𝐸3 → 𝐸1 jedna jeho souřadnice nevyhověla testu oprav. Současně je však nutné připomenout, že testy oprav byly při robustní analýze prováděny na hladině významnosti 1 %, zatímco testy posunů bodů na hladině významnosti 5 %. Odchylka je tak pravděpodobně vyvolána skutečností, že při robustní transformaci jsou opravy testovány odděleně a identický bod je tak vyloučen při nevyhovění alespoň jedné jeho souřadnice. Při

83

ČVUT v Praze


testování posunů je však testován vektor posunu (velikost vektoru souřadnicových rozdílů) a test je tak podstatně komplexnější. Na základě testování posunů všech bodů sítě byla vybrána sada bodů, u nichž nebyl prokázán posun ani v jedné z vyhodnocovaných etap. Jedná se o sadu těchto 15 bodů: 501, 502, 506, 511, 524, 526, 527, 531, 541, 552, 553, 1001, 1005, 1011, 1012. Jak je patrné z tabulky 6.2, některé z těchto bodů (502, 511, 526, 527, 531, 541, 1001) nebyly v určitých etapách předmětem zaměření a vyhodnocení posunů těchto bodů proto není možné provést kontinuálně v průběhu všech etap. Na základě dostupných dat však tyto body testům posunů v příslušných etapách vyhověly. Závěrem pokládám tvrzení, že zmíněnou sadu 15 bodů polohové sítě lze podle běžných konvencí považovat za stabilní. Toto tvrzení dokladuji přílohou E s číselnými výsledky testů a přílohou F s grafickými výsledky testů. V tištěné verzi práce doprovázím grafickými přílohami testování etap 𝐸2 až 𝐸7 vůči základní etapě 𝐸1 . Grafické přílohy k testování 𝐸1 vůči 𝐸0 jsou uloženy na přiloženém CD. U ostatních bodů sítě byla v nejméně jedné etapě prokázána nestabilita, která byla pravděpodobně způsobena vnějšími vlivy. Nejvýraznější polohovou nestabilitu dlouhodobě vykazuje geotechnický vrt 1003. Tab. 6.2: Označení zaměření stabilních bodů sítě bod 501 502 506 511 524 526 527 531 541 552 553 1001 1005 1011 1012

𝐸0 ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸1 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸2 ⋆

𝐸3 ⋆

⋆

⋆

⋆

⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

84

𝐸4 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸5 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸6 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

𝐸7 ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆

⋆ ⋆ ⋆ ⋆ ⋆ ⋆

512, 513 512, 513 507, 512, 513, 1002, 1003, 1011 507, 512, 513, 1002, 1003 1003 1003 513, 1003 513, 1003 1002, 1003 1002, 1003 1003 1003

Robustní transformace 𝐸2 → 𝐸1 Testování posunů 𝐸2 vůči 𝐸1



85




— —

— 509, 510, 525, 532

— 504, 505

— 504

— 504, 505

— —

Tab. 6.3: Porovnání výsledků testování s výsledky robustní transformace Vyloučení bodu při robustní transformaci resp. prokázání posunu při testování Identické body Neidentické body Robustní transformace 𝐸1 → 𝐸0 1003 — Testování posunů 𝐸1 vůči 𝐸0 1003 504

ČVUT v Praze 6. TESTOVÁNÍ POSUNŮ BODŮ

ČVUT v Praze

ZÁVĚR

Závěr V této diplomové práci jsem se zabýval komplexním zpracováním etapových měření ve vztažné síti Pražského hradu a statistickým vyhodnocením vodorovných posunů bodů sítě. Ve druhé kapitole popisuji přípravu a postupy zpracování vstupních měřených dat. Cílem této kapitoly je objasnit postup, který byl použit k převedení všech měřených veličin do společné vztažné soustavy pro účel kombinovaného vyrovnání GNSS vektorů a terestrických měření. Uvádím proto úvahu nad volbou vhodného souřadnicového systému, do něhož musí být všechna měření převedena (redukována). Na základě popisované úvahy jsem jako vztažnou souřadnicovou soustavu pro vyrovnání polohové složky sítě zvolil Lambertovo konformní kuželové zobrazení s jednou nezkreslenou rovnoběžkou. Detailně popisuji zejména způsob převodu měřených GNSS vektorů do roviny kartografického zobrazení a s tím související transformaci kovariančních matic těchto vektorů. Ve třetí kapitole se zabývám sestavením vstupních dávkových souborů pro společné vyrovnání programem GNU Gama a hodnotím výsledky vyrovnání sítě v jednotlivých etapách. Při sestavování vstupních dávkových souborů uvádím volbu apriorních přesností měřených veličin a způsobu umístění volné sítě do prostoru. Dále v kapitole shrnuji základní parametry vyrovnání sítě v jednotlivých etapách, tj. zejména počet všech pozorování (počet rovnic oprav), počet neznámých, počet nadbytečných měření a odhad apriorní 𝜎0 a aposteriorní 𝜎 ^0 jednotkové směrodatné odchylky. Závěrem kapitoly je statistické testování aposteriorních jednotkových směrodatných odchylek. Testována je hypotéza, že náhodný výběr s výběrovou směrodatnou odchylkou 𝜎 ^0 je proveden ze základního souboru se směrodatnou odchylkou 𝜎0 . Pro testovací statistiky byly stanoveny 99%-ní intervaly spolehlivosti. Testovaná nulová hypotéza nebyla zamítnuta ani v jednom případě vyrovnané sítě a lze tedy učinit první důležitý závěr, že přesnost měření v jednotlivých etapách lze považovat za odpovídající přesnosti předpokládané a vložené do vah. Z toho dále vyplývá, že kovarianční matice vyrovnaných neznámých byly vypočteny na základě apriorní směrodatné odchylky jednotkové. Čtvrtá kapitola je v kontextu celé práce naprosto klíčovou. Objasňuje metodu robustní transformace, tj. transformace další etapy do soustavy základní etapy, při níž je transformační klíč určován metodou robustního odhadu. Výpočet robustního

86

ČVUT v Praze

ZÁVĚR

vyrovnání je iterační proces, při kterém jsou váhy měření v každé iteraci modifikovány v závislosti na velikosti oprav z předchozí iterace výpočtu. Konkrétně je aplikován odhad pomocí 𝐿1 -normy, která minimalizuje sumu absolutních hodnot oprav měřených veličin. Měřenými veličinami jsou ve smyslu robustní transformace souřadnice identických bodů. Podstatou určení transformačního klíče metodou robustního odhadu je identifikace těch měřených veličin (souřadnic identických bodů), které jsou na základě testování oprav vzešlých ze stabilizovaného výpočtu robustního vyrovnání označeny jako odlehlé. Tyto identické body byly z původních souborů vyloučeny a takto očištěná data by měla splňovat podmínku normality. Původ dat z normálního rozdělení pravděpodobností je ideálním předpokladem pro správnost aplikace metody nejmenších čtverců. Provedl jsem tři verze výpočtu robustní transformace pomocí 𝐿1 -normy. Tyto verze se od sebe liší způsobem, jakým jsou měřeným veličinám ve vyrovnání (souřadnicím identických bodů) přisuzovány váhy. V první verzi výpočtu je uvažován standardní model transformace, při níž jsou měřenými veličinami souřadnice bodů ve výstupní soustavě a přesnost všech souřadnic v rámci jedné etapy je považována za shodnou a rovnou aritmetickému průměru směrodatných odchylek souřadnic identických bodů v dané etapě. Druhá verze výpočtu je též založena na standardním modelu transformace, kde měřenými veličinami jsou souřadnice bodů ve výstupní soustavě. Přesnost měřených veličin je dána součtem diagonálních kovariančních matic souřadnic obou soustav. Třetí verze výpočtu je aplikací exaktního modelu transformace s uvážením přesností obou soustav. Měřenými veličinami ve vyrovnání jsou tentokrát souřadnice identických bodů v obou soustavách. Průběh výpočtu robustního vyrovnání lze shrnout následovně. Ve všech verzích výpočtu konverguje řešení robustního odhadu velmi rychle. Zpravidla již v iteraci, ve které je určen první robustní odhad, dochází k největšímu poklesu aposteriorní jednotkové směrodatné odchylky 𝜎 ^0 , a to řádově až o desítky procent vůči prvotnímu nerobustnímu odhadu MNČ. Vzhledem k předpisu pro výpočet robustních změn vah je výpočet značně numericky nestabilní. Problematickými se stávají zejména opravy, které nabývají velmi malých hodnot. Extrémně nízké opravy způsobují extrémní růst vah vkládaných do další iterace výpočtu. Tím vzniká značná nehomogenita v řádech prvků matice robustních změn vah, která implikuje špatnou podmíněnost celého systému. Reciproká hodnota čísla podmíněnosti matice se tak limitně blíží k nule a výpočet inverze matice selhává. Tato numerická nestabilita byla řešena dodáním dodatečných podmínek, které zajišťovaly předejití výskytu extrémně vysokých hodnot robustních změn vah.

87

ČVUT v Praze

ZÁVĚR

Ke zhodnocení jednotlivých verzí výpočtu lze uvést, že druhá a třetí verze výpočtu si v identifikaci odlehlých hodnot naprosto odpovídají. Opravy měření vzešlé ze stabilizovaného výpočtu robustní transformace se ve druhé a třetí verzi liší v řádu setin mm a mezní hodnoty oprav jsou si rovny. Jedinou zaznamenanou odlišností ve výsledcích druhé a třetí verze je plynulost konvergence výpočtu – ve třetí verzi konverguje výpočet plynuleji. První verze výpočtu dává z hlediska identifikace odlehlých hodnot mírně odlišné výsledky. To je dáno vstupním, příliš zobecněným předpokladem o shodné přesnosti souřadnic v rámci dané etapy. V páté kapitole provádím výběr takových identických bodů, které budou využity k výpočtu definitivního transformačního klíče. Výsledkem výše zmíněných robustních transformací jsou očištěné soubory identických bodů, které pro příslušnou transformaci splňují podmínku normality měřických dat. Účelem je však vyhledat sadu takových identických bodů, které nebyly označeny jako odlehlé ani v jedné z robustních transformací. Takové body poskytnou dostatečnou spolehlivost ve stálosti své polohy v průběhu celého sledovaného období a můžeme je tedy využít k výpočtu definitivního transformačního klíče metodou nejmenších čtverců. Výsledkem tohoto výběru je sada 11 identických bodů. Tyto body rovnoměrně pokrývají celý areál Pražského hradu. Definitivní transformační klíč byl využit k transformaci všech bodů sítě v dané etapě do soustavy etapy základní. Aplikací obecného zákona hromadění směrodatných odchylek byly určeny kovarianční matice přetransformovaných bodů. Seznamy přetransformovaných souřadnic bodů a charakteristiky jejich přesnosti jsou vstupními daty pro testování posunů. Šestá kapitola je zaměřena na statistické testování posunů bodů. V této kapitole nejprve odvozuji výpočet parametrů konfidenční elipsy chyb a dále uvádím konstrukci použitého testu. Testovány jsou souřadnicové rozdíly bodů pomocí dvourozměrných apriorních testů. Výpočet testování byl proveden v programu Gizela a kontrolně i pomocí vlastního výpočtu. Na základě použitých testů rozhoduji o zamítnutí či nezamítnutí testované nulové hypotézy. Zamítnutí nulové hypotézy implikuje přijetí konvenčního závěru, že ve vyhodnocované etapě byl s danou pravděpodobností prokázán posun bodu. Číselné výsledky testování doprovázím grafickými přílohami, které jsou automaticky generovány při zpracování programem Gizela. Těmito výstupy je grafické znázornění posunů bodů s vykreslením středních elips chyb bodů a grafické znázornění posunů s vykreslením konfidenčních elips chyb vektorů posunů. Kromě samotných výsledků testování posunů plynou velmi důležité závěry z porovnání těchto výsledků s výsledky robustních transformací. Na základě testování

88

ČVUT v Praze

ZÁVĚR

oprav vzešlých ze stabilizovaného výpočtu robustního vyrovnání byly při jednotlivých transformacích identifikovány odlehlé hodnoty souřadnic identických bodů. Obdobně pak byly v jednotlivých etapách označeny body, u nichž byl na základě dvourozměrných apriorních testů prokázán posun. Z porovnání těchto dvou typů výsledků je pak možné učinit závěr, že testy posunů bodů velmi dobře potvrzují výsledky robustních transformací (ve smyslu identifikace odlehlých hodnot). Na základě testování posunů všech bodů sítě byla vybrána sada 15 bodů, u nichž nebyl prokázán posun ani v jedné z vyhodnocovaných etap. Tyto body lze se známým rizikem považovat za stabilní. U ostatních bodů sítě byla v nejméně jedné etapě prokázána nestabilita, která byla pravděpodobně způsobena vnějšími vlivy. Diplomová práce byla zpracována s použitím výhradně volně distribuovaného software, tj. knihovny kartografických zobrazení PROJ.4, programovacím jazykem pro numerické výpočty GNU Octave, editorem vektorové grafiky Inkscape, programem pro vyrovnání geodetických sítí GNU Gama a programem pro zpracování etapových měření Gizela. Text práce byl vysázen typografickým systémem LATEX.

89

ČVUT v Praze

POUŽITÉ ZDROJE

Použité zdroje [1] RYS, Pavel. Etapové měření nivelační vztažné sítě Pražského hradu. Praha, 2012. Bakalářská práce. FSv ČVUT v Praze. Vedoucí práce Ing. Tomáš Kubín, Ph.D. [2] ZEMĚMĚŘICKÝ ÚŘAD. Metodický návod pro práce v Základním výškovém bodovém poli. [s.l.] : [s.n.], 2003. [3] JANDOUREK, Jan. Geodézie IV: Úpravy měřených veličin před výpočty. Geodetická úloha a její kvalitativní hodnocení. Praha: ČVUT, 1995. ISBN 80-0101330-8. [4] HRADILEK, Ludvik. Vysokohorská geodézie: trigonometrická nivelace a trojrozměrná terestrická triangulace. První vydání. Praha: Academia, 1984. [5] JIŘIKOVSKÝ, Tomáš. Inovace měření v lokálních geodetických sítích. Praha, 2008. Disertační práce. FSv ČVUT v Praze. Vedoucí práce Doc. Ing. Jaromír Procházka, CSc. [6] VANĚČEK, Jan. Zpracování měření v lokální prostorové síti na Pražském hradě. Praha, 2009. Diplomová práce. FSv ČVUT v Praze. Vedoucí práce Ing. Tomáš Jiřikovský, Ph.D. [7] BUCHAR, Petr. Matematická kartografie. Praha: Nakladatelství ČVUT, 2007. ISBN 978-80-01-03765-2. [8] PROJ.4 - Cartographic Projections Library [online]. 2013 [cit. 2013-10-27]. Dostupné z: http://trac.osgeo.org/proj/ [9] CIMBÁLNÍK, Miloš, Antonín ZEMAN a Jan KOSTELECKÝ. Základy vyšší a fyzikální geodézie. Praha: ČVUT, 2007. ISBN 978-80-01-03605-1. [10] PAVELKA, Karel a Martin ŠTRONER. Lineární prostorová transformace. Geodetický a kartografický obzor. Praha: Vesmír, 2001, roč. 47, č. 5. ISSN 00167096. [11] HAMPACHER, Miroslav a Martin ŠTRONER. Zpracování a analýza měření v inženýrské geodézii. Praha: ČVUT, 2011. ISBN 978-80-01-04900-6. [12] ČEPEK, Aleš. GNU Gama 1.11. 2011. 56 s. Dostupné z: http://www.gnu. org/software/gama/manual/gama.pdf

90

ČVUT v Praze

POUŽITÉ ZDROJE

[13] MERVART, Leoš a Zdeněk LUKEŠ. Adjustment calculus. Praha: ČVUT, 2007. ISBN 978-80-01-03593-1. [14] TŘASÁK, Pavel. Simulace, modelování a statistické zpracování geodetických měření. Praha, 2013. Disertační práce. FSv ČVUT v Praze. Vedoucí práce Doc. Ing. Martin Štroner, Ph.D. [15] KOCH, Karl-Rudolf. Parameter Estimation and Hypothesis Testing in Linear Models. Berlin: Springer, 1999. ISBN 3-5406525-74. [16] JUREČKOVÁ, Jana. Robustní statistické metody. Praha: Karolinum, 2001. ISBN 80-246-0259-8. [17] HUBER, Peter J. Robust Statistics. New York: John Wiley & Sons, 1981. ISBN 0-471-41805-6. [18] HAMPEL, Frank R. Robust Statistics: The Approach Based on Influnce Functions. New York: John Wiley & Sons, 2007. ISBN 978-047-1735-779. [19] TŘASÁK, Pavel a Martin ŠTRONER. Posouzení robustních metod vyrovnání. Geodetický a kartografický obzor. Praha: Vesmír, 2012, roč. 58, č. 4. ISSN 0016-7096. [20] XU, Peiliang. On robust estimation with correlated observations. Bulletin Geodesique. Berlin: Springer, 1989, Vol. 63, No.3, pp.237-252. ISSN 0007-4632. DOI: 10.1007/BF02520474. [21] YANG, Yuan-xi. Robust Estimation for Dependent Observations. Manuscripta Geodaetica. Berlin: Springer, 1994, Vol. 19, No.1, pp.10-17. ISSN 0340-8825. [22] FAN, Huaan. Theory of Errors and Least Squares Adjustment. Stockholm: Universitetsservice AB, 1997. ISBN 91-7170-200-8.

91

Seznam obrázků 1.1

Realizace vztažného bodu ve zhlaví vrtu . . . . . . . . . . . . . . . . 12

2.1

Lambertovo konformní kuželové zobrazení . . . . . . . . . . . . . . . 16

2.2

Přibližný způsob transformace kovarianční matice vektoru . . . . . . 26

4.1

Odhad metodou nejmenších čtverců – tvar funkce 𝜓 . . . . . . . . . . 45

4.2

Huberův robustní M-odhad – tvar funkce 𝜓

4.3

Odhad pomocí 𝐿1 -normy – tvar funkce 𝜓 . . . . . . . . . . . . . . . . 48

5.1

Přehledka bodů polohové sítě Pražského hradu . . . . . . . . . . . . . 71

. . . . . . . . . . . . . . 46

A.1 Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 1 . . . . 97 A.2 Vývoj 𝜎 ^0 při robustní transformaci 𝐸2 do 𝐸1 – verze výpočtu 1 . . . . 98 A.3 Vývoj 𝜎 ^0 při robustní transformaci 𝐸3 do 𝐸1 – verze výpočtu 1 . . . . 99 A.4 Vývoj 𝜎 ^0 při robustní transformaci 𝐸4 do 𝐸1 – verze výpočtu 1 . . . . 100 A.5 Vývoj 𝜎 ^0 při robustní transformaci 𝐸5 do 𝐸1 – verze výpočtu 1 . . . . 101 A.6 Vývoj 𝜎 ^0 při robustní transformaci 𝐸6 do 𝐸1 – verze výpočtu 1 . . . . 102 A.7 Vývoj 𝜎 ^0 při robustní transformaci 𝐸7 do 𝐸1 – verze výpočtu 1 . . . . 103 B.1 Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 2 . . . . 104 B.2 Vývoj 𝜎 ^0 při robustní transformaci 𝐸2 do 𝐸1 – verze výpočtu 2 . . . . 105 B.3 Vývoj 𝜎 ^0 při robustní transformaci 𝐸3 do 𝐸1 – verze výpočtu 2 . . . . 106 B.4 Vývoj 𝜎 ^0 při robustní transformaci 𝐸4 do 𝐸1 – verze výpočtu 2 . . . . 107 B.5 Vývoj 𝜎 ^0 při robustní transformaci 𝐸5 do 𝐸1 – verze výpočtu 2 . . . . 108 B.6 Vývoj 𝜎 ^0 při robustní transformaci 𝐸6 do 𝐸1 – verze výpočtu 2 . . . . 109 B.7 Vývoj 𝜎 ^0 při robustní transformaci 𝐸7 do 𝐸1 – verze výpočtu 2 . . . . 110 C.1 Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 3 . . . . 111 C.2 Vývoj 𝜎 ^0 při robustní transformaci 𝐸2 do 𝐸1 – verze výpočtu 3 . . . . 112 C.3 Vývoj 𝜎 ^0 při robustní transformaci 𝐸3 do 𝐸1 – verze výpočtu 3 . . . . 113 C.4 Vývoj 𝜎 ^0 při robustní transformaci 𝐸4 do 𝐸1 – verze výpočtu 3 . . . . 114 C.5 Vývoj 𝜎 ^0 při robustní transformaci 𝐸5 do 𝐸1 – verze výpočtu 3 . . . . 115 C.6 Vývoj 𝜎 ^0 při robustní transformaci 𝐸6 do 𝐸1 – verze výpočtu 3 . . . . 116 C.7 Vývoj 𝜎 ^0 při robustní transformaci 𝐸7 do 𝐸1 – verze výpočtu 3 . . . . 117 F.1 Zobrazení a testování posunů bodu 501 . . . . . . . . . . . . . . . . . 134 F.2 Zobrazení a testování posunů bodu 502 . . . . . . . . . . . . . . . . . 135 F.3 Zobrazení a testování posunů bodu 504 . . . . . . . . . . . . . . . . . 136 F.4 Zobrazení a testování posunů bodu 505 . . . . . . . . . . . . . . . . . 137 F.5 Zobrazení a testování posunů bodu 506 . . . . . . . . . . . . . . . . . 138 F.6 Zobrazení a testování posunů bodu 507 . . . . . . . . . . . . . . . . . 139

F.7 Zobrazení a testování posunů bodu 509 . . . . . . . . . . . . . . . . . 140 F.8 Zobrazení a testování posunů bodu 510 . . . . . . . . . . . . . . . . . 141 F.9 Zobrazení a testování posunů bodu 511 . . . . . . . . . . . . . . . . . 142 F.10 Zobrazení a testování posunů bodu 512 . . . . . . . . . . . . . . . . . 143 F.11 Zobrazení a testování posunů bodu 513 . . . . . . . . . . . . . . . . . 144 F.12 Zobrazení a testování posunů bodu 524 . . . . . . . . . . . . . . . . . 145 F.13 Zobrazení a testování posunů bodu 525 . . . . . . . . . . . . . . . . . 146 F.14 Zobrazení a testování posunů bodu 526 . . . . . . . . . . . . . . . . . 147 F.15 Zobrazení a testování posunů bodu 527 . . . . . . . . . . . . . . . . . 148 F.16 Zobrazení a testování posunů bodu 531 . . . . . . . . . . . . . . . . . 149 F.17 Zobrazení a testování posunů bodu 532 . . . . . . . . . . . . . . . . . 150 F.18 Zobrazení a testování posunů bodu 541 . . . . . . . . . . . . . . . . . 151 F.19 Zobrazení a testování posunů bodu 552 . . . . . . . . . . . . . . . . . 152 F.20 Zobrazení a testování posunů bodu 553 . . . . . . . . . . . . . . . . . 153 F.21 Zobrazení a testování posunů bodu 1001 . . . . . . . . . . . . . . . . 154 F.22 Zobrazení a testování posunů bodu 1002 . . . . . . . . . . . . . . . . 155 F.23 Zobrazení a testování posunů bodu 1003 . . . . . . . . . . . . . . . . 156 F.24 Zobrazení a testování posunů bodu 1005 . . . . . . . . . . . . . . . . 157 F.25 Zobrazení a testování posunů bodu 1011 . . . . . . . . . . . . . . . . 158 F.26 Zobrazení a testování posunů bodu 1012 . . . . . . . . . . . . . . . . 159

Seznam tabulek 1.1

Geotechnické vrty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.1

Testování aposteriorních jednotkových směrodatných odchylek . . . . 38

4.1

Huberův M-odhad – přehled funkcí (odhadová, vlivová, váhová) . . . 47

4.2

𝐿1 -norma – přehled funkcí (odhadová, vlivová, váhová) . . . . . . . . 49

4.3

Označení jednotlivých etap měření sítě . . . . . . . . . . . . . . . . . 56

4.4

Srovnání počtů nadbytečných měření v jednotlivých verzích výpočtu . 61

4.5

Vyloučené identické body při robustních transformacích . . . . . . . . 66

5.1

Identické body vyhovující statistickému testu oprav . . . . . . . . . . 68

5.2

Výpočet p-hodnot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

5.3

Označení zaměření všech bodů sítě . . . . . . . . . . . . . . . . . . . 75

6.1

Pravděpodobnost uvnitř konfidenční elipsy chyb . . . . . . . . . . . . 80

6.2

Označení zaměření stabilních bodů sítě . . . . . . . . . . . . . . . . . 84

6.3

Porovnání výsledků testování s výsledky robustní transformace . . . . 85

A.1 Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 1 . . . . . . . . . . 97 A.2 Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 98 A.3 Robustní transformace 𝐸3 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 99 A.4 Robustní transformace 𝐸4 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 100 A.5 Robustní transformace 𝐸5 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 101 A.6 Robustní transformace 𝐸6 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 102 A.7 Robustní transformace 𝐸7 do 𝐸1 – verze výpočtu 1 . . . . . . . . . . 103 B.1 Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 2 . . . . . . . . . . 104 B.2 Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 105 B.3 Robustní transformace 𝐸3 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 106 B.4 Robustní transformace 𝐸4 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 107 B.5 Robustní transformace 𝐸5 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 108 B.6 Robustní transformace 𝐸6 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 109 B.7 Robustní transformace 𝐸7 do 𝐸1 – verze výpočtu 2 . . . . . . . . . . 110 C.1 Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 3 . . . . . . . . . . 111 C.2 Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 112 C.3 Robustní transformace 𝐸3 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 113 C.4 Robustní transformace 𝐸4 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 114 C.5 Robustní transformace 𝐸5 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 115 C.6 Robustní transformace 𝐸6 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 116 C.7 Robustní transformace 𝐸7 do 𝐸1 – verze výpočtu 3 . . . . . . . . . . 117

D.1 Souřadnice v základní etapě 𝐸0 (2008/04) . . . . . . . . . . . . . . . 118 D.2 Přetransformované souřadnice v etapě 𝐸1 (2008/11) . . . . . . . . . . 119 D.3 Souřadnice v základní etapě 𝐸1 (2008/11) . . . . . . . . . . . . . . . 120 D.4 Přetransformované souřadnice v etapě 𝐸2 (2009/05) . . . . . . . . . . 121 D.5 Přetransformované souřadnice v etapě 𝐸3 (2009/11) . . . . . . . . . . 122 D.6 Přetransformované souřadnice v etapě 𝐸4 (2010/05) . . . . . . . . . . 123 D.7 Přetransformované souřadnice v etapě 𝐸5 (2010/10) . . . . . . . . . . 124 D.8 Přetransformované souřadnice v etapě 𝐸6 (2012/05) . . . . . . . . . . 125 D.9 Přetransformované souřadnice v etapě 𝐸7 (2012/11) . . . . . . . . . . 126 E.1 Posuny bodů v etapě 𝐸1 vůči etapě 𝐸0 . . . . . . . . . . . . . . . . . 127 E.2 Posuny bodů v etapě 𝐸2 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 128 E.3 Posuny bodů v etapě 𝐸3 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 129 E.4 Posuny bodů v etapě 𝐸4 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 130 E.5 Posuny bodů v etapě 𝐸5 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 131 E.6 Posuny bodů v etapě 𝐸6 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 132 E.7 Posuny bodů v etapě 𝐸7 vůči etapě 𝐸1 . . . . . . . . . . . . . . . . . 133

ČVUT v Praze

SEZNAM PŘÍLOH

Seznam příloh A Výsledky verze výpočtu 1

97

B Výsledky verze výpočtu 2

104

C Výsledky verze výpočtu 3

111

D Přetransformované souřadnice

118

D.1 Základní etapa 𝐸0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 D.2 Základní etapa 𝐸1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 E Číselné výsledky testování posunů

127

E.1 Základní etapa 𝐸0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 E.2 Základní etapa 𝐸1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 F Grafické výsledky testování posunů

96

134

ČVUT v Praze

Výsledky verze výpočtu 1 Tab. A.1: Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 1 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 524 552 553 1003 1005 1011 1012

0,24 1,55 −3,60 −1,83 −0,00 1,92 −0,46 14,37 2,59 −4,04 −1,06

−0,01 1,66 −2,19 −2,61 −0,83 3,59 0,62 −3,39 1,34 −0,00 3,24

2,37 2,36 2,30 2,40 2,42 2,39 2,37 2,42 2,36 2,29 2,34

2,33 2,27 2,35 2,42 2,42 2,35 2,40 2,38 2,31 2,29 2,40

6,10 6,06 5,91 6,17 6,23 6,15 6,08 6,23 6,07 5,90 6,02

6,00 5,82 6,04 6,21 6,22 6,04 6,16 6,12 5,93 5,89 6,17

1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1

0.00395 m0 apriori = 0.00254 m0 aposteriori = 0.00262 (1) m0 aposteriori = 0.00395

(20)

m0 aposteriori

A

A. VÝSLEDKY VERZE VÝPOČTU 1

0.00262 0.00254 0

5

10 iterace

15

20

Obr. A.1: Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 1

97

ČVUT v Praze


Tab. A.2: Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 1 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,16 0,83 2,69 12,02 5,17 −0,33 −0,00 −0,30 0,39 −0,20 3,57 −11,71 −2,09 1,26 −1,47

−0,38 0,11 1,70 −7,42 −5,01 3,00 1,45 −1,29 −2,23 0,64 3,24 5,90 −0,00 −0,05 −1,11

2,43 2,45 2,40 2,48 2,49 2,49 2,48 2,45 2,42 2,48 2,39 2,49 2,41 2,40 2,40

2,40 2,36 2,43 2,48 2,46 2,48 2,48 2,42 2,46 2,48 2,46 2,46 2,38 2,38 2,47

6,24 6,29 6,18 6,36 6,39 6,39 6,38 6,30 6,22 6,38 6,14 6,39 6,20 6,17 6,16

6,18 6,07 6,24 6,38 6,32 6,39 6,38 6,22 6,33 6,38 6,33 6,31 6,12 6,12 6,34

1 1 1 0 1 1 1 1 1 1 1 0 1 1 1

1 1 1 0 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00269 0.00257 0

5

10 iterace

15

20


98

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,48 −3,51 0,00 13,33 7,83 0,82 −0,37 −2,01 0,92 1,10 0,68 −17,82 −4,65 0,22 −0,14

1,17 −0,00 8,52 −6,00 −3,27 0,62 −0,12 −1,02 1,20 −1,48 15,08 2,93 −2,41 4,00 −1,03

2,24 2,26 2,22 2,28 2,29 2,29 2,29 2,26 2,23 2,29 2,20 2,29 2,23 2,21 2,21

2,22 2,18 2,24 2,29 2,27 2,29 2,29 2,23 2,27 2,29 2,27 2,26 2,20 2,19 2,27

5,75 5,80 5,70 5,87 5,89 5,89 5,88 5,80 5,73 5,88 5,66 5,89 5,72 5,69 5,68

5,70 5,59 5,76 5,88 5,83 5,89 5,88 5,73 5,83 5,88 5,84 5,82 5,64 5,64 5,84

1 1 1 0 0 1 1 1 1 1 1 0 1 1 1

1 1 0 0 1 1 1 1 1 1 0 1 1 1 1


m0 aposteriori

(20)

0.00303

0.00237 0

5

10 iterace

15

20


99

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

0,00 −4,27 2,58 −3,50 0,64 0,04 1,68 −1,47 1,84 1,36 −0,01 −15,77 −4,32 1,14 −3,44

1,11 −3,25 1,11 −2,93 −2,72 1,55 0,93 −0,42 0,22 −1,17 1,56 −0,00 −0,00 0,01 −0,22

1,98 1,99 1,96 2,01 2,02 2,02 2,02 1,99 1,97 2,02 1,94 2,02 1,96 1,95 1,95

1,96 1,92 1,98 2,02 2,00 2,02 2,02 1,97 2,00 2,02 2,00 2,00 1,94 1,94 2,01

5,08 5,12 5,03 5,18 5,20 5,20 5,19 5,12 5,06 5,19 4,99 5,20 5,05 5,02 5,01

5,03 4,93 5,08 5,19 5,14 5,19 5,19 5,06 5,15 5,19 5,15 5,14 4,98 4,98 5,16

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00214 0.00210 0

5

10 iterace

15

20


100

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,54 −3,47 2,60 −0,22 10,44 0,29 0,00 −0,66 2,38 0,70 3,33 −15,25 −4,81 0,82 −4,49

0,94 −2,33 1,98 −1,22 −4,77 1,83 1,01 −3,05 −2,08 −0,00 3,05 0,53 −0,07 0,82 −2,67

1,96 1,97 1,94 2,00 2,00 2,01 2,00 1,97 1,95 2,00 1,93 2,00 1,95 1,94 1,93

1,94 1,90 1,96 2,00 1,98 2,00 2,00 1,95 1,98 2,00 1,99 1,98 1,92 1,92 1,99

5,03 5,07 4,98 5,13 5,15 5,15 5,14 5,08 5,01 5,14 4,95 5,15 5,00 4,97 4,97

4,98 4,89 5,03 5,14 5,10 5,15 5,15 5,01 5,10 5,14 5,10 5,09 4,93 4,93 5,11

1 1 1 1 0 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00242 0.00208 0

5

10 iterace

15

20


101

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−1,41 −5,34 −1,44 0,00 2,19 1,70 6,04 −4,59 2,94 4,49 10,75 −16,96 0,56 −1,94 −4,68

2,78 −3,10 −0,00 −0,32 0,29 1,30 −0,09 −0,54 −2,95 0,02 −0,68 1,11 4,83 2,32 −3,26

2,68 2,71 2,66 2,74 2,75 2,75 2,74 2,71 2,68 2,75 2,64 2,75 2,67 2,65 2,65

2,66 2,61 2,69 2,74 2,72 2,75 2,75 2,67 2,72 2,75 2,72 2,72 2,63 2,63 2,73

6,90 6,95 6,83 7,04 7,06 7,07 7,05 6,96 6,87 7,06 6,79 7,06 6,86 6,82 6,81

6,83 6,71 6,90 7,05 6,99 7,06 7,06 6,87 6,99 7,05 7,00 6,98 6,77 6,76 7,01

1 1 1 1 1 1 1 1 1 1 0 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00306 0.00285 0

5

10 iterace

15

20


102

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,80 −0,11 5,56 0,48 −0,00 3,58 0,32 −6,25 0,74 −1,45 3,83 −22,47 −3,89 3,19 −2,97

0,82 1,93 1,73 −1,98 0,20 −0,00 −1,03 −1,90 −1,58 −1,17 2,43 5,87 −2,85 2,56 −4,66

2,86 2,88 2,83 2,92 2,93 2,93 2,92 2,88 2,85 2,92 2,81 2,93 2,84 2,83 2,82

2,83 2,78 2,86 2,92 2,90 2,93 2,92 2,85 2,90 2,92 2,90 2,89 2,80 2,80 2,90

7,35 7,40 7,27 7,49 7,52 7,53 7,51 7,41 7,32 7,51 7,23 7,52 7,30 7,27 7,25

7,27 7,14 7,35 7,51 7,45 7,52 7,52 7,32 7,45 7,51 7,45 7,43 7,21 7,20 7,46

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00315 0.00303 0

5

10 iterace

15

20


103

ČVUT v Praze

Výsledky verze výpočtu 2 Tab. B.1: Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 2 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 524 552 553 1003 1005 1011 1012

0,53 1,28 −3,98 −1,98 0,00 2,15 −0,15 14,39 2,92 −4,42 −0,70

−0,78 1,70 −2,30 −3,12 −1,17 2,85 0,01 −3,58 0,53 −0,00 2,64

1,80 2,39 2,18 5,55 2,36 2,06 2,00 4,87 2,21 1,78 1,92

1,67 2,19 2,25 3,37 2,23 1,90 2,16 2,87 2,09 1,58 1,98

4,62 6,15 5,59 14,26 6,07 5,30 5,13 12,51 5,67 4,58 4,94

4,30 5,63 5,77 8,66 5,72 4,89 5,54 7,39 5,36 4,05 5,09

1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1


(20)

m0 aposteriori

B

B. VÝSLEDKY VERZE VÝPOČTU 2

0.00100 0.00097

0

5

10 iterace

15

20

Obr. B.1: Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 2

104

ČVUT v Praze


Tab. B.2: Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 2 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,19 0,84 2,71 12,02 5,16 −0,34 −0,00 −0,33 0,35 −0,21 3,60 −11,72 −2,13 1,28 −1,51

−0,28 0,16 1,76 −7,33 −4,92 3,07 1,52 −1,18 −2,14 0,71 3,31 5,97 0,11 −0,00 −1,02

1,83 2,73 2,12 3,12 2,16 1,93 2,26 1,90 2,03 2,76 2,62 8,11 2,36 1,69 1,85

1,62 2,45 1,85 2,91 1,82 1,85 2,47 1,95 2,13 2,84 3,52 4,83 2,07 1,51 1,87

4,70 7,02 5,45 8,02 5,56 4,96 5,80 4,89 5,21 7,10 6,74 20,84 6,07 4,34 4,74

4,16 6,30 4,75 7,49 4,66 4,75 6,36 5,01 5,47 7,31 9,04 12,41 5,32 3,89 4,80

1 1 1 0 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 0 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00100 0.00098

0

5

10 iterace

15

20


105

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,82 −3,57 −0,00 13,21 7,62 0,63 −0,51 −2,32 0,57 0,95 0,69 −18,03 −5,01 0,22 −0,52

1,41 −0,17 8,42 −5,90 −3,12 0,64 −0,10 −0,80 1,36 −1,47 15,03 2,87 −2,15 3,85 −0,89

1,70 2,22 2,27 3,05 2,07 1,71 2,02 1,81 1,98 2,55 3,08 5,04 2,51 1,55 1,77

1,62 2,19 2,07 2,92 1,82 1,65 2,34 1,95 2,19 2,77 4,21 2,56 2,20 1,43 1,87

4,37 5,71 5,83 7,84 5,32 4,39 5,20 4,65 5,09 6,55 7,91 12,96 6,46 3,97 4,55

4,16 5,64 5,32 7,49 4,67 4,24 6,01 5,01 5,63 7,12 10,81 6,58 5,65 3,68 4,81

1 1 1 0 0 1 1 1 1 1 1 0 1 1 1

1 1 0 1 1 1 1 1 1 1 0 1 1 0 1


m0 aposteriori

(20)

0.00118

0.00100 0

5

10 iterace

15

20


106

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,01 −4,34 2,50 −3,56 0,60 0,01 1,63 −1,48 1,84 1,31 −0,10 −15,81 −4,32 1,06 −3,44

1,04 −3,23 1,10 −2,97 −2,78 1,53 0,91 −0,49 0,16 −1,20 1,55 −0,01 −0,08 0,02 −0,27

1,68 2,10 1,83 2,35 1,99 1,69 1,85 1,73 1,85 2,08 2,25 4,49 2,03 1,51 1,79

1,56 2,00 1,58 2,27 1,79 1,60 1,99 1,86 1,98 2,19 2,46 2,40 1,87 1,40 1,85

4,31 5,40 4,71 6,05 5,12 4,35 4,76 4,46 4,76 5,34 5,78 11,54 5,23 3,88 4,61

4,01 5,15 4,07 5,84 4,60 4,10 5,12 4,77 5,08 5,62 6,32 6,17 4,81 3,59 4,75

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00100 0.00096

0

5

10 iterace

15

20


107

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,77 −3,62 2,47 −0,39 10,25 0,10 −0,17 −0,88 2,15 0,52 3,20 −15,45 −5,04 0,68 −4,73

1,00 −2,39 1,94 −1,20 −4,74 1,82 1,01 −3,00 −2,05 −0,01 3,03 0,51 −0,01 0,77 −2,64

1,64 2,06 1,84 2,41 1,95 1,69 1,89 1,73 1,90 2,08 2,05 4,46 2,03 1,52 1,88

1,53 2,00 1,58 2,27 1,71 1,60 1,95 1,76 1,98 2,13 2,30 2,37 1,88 1,40 1,89

4,23 5,30 4,72 6,18 5,02 4,35 4,87 4,45 4,87 5,34 5,28 11,47 5,23 3,89 4,83

3,93 5,15 4,07 5,84 4,40 4,10 5,00 4,52 5,09 5,49 5,92 6,08 4,82 3,60 4,86

1 1 1 1 0 1 1 1 1 1 1 0 1 1 1

1 1 1 1 0 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00112

0.00100 0

5

10 iterace

15

20


108

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−1,57 −5,29 −1,35 0,00 2,13 1,65 6,02 −4,73 2,77 4,47 10,85 −17,02 0,38 −1,84 −4,87

3,03 −3,16 −0,01 −0,17 0,48 1,38 −0,00 −0,30 −2,76 0,10 −0,65 1,13 5,10 2,27 −3,08

2,17 2,60 2,81 3,41 2,82 2,45 2,58 2,05 2,04 3,05 4,11 4,97 2,85 2,51 2,22

2,46 2,47 2,08 2,81 2,27 2,46 2,92 2,07 2,28 3,23 3,50 3,01 3,00 2,03 2,66

5,59 6,69 7,23 8,76 7,24 6,28 6,63 5,28 5,25 7,83 10,57 12,78 7,32 6,44 5,71

6,32 6,34 5,36 7,22 5,84 6,33 7,49 5,33 5,85 8,29 8,98 7,74 7,70 5,21 6,83

1 1 1 1 1 1 1 1 1 1 0 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00104 0.00100 0

5

10 iterace

15

20


109

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,66 −0,26 5,35 0,39 −0,01 3,56 0,25 −6,14 0,89 −1,52 3,60 −22,47 −3,73 2,98 −2,80

0,59 2,13 1,85 −2,08 0,05 −0,00 −1,03 −2,12 −1,73 −1,17 2,50 5,95 −3,11 2,74 −4,79

2,28 2,68 2,82 3,66 3,21 2,28 2,50 2,47 2,83 2,96 3,41 5,25 3,23 2,17 3,07

2,02 2,93 2,22 3,44 2,99 2,06 2,74 2,52 2,88 3,13 3,57 3,37 2,97 2,08 3,23

5,86 6,89 7,24 9,40 8,25 5,86 6,42 6,34 7,27 7,61 8,77 13,48 8,30 5,58 7,88

5,19 7,53 5,71 8,84 7,69 5,30 7,05 6,47 7,40 8,05 9,17 8,65 7,63 5,35 8,29

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00100 0.00099 0

5

10 iterace

15

20


110

ČVUT v Praze

Výsledky verze výpočtu 3 Tab. C.1: Robustní transformace 𝐸1 do 𝐸0 – verze výpočtu 3 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 524 552 553 1003 1005 1011 1012

0,53 1,28 −3,98 −1,98 0,00 2,15 −0,15 14,39 2,92 −4,43 −0,70

−0,78 1,70 −2,30 −3,12 −1,17 2,85 0,01 −3,58 0,52 −0,00 2,64

1,80 2,39 2,18 5,55 2,36 2,06 2,00 4,87 2,21 1,78 1,92

1,67 2,19 2,25 3,37 2,23 1,90 2,16 2,87 2,09 1,58 1,98

4,62 6,15 5,59 14,26 6,07 5,30 5,13 12,51 5,67 4,58 4,94

4,30 5,63 5,77 8,66 5,72 4,89 5,54 7,39 5,36 4,05 5,09

1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1


(20)

m0 aposteriori

C

C. VÝSLEDKY VERZE VÝPOČTU 3

0.00109

0.00100

0

5

10 iterace

15

20

Obr. C.1: Vývoj 𝜎 ^0 při robustní transformaci 𝐸1 do 𝐸0 – verze výpočtu 3

111

ČVUT v Praze


Tab. C.2: Robustní transformace 𝐸2 do 𝐸1 – verze výpočtu 3 bod

𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,14 0,82 2,67 12,02 5,18 −0,33 −0,00 −0,28 0,41 −0,20 3,56 −11,70 −2,07 1,24 −1,44

−0,38 0,16 1,74 −7,40 −5,00 3,02 1,48 −1,28 −2,22 0,67 3,28 5,94 0,00 −0,00 −1,10

1,83 2,73 2,12 3,12 2,16 1,93 2,26 1,90 2,03 2,76 2,62 8,11 2,36 1,69 1,85

1,62 2,45 1,85 2,91 1,82 1,85 2,47 1,95 2,13 2,84 3,52 4,83 2,07 1,51 1,87

4,70 7,02 5,45 8,02 5,56 4,96 5,80 4,89 5,21 7,10 6,74 20,84 6,07 4,34 4,74

4,16 6,30 4,75 7,49 4,66 4,75 6,36 5,01 5,47 7,31 9,04 12,41 5,32 3,89 4,80

1 1 1 0 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 0 1 1 1 1 1 1 1 1 1 1

0.00128 m0 aposteriori

m0 apriori = 0.00100 m0 aposteriori = 0.00109 (1) m0 aposteriori = 0.00128

(20)

0.00109

0.00100

0

5

10 iterace

15

20


112

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,98 −3,59 −0,00 13,16 7,53 0,54 −0,57 −2,47 0,40 0,88 0,70 −18,12 −5,17 0,22 −0,69

1,62 −0,16 8,46 −5,75 −2,94 0,74 −0,00 −0,60 1,53 −1,37 15,11 2,94 −1,93 3,87 −0,72

1,70 2,22 2,27 3,05 2,07 1,71 2,02 1,81 1,98 2,55 3,08 5,04 2,51 1,55 1,77

1,62 2,19 2,07 2,92 1,82 1,65 2,34 1,95 2,19 2,77 4,21 2,56 2,20 1,43 1,87

4,37 5,71 5,83 7,84 5,32 4,39 5,20 4,65 5,09 6,55 7,91 12,96 6,46 3,97 4,55

4,16 5,64 5,32 7,49 4,67 4,24 6,01 5,01 5,63 7,12 10,81 6,58 5,65 3,68 4,81

1 1 1 0 0 1 1 1 1 1 1 0 1 1 1

1 1 0 1 1 1 1 1 1 1 0 1 1 0 1


m0 aposteriori

(20)

0.00131

0.00100 0

5

10 iterace

15

20


113

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,00 −4,32 2,52 −3,54 0,61 0,02 1,65 −1,48 1,84 1,32 −0,07 −15,80 −4,32 1,09 −3,43

1,06 −3,23 1,11 −2,95 −2,75 1,54 0,92 −0,47 0,19 −1,18 1,56 −0,00 −0,05 0,02 −0,25

1,68 2,10 1,83 2,35 1,99 1,69 1,85 1,73 1,85 2,08 2,25 4,49 2,03 1,51 1,79

1,56 2,00 1,58 2,27 1,79 1,60 1,99 1,86 1,98 2,19 2,46 2,40 1,87 1,40 1,85

4,31 5,40 4,71 6,05 5,12 4,35 4,76 4,46 4,76 5,34 5,78 11,54 5,23 3,88 4,61

4,01 5,15 4,07 5,84 4,60 4,10 5,12 4,77 5,08 5,62 6,32 6,17 4,81 3,59 4,75

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00101 0.00100

0

5

10 iterace

15

20


114

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−0,60 −3,46 2,63 −0,22 10,42 0,27 −0,01 −0,71 2,32 0,69 3,37 −15,28 −4,87 0,85 −4,56

1,00 −2,38 1,95 −1,19 −4,73 1,83 1,02 −3,00 −2,04 −0,00 3,04 0,52 −0,00 0,78 −2,64

1,64 2,06 1,84 2,41 1,95 1,69 1,89 1,73 1,90 2,08 2,05 4,46 2,03 1,52 1,88

1,53 2,00 1,58 2,27 1,71 1,60 1,95 1,76 1,98 2,13 2,30 2,37 1,88 1,40 1,89

4,23 5,30 4,72 6,18 5,02 4,35 4,87 4,45 4,87 5,34 5,28 11,47 5,23 3,89 4,83

3,93 5,15 4,07 5,84 4,40 4,10 5,00 4,52 5,09 5,49 5,92 6,08 4,82 3,60 4,86

1 1 1 1 0 1 1 1 1 1 1 0 1 1 1

1 1 1 1 0 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00117

0.00100 0

5

10 iterace

15

20


115

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−1,57 −5,30 −1,35 0,00 2,13 1,65 6,02 −4,73 2,77 4,47 10,85 −17,02 0,38 −1,85 −4,87

3,03 −3,15 −0,00 −0,17 0,48 1,39 0,00 −0,30 −2,76 0,10 −0,64 1,14 5,10 2,28 −3,08

2,17 2,60 2,81 3,41 2,82 2,45 2,58 2,05 2,04 3,05 4,11 4,97 2,85 2,51 2,22

2,46 2,47 2,08 2,81 2,27 2,46 2,92 2,07 2,28 3,23 3,50 3,01 3,00 2,03 2,66

5,59 6,69 7,23 8,76 7,24 6,28 6,63 5,28 5,25 7,83 10,57 12,78 7,32 6,44 5,71

6,32 6,34 5,36 7,22 5,84 6,33 7,49 5,33 5,85 8,29 8,98 7,74 7,70 5,21 6,83

1 1 1 1 1 1 1 1 1 1 0 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00117

0.00100 0

5

10 iterace

15

20


116

ČVUT v Praze



𝑣𝑋 [mm]

𝑣𝑌 [mm]

𝜎𝑣𝑋

𝜎𝑣𝑌

𝑣𝑀 𝑋

𝑣𝑀 𝑌

test 𝑣𝑋

test 𝑣𝑌

501 506 507 512 513 524 531 552 553 1001 1002 1003 1005 1011 1012

−2,60 −0,32 5,27 0,36 −0,00 3,56 0,23 −6,09 0,95 −1,54 3,52 −22,47 −3,67 2,90 −2,72

0,51 2,21 1,90 −2,10 0,00 −0,00 −1,02 −2,19 −1,77 −1,16 2,53 5,98 −3,20 2,81 −4,84

2,28 2,68 2,82 3,66 3,21 2,28 2,50 2,47 2,83 2,96 3,41 5,25 3,23 2,17 3,07

2,02 2,93 2,22 3,44 2,99 2,06 2,74 2,52 2,88 3,13 3,57 3,37 2,97 2,08 3,23

5,86 6,89 7,24 9,40 8,25 5,86 6,42 6,34 7,27 7,61 8,77 13,48 8,30 5,58 7,88

5,19 7,53 5,71 8,84 7,69 5,30 7,05 6,47 7,40 8,05 9,17 8,65 7,63 5,35 8,29

1 1 1 1 1 1 1 1 1 1 1 0 1 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1


m0 aposteriori

(20)

0.00112

0.00100

0

5

10 iterace

15

20


117

ČVUT v Praze

D D.1

D. PŘETRANSFORMOVANÉ SOUŘADNICE

Přetransformované souřadnice Základní etapa 𝐸0

V této příloze jsou uvedeny přetransformované souřadnice všech bodů (identických i neidentických) těch etap, které jsou transformovány do soustavy základní etapy 𝐸0 . To se týká pouze jediné etapy 𝐸1 . Seznamy souřadnic jsou uvedeny ve formátu, který má podobu vstupního textového souboru do programu Gizela. Tab. D.1: Souřadnice v základní etapě 𝐸0 (2008/04) bod

𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 504 505 506 507 512 524 541 552 553 1003 1005 1011 1012

4150,5681 3975,9837 3764,7066 3656,5542 3635,2076 3727,3479 3984,3783 3876,8185 3735,6835 4130,1079 4049,4790 3778,3678 4179,5583 3658,5850 4036,7378

2418,9733 2476,2061 2253,3008 2153,1740 2062,8539 1992,9670 2138,8782 2234,6046 2249,7774 2380,1549 2432,6735 2246,7190 2441,2874 1989,0294 2464,7718

0,0010 0,0015 0,0023 0,0020 0,0016 0,0016 0,0052 0,0018 0,0024 0,0014 0,0012 0,0024 0,0014 0,0013 0,0011

0,0010 0,0013 0,0020 0,0017 0,0015 0,0018 0,0028 0,0017 0,0019 0,0012 0,0014 0,0019 0,0014 0,0011 0,0011

118

cov(𝑋, 𝑌 ) −0,000000249 −0,000000281 −0,000001200 −0,000000723 −0,000000461 −0,000000260 −0,000011597 −0,000000374 −0,000001602 0,000000123 −0,000000488 −0,000001928 −0,000000078 −0,000000406 −0,000000254

ČVUT v Praze


Tab. D.2: Přetransformované souřadnice v etapě 𝐸1 (2008/11)

D.2

bod

𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

4150,5686 3975,9796 3764,7215 3656,5595 3635,2098 3727,3451 3824,1190 3891,7662 3940,1215 3984,3771 4051,5720 3876,8190 3726,4755 3794,0195 3761,4139 3872,0504 3818,6552 3735,6834 4130,1101 4049,4788 3866,9122 3795,3451 3778,3826 4179,5611 3658,5817 4036,7369

2418,9727 2476,2068 2253,2961 2153,1757 2062,8543 1992,9637 2015,6186 1992,4387 2055,8489 2138,8747 2246,5876 2234,6028 2124,3612 2090,4492 2042,8626 2167,7582 2086,6189 2249,7742 2380,1578 2432,6733 2172,5763 1972,2963 2246,7146 2441,2882 1989,0282 2464,7743

0,0019 0,0025 0,0044 0,0030 0,0022 0,0021 0,0022 0,0024 0,0023 0,0023 0,0020 0,0019 0,0021 0,0021 0,0021 0,0020 0,0022 0,0024 0,0019 0,0020 0,0021 0,0024 0,0044 0,0021 0,0019 0,0020

0,0018 0,0020 0,0024 0,0023 0,0022 0,0018 0,0020 0,0022 0,0022 0,0021 0,0019 0,0018 0,0022 0,0020 0,0020 0,0020 0,0020 0,0022 0,0019 0,0020 0,0020 0,0023 0,0025 0,0020 0,0018 0,0020

cov(𝑋, 𝑌 ) −0,000000497 −0,000000217 −0,000003207 0,000001023 −0,000000100 −0,000000556 −0,000000713 −0,000000436 −0,000000611 −0,000000683 −0,000000522 −0,000000110 −0,000000898 −0,000000627 −0,000000604 −0,000000129 −0,000000534 −0,000000641 −0,000000255 −0,000000454 −0,000000649 −0,000000392 −0,000004278 −0,000000288 −0,000000672 −0,000000347

Základní etapa 𝐸1

V této příloze jsou uvedeny přetransformované souřadnice identických i neidentických bodů těch etap, které jsou transformovány do soustavy základní etapy 𝐸1 . Důvody k volbě druhé základní etapy jsou uvedeny v kapitole 4.5.

119

ČVUT v Praze


Tab. D.3: Souřadnice v základní etapě 𝐸1 (2008/11) bod

𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

4150,5686 3975,9797 3764,7211 3656,5589 3635,2090 3727,3441 3824,1181 3891,7653 3940,1207 3984,3764 4051,5716 3876,8186 3726,4749 3794,0188 3761,4131 3872,0498 3818,6545 3735,6830 4130,1100 4049,4788 3866,9117 3795,3441 3778,3822 4179,5612 3658,5807 4036,7370

2418,9712 2476,2057 2253,2955 2153,1753 2062,8540 1992,9631 2015,6178 1992,4378 2055,8478 2138,8736 2246,5863 2234,6019 2124,3607 2090,4485 2042,8620 2167,7573 2086,6181 2249,7737 2380,1564 2432,6721 2172,5754 1972,2956 2246,7139 2441,2866 1989,0278 2464,7730

0,0017 0,0023 0,0043 0,0029 0,0020 0,0018 0,0020 0,0021 0,0021 0,0021 0,0019 0,0017 0,0019 0,0019 0,0019 0,0018 0,0020 0,0023 0,0017 0,0018 0,0019 0,0021 0,0043 0,0019 0,0016 0,0018

0,0016 0,0019 0,0022 0,0020 0,0019 0,0016 0,0018 0,0021 0,0021 0,0020 0,0017 0,0016 0,0020 0,0018 0,0018 0,0018 0,0018 0,0020 0,0017 0,0018 0,0019 0,0021 0,0023 0,0018 0,0015 0,0018

120

cov(𝑋, 𝑌 ) −0,000000307 −0,000000177 −0,000003174 0,000001269 0,000000352 −0,000000137 −0,000000498 −0,000000333 −0,000000603 −0,000000720 −0,000000546 −0,000000089 −0,000000669 −0,000000435 −0,000000311 −0,000000074 −0,000000370 −0,000000598 −0,000000132 −0,000000348 −0,000000592 −0,000000083 −0,000004240 −0,000000036 −0,000000113 −0,000000234

ČVUT v Praze


Tab. D.4: Přetransformované souřadnice v etapě 𝐸2 (2009/05) bod

𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 504 505 506 507 512 513 524 531 541 552 553 1001 1002 1003 1005 1011 1012

4150,5684 3764,7092 3656,5523 3635,2097 3727,3466 3984,3884 4051,5767 3876,8182 3872,0497 3735,6844 4130,1097 4049,4792 3866,9114 3795,3475 3778,3705 4179,5591 3658,5818 4036,7356

2418,9706 2253,3005 2153,1747 2062,8540 1992,9647 2138,8660 2246,5811 2234,6048 2167,7586 2249,7781 2380,1548 2432,6696 2172,5760 1972,2988 2246,7197 2441,2863 1989,0277 2464,7717

0,0013 0,0069 0,0042 0,0022 0,0017 0,0025 0,0014 0,0013 0,0017 0,0071 0,0013 0,0014 0,0022 0,0020 0,0069 0,0018 0,0014 0,0012

0,0012 0,0040 0,0024 0,0020 0,0014 0,0023 0,0011 0,0013 0,0019 0,0034 0,0014 0,0015 0,0023 0,0030 0,0044 0,0016 0,0013 0,0011

121

cov(𝑋, 𝑌 ) −0,000000355 −0,000018299 0,000000609 0,000000399 −0,000000715 −0,000000407 −0,000000194 −0,000000201 −0,000000037 −0,000012104 0,000000061 −0,000000717 −0,000002102 −0,000000352 −0,000021775 0,000000369 −0,000000575 −0,000000225

ČVUT v Praze



𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 504 505 506 507 512 513 524 531 541 552 553 1001 1002 1003 1005 1011 1012

4150,5663 3764,7064 3656,5518 3635,2070 3727,3458 3984,3910 4051,5802 3876,8203 3872,0505 3735,6811 4130,1083 4049,4799 3866,9139 3795,3466 3778,3652 4179,5567 3658,5827 4036,7369

2418,9720 2253,2971 2153,1707 2062,8518 1992,9698 2138,8667 2246,5824 2234,6012 2167,7559 2249,7728 2380,1549 2432,6726 2172,5726 1972,3091 2246,7152 2441,2840 1989,0297 2464,7713

0,0010 0,0021 0,0018 0,0014 0,0018 0,0024 0,0012 0,0009 0,0013 0,0009 0,0011 0,0013 0,0019 0,0026 0,0028 0,0020 0,0011 0,0011

0,0012 0,0012 0,0017 0,0017 0,0017 0,0023 0,0011 0,0009 0,0017 0,0010 0,0014 0,0016 0,0022 0,0038 0,0015 0,0017 0,0011 0,0011

122

cov(𝑋, 𝑌 ) −0,000000272 −0,000000088 0,000000530 −0,000000302 −0,000000264 −0,000000294 −0,000000155 −0,000000034 0,000000124 −0,000000044 0,000000321 −0,000000683 −0,000001935 0,000000108 −0,000001770 0,000001417 −0,000000462 −0,000000166

ČVUT v Praze



𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

4150,5694 3975,9810 3764,7072 3656,5530 3635,2044 3727,3461 3824,1181 3891,7630 3940,1161 3984,3729 4051,5725 3876,8189 3726,4783 3794,0197 3761,4155 3872,0515 3818,6571 3735,6834 4130,1093 4049,4816 3866,9131 3795,3435 3778,3668 4179,5578 3658,5813 4036,7346

2418,9714 2476,2083 2253,2942 2153,1713 2062,8515 1992,9647 2015,6194 1992,4391 2055,8473 2138,8703 2246,5830 2234,6034 2124,3584 2090,4481 2042,8621 2167,7582 2086,6183 2249,7720 2380,1551 2432,6717 2172,5743 1972,2974 2246,7142 2441,2856 1989,0285 2464,7722

0,0009 0,0014 0,0012 0,0013 0,0011 0,0011 0,0013 0,0015 0,0015 0,0014 0,0010 0,0008 0,0011 0,0010 0,0009 0,0009 0,0012 0,0010 0,0010 0,0011 0,0012 0,0014 0,0015 0,0012 0,0010 0,0010

0,0010 0,0013 0,0010 0,0014 0,0013 0,0009 0,0011 0,0013 0,0014 0,0013 0,0010 0,0008 0,0011 0,0010 0,0009 0,0012 0,0010 0,0010 0,0012 0,0012 0,0013 0,0015 0,0011 0,0012 0,0009 0,0009

123

cov(𝑋, 𝑌 ) −0,000000201 −0,000000015 0,000000095 −0,000000005 −0,000000284 −0,000000114 −0,000000231 −0,000000112 −0,000000109 −0,000000086 0,000000052 0,000000007 −0,000000233 −0,000000037 −0,000000136 0,000000068 −0,000000009 0,000000074 0,000000154 −0,000000238 −0,000000445 0,000000079 −0,000000295 0,000000088 −0,000000307 −0,000000132

ČVUT v Praze



𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

4150,5687 3975,9797 3764,7075 3656,5525 3635,2059 3727,3470 3824,1210 3891,7672 3940,1192 3984,3766 4051,5825 3876,8194 3726,4762 3794,0190 3761,4155 3872,0503 3818,6552 3735,6838 4130,1099 4049,4818 3866,9128 3795,3478 3778,3675 4179,5570 3658,5819 4036,7332

2418,9721 2476,2068 2253,2957 2153,1699 2062,8519 1992,9653 2015,6217 1992,4423 2055,8503 2138,8725 2246,5816 2234,6039 2124,3604 2090,4492 2042,8641 2167,7584 2086,6188 2249,7731 2380,1533 2432,6700 2172,5756 1972,2989 2246,7146 2441,2864 1989,0289 2464,7704

0,0009 0,0010 0,0011 0,0013 0,0011 0,0011 0,0011 0,0014 0,0015 0,0014 0,0009 0,0008 0,0011 0,0011 0,0012 0,0010 0,0013 0,0008 0,0010 0,0011 0,0012 0,0010 0,0014 0,0012 0,0010 0,0012

0,0009 0,0008 0,0009 0,0013 0,0013 0,0009 0,0010 0,0013 0,0015 0,0013 0,0009 0,0008 0,0011 0,0009 0,0010 0,0011 0,0010 0,0009 0,0011 0,0012 0,0012 0,0013 0,0010 0,0012 0,0009 0,0010

124

cov(𝑋, 𝑌 ) −0,000000202 −0,000000144 0,000000025 −0,000000051 −0,000000306 −0,000000258 −0,000000141 −0,000000307 −0,000000432 −0,000000455 −0,000000054 −0,000000003 −0,000000352 −0,000000183 −0,000000116 0,000000054 −0,000000118 0,000000023 0,000000004 −0,000000247 −0,000000462 0,000000003 −0,000000369 0,000000123 −0,000000323 −0,000000283

ČVUT v Praze



𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 506 507 509 510 511 512 513 524 525 526 527 531 532 552 553 1001 1002 1003 1005 1011 1012

4150,5679 3975,9738 3635,2040 3727,3429 3824,1278 3891,7783 3940,1275 3984,3768 4051,5743 3876,8208 3726,4792 3794,0245 3761,4206 3872,0563 3818,6649 4130,1061 4049,4825 3866,9166 3795,3551 3778,3658 4179,5625 3658,5790 4036,7331

2418,9736 2476,2081 2062,8512 1992,9633 2015,6159 1992,4358 2055,8489 2138,8732 2246,5864 2234,6032 2124,3538 2090,4445 2042,8575 2167,7572 2086,6142 2380,1555 2432,6689 2172,5755 1972,2950 2246,7151 2441,2911 1989,0304 2464,7696

0,0018 0,0022 0,0022 0,0027 0,0034 0,0039 0,0035 0,0029 0,0023 0,0021 0,0022 0,0026 0,0029 0,0022 0,0028 0,0016 0,0016 0,0026 0,0039 0,0027 0,0025 0,0025 0,0019

0,0024 0,0021 0,0022 0,0019 0,0023 0,0023 0,0024 0,0023 0,0019 0,0022 0,0023 0,0021 0,0024 0,0025 0,0021 0,0018 0,0018 0,0028 0,0030 0,0023 0,0028 0,0020 0,0023

125

cov(𝑋, 𝑌 ) 0,000000985 −0,000001135 0,000000603 0,000000007 −0,000002710 −0,000001843 −0,000000985 −0,000000649 0,000000230 −0,000000120 −0,000001515 −0,000001519 −0,000002763 0,000000373 −0,000000861 0,000000283 −0,000000162 −0,000001700 −0,000002001 −0,000001558 0,000001814 −0,000000293 −0,000001245

ČVUT v Praze



𝑋[m]

𝑌 [m]

𝜎𝑋

𝜎𝑌

501 502 506 507 509 510 511 512 513 524 525 526 527 531 532 552 553 1001 1002 1003 1005 1011 1012

4150,5663 3975,9772 3635,2087 3727,3493 3824,1222 3891,7681 3940,1219 3984,3769 4051,5718 3876,8223 3726,4814 3794,0223 3761,4188 3872,0501 3818,6507 4130,1042 4049,4801 3866,9102 3795,3475 3778,3600 4179,5579 3658,5835 4036,7347

2418,9716 2476,2090 2062,8567 1992,9654 2015,6209 1992,4378 2055,8445 2138,8717 2246,5864 2234,6022 2124,3592 2090,4475 2042,8649 2167,7565 2086,6193 2380,1541 2432,6704 2172,5746 1972,2985 2246,7202 2441,2833 1989,0311 2464,7683

0,0021 0,0032 0,0022 0,0027 0,0030 0,0035 0,0034 0,0032 0,0028 0,0019 0,0024 0,0026 0,0026 0,0021 0,0030 0,0022 0,0026 0,0025 0,0031 0,0032 0,0030 0,0021 0,0029

0,0019 0,0027 0,0028 0,0021 0,0025 0,0027 0,0029 0,0030 0,0028 0,0017 0,0024 0,0022 0,0022 0,0023 0,0022 0,0024 0,0026 0,0027 0,0031 0,0028 0,0029 0,0021 0,0029

126

cov(𝑋, 𝑌 ) −0,000000402 −0,000001227 −0,000000936 −0,000000384 −0,000000747 −0,000000680 0,000000037 0,000000229 0,000000678 0,000000167 −0,000000502 −0,000000308 −0,000000127 0,000000369 −0,000000042 0,000000658 −0,000000677 −0,000001687 −0,000000074 −0,000001242 −0,000000350 −0,000000813 −0,000001949

ČVUT v Praze

E E.1

E. ČÍSELNÉ VÝSLEDKY TESTOVÁNÍ POSUNŮ

Číselné výsledky testování posunů Základní etapa 𝐸0

V této příloze jsou uvedeny výsledky testování posunů bodů v etapě 𝐸1 vůči základní etapě 𝐸0 . Hodnoty posunů Δ𝑋𝑖 , Δ𝑌𝑖 a jejich směrodatné odchylky 𝜎Δ𝑋 , 𝜎Δ𝑌 jsou uvedeny v milimetrech. V dalším sloupci je uvedena p-hodnota, která kvantifikuje pravděpodobnost realizace hodnoty testovací statistiky 𝜒2 , pokud nulová hypotéza 𝐻0 platí. Samotný výsledek testu (passed/failed) je proveden na základě vyhodnocení testovacího kritéria 𝜒2 > 𝜒2𝛼,2 . Kritická hodnota 𝜒2 rozdělení pro zvolenou hladinu významnosti 𝛼 = 5 % a 2 stupně volnosti je 𝜒2𝛼,2 = 5,99. Kritickou hodnotu lze zjistit např. zadáním příkazu chi2inv(0.95,2) v programu Octave. etapa

datum

𝐸0 𝐸1

2008/04 2008/11

Tab. E.1: Posuny bodů v etapě 𝐸1 vůči etapě 𝐸0 bod 501 502 504 505 506 507 512 524 541 552 553 1003 1005 1011 1012

(0,1)

Δ𝑋𝑖

0,5 −4,1 14,9 5,3 2,2 −2,9 −1,3 0,5 −0,1 2,2 −0,2 14,8 2,8 −3,3 −0,9

(0,1)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

−0,6 0,6 −4,7 1,7 0,4 −3,3 −3,4 −1,8 −3,2 2,9 −0,1 −4,4 0,7 −1,2 2,5

2,1 2,9 4,9 3,6 2,7 2,6 5,7 2,6 3,4 2,3 2,3 5,0 2,5 2,3 2,3

2,1 2,4 3,1 2,8 2,6 2,6 3,5 2,4 2,9 2,3 2,4 3,1 2,5 2,1 2,2

0,939 0,359 0,008 0,295 0,702 0,200 0,359 0,761 0,516 0,265 0,993 0,011 0,497 0,245 0,528

0,127 2,051 9,589 2,440 0,709 3,218 2,050 0,545 1,325 2,654 0,014 8,934 1,400 2,817 1,279

passed passed failed passed passed passed passed passed passed passed passed failed passed passed passed

Δ𝑌𝑖

127

ČVUT v Praze

E.2


Základní etapa 𝐸1

V této příloze jsou uvedeny výsledky testování posunů bodů v etapách 𝐸2 až 𝐸7 vůči základní etapě 𝐸1 . Hodnoty posunů Δ𝑋𝑖 , Δ𝑌𝑖 a jejich směrodatné odchylky 𝜎Δ𝑋 , 𝜎Δ𝑌 jsou uvedeny v milimetrech. etapa

datum

𝐸1 𝐸2 𝐸3 𝐸4 𝐸5 𝐸6 𝐸7

2008/11 2009/05 2009/11 2010/05 2010/10 2012/05 2012/11

Tab. E.2: Posuny bodů v etapě 𝐸2 vůči etapě 𝐸1 bod 501 504 505 506 507 512 513 524 531 541 552 553 1001 1002 1003 1005 1011 1012

(1,2)

Δ𝑋𝑖

−0,2 −11,9 −6,6 0,7 2,5 11,9 5,1 −0,4 −0,1 1,4 −0,3 0,4 −0,3 3,4 −11,8 −2,1 1,1 −1,4

(1,2)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

−0,6 5,0 −0,5 0,1 1,6 −7,6 −5,2 2,9 1,3 4,5 −1,5 −2,4 0,5 3,2 5,8 −0,3 −0,1 −1,3

2,1 8,2 5,1 2,9 2,5 3,3 2,3 2,1 2,4 7,5 2,2 2,3 2,9 2,9 8,2 2,6 2,1 2,2

2,0 4,5 3,1 2,8 2,2 3,0 2,0 2,0 2,6 3,9 2,2 2,3 3,0 3,7 4,9 2,4 2,0 2,1

0,945 0,326 0,433 0,973 0,382 0,000 0,008 0,373 0,879 0,394 0,783 0,580 0,984 0,337 0,335 0,729 0,876 0,632

0,113 2,241 1,674 0,055 1,923 17,630 9,756 1,971 0,258 1,865 0,489 1,089 0,033 2,177 2,188 0,633 0,265 0,918

passed passed passed passed passed failed failed passed passed passed passed passed passed passed passed passed passed passed

Δ𝑌𝑖

128

ČVUT v Praze


Tab. E.3: Posuny bodů v etapě 𝐸3 vůči etapě 𝐸1 bod 501 504 505 506 507 512 513 524 531 541 552 553 1001 1002 1003 1005 1011 1012

(1,3)

Δ𝑋𝑖

−2,3 −14,8 −7,1 −2,0 1,7 14,5 8,7 1,7 0,7 −1,9 −1,7 1,1 2,2 2,5 −17,0 −4,5 1,9 −0,1

(1,3)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

0,8 1,6 −4,6 −2,1 6,7 −6,9 −4,0 −0,7 −1,4 −0,8 −1,4 0,5 −2,8 13,5 1,3 −2,6 1,9 −1,8

2,0 4,8 3,4 2,5 2,6 3,2 2,2 1,9 2,2 2,5 2,0 2,2 2,7 3,3 5,1 2,7 2,0 2,1

2,0 2,5 2,6 2,5 2,3 3,0 2,0 1,9 2,5 2,3 2,2 2,4 2,9 4,3 2,7 2,5 1,9 2,1

0,502 0,008 0,046 0,499 0,011 0,000 0,000 0,642 0,801 0,677 0,600 0,846 0,546 0,006 0,002 0,195 0,295 0,695

1,378 9,559 6,171 1,389 9,031 24,021 16,790 0,886 0,443 0,781 1,023 0,334 1,209 10,372 12,167 3,271 2,439 0,728

passed failed failed passed failed failed failed passed passed passed passed passed passed failed failed passed passed passed

Δ𝑌𝑖

129

ČVUT v Praze


Tab. E.4: Posuny bodů v etapě 𝐸4 vůči etapě 𝐸1 bod 501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

(1,4)

Δ𝑋𝑖

0,9 1,3 −13,9 −5,9 −4,6 2,0 0,0 −2,2 −4,5 −3,6 0,9 0,3 3,4 1,0 2,4 1,7 2,6 0,4 −0,7 2,8 1,4 −0,6 −15,5 −3,4 0,6 −2,4

(1,4)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

0,2 2,6 −1,3 −4,0 −2,5 1,6 1,6 1,4 −0,6 −3,3 −3,3 1,5 −2,3 −0,3 0,1 0,9 0,2 −1,6 −1,3 −0,4 −1,2 1,8 0,3 −1,0 0,7 −0,8

1,9 2,7 4,5 3,2 2,3 2,1 2,4 2,6 2,6 2,5 2,1 1,9 2,2 2,2 2,1 2,0 2,3 2,5 1,9 2,1 2,2 2,5 4,6 2,3 1,9 2,1

1,9 2,3 2,4 2,4 2,3 1,8 2,1 2,5 2,5 2,4 2,0 1,8 2,3 2,1 2,0 2,1 2,1 2,2 2,1 2,2 2,3 2,6 2,6 2,2 1,8 2,0

0,894 0,469 0,003 0,072 0,079 0,416 0,743 0,614 0,196 0,103 0,239 0,678 0,229 0,898 0,519 0,637 0,526 0,763 0,772 0,422 0,763 0,760 0,001 0,295 0,864 0,449

0,225 1,515 11,810 5,271 5,068 1,752 0,595 0,976 3,264 4,545 2,862 0,777 2,951 0,215 1,310 0,903 1,284 0,540 0,518 1,725 0,540 0,550 13,229 2,441 0,294 1,599

passed passed failed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed failed passed passed passed

Δ𝑌𝑖

130

ČVUT v Praze


Tab. E.5: Posuny bodů v etapě 𝐸5 vůči etapě 𝐸1 bod 501 502 504 505 506 507 509 510 511 512 513 524 525 526 527 531 532 541 552 553 1001 1002 1003 1005 1011 1012

(1,5)

Δ𝑋𝑖

0,1 0,0 −13,6 −6,4 −3,1 2,9 2,9 1,9 −1,5 0,2 10,9 0,8 1,3 0,3 2,4 0,4 0,7 0,8 −0,1 3,0 1,1 3,6 −14,8 −4,2 1,1 −3,8

(1,5)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

0,9 1,2 0,2 −5,3 −2,0 2,2 3,8 4,5 2,5 −1,2 −4,8 2,0 −0,3 0,7 2,1 1,2 0,6 −0,5 −3,1 −2,1 0,1 3,2 0,7 −0,2 1,1 −2,6

1,9 2,5 4,4 3,2 2,3 2,1 2,3 2,6 2,6 2,5 2,1 1,9 2,2 2,2 2,2 2,1 2,4 2,4 2,0 2,1 2,2 2,3 4,5 2,3 1,9 2,1

1,8 2,1 2,4 2,4 2,3 1,8 2,1 2,5 2,6 2,4 1,9 1,8 2,3 2,0 2,0 2,1 2,1 2,2 2,0 2,2 2,3 2,5 2,5 2,2 1,8 2,1

0,886 0,854 0,006 0,020 0,269 0,156 0,052 0,123 0,579 0,890 0,000 0,490 0,839 0,929 0,289 0,840 0,898 0,925 0,305 0,272 0,865 0,121 0,003 0,183 0,642 0,065

0,241 0,315 10,179 7,858 2,624 3,719 5,902 4,192 1,092 0,233 29,986 1,426 0,351 0,148 2,484 0,348 0,215 0,155 2,376 2,604 0,291 4,223 11,883 3,396 0,886 5,457

passed passed failed failed passed passed passed passed passed passed failed passed passed passed passed passed passed passed passed passed passed passed failed passed passed passed

Δ𝑌𝑖

131

ČVUT v Praze


Tab. E.6: Posuny bodů v etapě 𝐸6 vůči etapě 𝐸1 bod 501 502 506 507 509 510 511 512 513 524 525 526 527 531 532 552 553 1001 1002 1003 1005 1011 1012

(1,6)

Δ𝑋𝑖

−0,7 −5,9 −5,1 −1,2 9,8 13,1 6,8 0,4 2,7 2,2 4,3 5,7 7,5 6,5 10,4 −3,9 3,7 4,9 10,9 −16,4 1,3 −1,7 −3,9

(1,6)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

2,4 2,4 −2,8 0,2 −1,9 −2,0 1,1 −0,4 0,1 1,3 −6,9 −4,0 −4,5 −0,1 −3,9 −0,8 −3,2 0,1 −0,6 1,2 4,5 2,6 −3,4

2,5 3,2 2,9 3,2 3,9 4,4 4,0 3,6 3,0 2,7 2,9 3,2 3,5 2,8 3,4 2,4 2,4 3,3 4,4 5,1 3,1 3,0 2,6

2,8 2,8 2,9 2,5 2,9 3,1 3,2 3,0 2,6 2,7 3,1 2,8 3,0 3,1 2,8 2,5 2,6 3,4 3,7 3,2 3,4 2,5 2,9

0,649 0,152 0,170 0,926 0,046 0,012 0,205 0,985 0,666 0,623 0,050 0,116 0,066 0,072 0,006 0,243 0,166 0,301 0,047 0,004 0,403 0,508 0,104

0,864 3,766 3,542 0,155 6,151 8,783 3,174 0,030 0,813 0,948 5,995 4,311 5,451 5,260 10,311 2,829 3,591 2,401 6,129 11,070 1,817 1,353 4,528

passed passed passed passed failed failed passed passed passed passed failed passed passed passed failed passed passed passed failed failed passed passed passed

Δ𝑌𝑖

132

ČVUT v Praze


Tab. E.7: Posuny bodů v etapě 𝐸7 vůči etapě 𝐸1 bod 501 502 506 507 509 510 511 512 513 524 525 526 527 531 532 552 553 1001 1002 1003 1005 1011 1012

(1,7)

Δ𝑋𝑖

−2,2 −2,5 −0,3 5,2 4,1 2,8 1,3 0,4 0,2 3,7 6,5 3,6 5,8 0,3 −3,8 −5,8 1,4 −1,4 3,4 −22,3 −3,3 2,8 −2,3

(1,7)

𝜎Δ𝑋

𝜎Δ𝑌

p-value

𝜒2 stat

test

0,5 3,3 2,8 2,3 3,1 −0,0 −3,4 −2,0 0,1 0,3 −1,4 −1,0 2,8 −0,7 1,2 −2,2 −1,7 −0,9 2,9 6,4 −3,3 3,3 −4,8

2,7 3,9 3,0 3,2 3,6 4,1 4,0 3,9 3,4 2,5 3,0 3,2 3,2 2,8 3,6 2,8 3,2 3,2 3,8 5,4 3,5 2,7 3,4

2,5 3,3 3,4 2,6 3,0 3,4 3,6 3,6 3,2 2,3 3,1 2,8 2,9 3,0 2,8 2,9 3,1 3,3 3,8 3,6 3,4 2,6 3,4

0,706 0,527 0,715 0,167 0,277 0,787 0,618 0,860 0,998 0,339 0,099 0,518 0,114 0,960 0,530 0,097 0,805 0,843 0,495 0,000 0,396 0,211 0,248

0,696 1,282 0,671 3,576 2,564 0,478 0,962 0,301 0,003 2,161 4,624 1,317 4,338 0,081 1,269 4,668 0,434 0,343 1,405 17,633 1,854 3,111 2,788

passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed passed failed passed passed passed

Δ𝑌𝑖

133

ČVUT v Praze

F

F. GRAFICKÉ VÝSLEDKY TESTOVÁNÍ POSUNŮ

Grafické výsledky testování posunů

Obr. F.1: Zobrazení a testování posunů bodu 501

134

ČVUT v Praze



135

ČVUT v Praze



136

ČVUT v Praze



137

ČVUT v Praze



138

ČVUT v Praze



139

ČVUT v Praze



140

ČVUT v Praze



141

ČVUT v Praze



142

ČVUT v Praze



143

ČVUT v Praze



144

ČVUT v Praze



145

ČVUT v Praze



146

ČVUT v Praze



147

ČVUT v Praze



148

ČVUT v Praze



149

ČVUT v Praze



150

ČVUT v Praze



151

ČVUT v Praze



152

ČVUT v Praze



153

ČVUT v Praze



154

ČVUT v Praze



155

ČVUT v Praze



156

ČVUT v Praze



157

ČVUT v Praze



158

ČVUT v Praze



159

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ DIPLOMOVÁ PRÁCE

Recommend Documents