近日，招商路检黄河研究员团队与重庆交通大学、武汉大学等单位共同在《GPS Solutions》上发表最新研究成果。《GPS Solutions》是全球卫星导航系统（GNSS）领域公认的旗舰期刊，为中科院SCI一区TOP期刊。该研究针对GNSS信号在复杂环境下易受干扰、电离层总电子含量（TEC）时变误差难以精准建模的行业痛点，创新性提出了一种基于多神经网络集成的电离层TEC高精度预报模型，标志着招商路检在智慧交通时空基准领域的研究再上新台阶。

       技术破局：从“单一修正”到“智能融合”

       当前，依托招商路检自主研发的“云眼”系统对道路交通基础设施的高效监测，北斗高精度定位服务已深度赋能智慧交通发展。然而，在太阳活动、地磁暴等极端空间天气条件下，传统电离层改正模型往往因泛化能力不足而导致定位精度骤降。针对这一难题，团队与重庆交通大学、武汉大学，立足工程实际，深度融合卷积神经网络（CNN） 在特征提取、双向长短期记忆网络（BiLSTM） 在时序预测，以及压缩激励网络（SE） 在特征自适应加权方面的优势，构建了全新的CNN-BiLSTM-SE融合预报模型。

       应用价值：赋能高精度定位与近地空间监测

       实验验证表明，该模型能精准捕捉电离层TEC的时空变化特征及核心驱动因素，显著提升了极端条件下的建模鲁棒性。这一成果不仅为GNSS单频非差非组合快速精密定位提供了关键算法支撑，更对近地空间环境监测及复杂交通场景下的连续可靠定位导航具有重要的工程应用前景。该研究的成功将为招商路检在极端空间天气条件下的监测、检测服务能力提供核心技术支撑。

图1. 电离层电子密度影响参量Spearman 相关性分析

图2. 各类模型精度对比图