Mostrar el registro sencillo del ítem
dc.contributor.author | Navarro, Vicente | es_ES |
dc.contributor.author | Ventura-Traveset, Javier | es_ES |
dc.date.accessioned | 2021-10-14T06:38:03Z | |
dc.date.available | 2021-10-14T06:38:03Z | |
dc.date.issued | 2021-10-01 | |
dc.identifier.isbn | 9788490489611 | |
dc.identifier.uri | http://hdl.handle.net/10251/174654 | |
dc.description.abstract | [EN] With the current GNSS infrastructure development plans, over 120 GNSS satellites (including European Galileo satellites)will provide, already this decade, continuous data, in several frequencies, without interruption and on a permanent basis.This global and permanent GNSS infrastructure constitutes a major opportunity for GNSS science applications. In themeantime, recent advances in technology have contributed "de-facto" to the deployment of a large GNSS receiver arraybased on Internet of Things (IoT), affordable smart devices easy to find in everybody’s pockets. These devices – evolvingfast at each new generation – feature an increasing number of capabilities and sensors able to collect a variety ofmeasurements, improving GNSS performance. Among these capabilities, Galileo dual band smartphones receivers andAndroid’s support for raw GNSS data recording represent major steps forward for Positioning, Navigation and Timing (PNT)data processing improvements. Information gathering from these devices, commonly referred as crowdsourcing, opensthe door to new data-intensive analysis techniques in many science domains. At this point, collaboration between variousresearch groups is essential to harness the potential hidden behind the large volumes of data generated by thiscyberinfrastructure. Cloud Computing technologies extend traditional computational boundaries, enabling execution ofprocessing components close to the data. This paradigm shift offers seamless execution of interactive algorithms andanalytics, skipping lengthy downloads and setups. The resulting scenario, defined by a GNSS Big Data repository with colocatedprocessing capabilities, sets an excellent basis for the application of Artificial Intelligence / Machine Learning (ML)technologies in the context of GNSS. This unique opportunity for science has been recognized by the European SpaceAgency (ESA) with the creation of the Navigation Scientific Office, which leverages on GNSS infrastructure to deliverinnovative solutions across multiple scientific domains. | es_ES |
dc.description.abstract | [ES] Con los planes actuales de desarrollo de la infraestructura GNSS, más de 120 satélites GNSS (incluidos los satélites europeos Galileo) proporcionarán, ya en esta década, datos continuos, en varias frecuencias, sin interrupciones y de forma permanente. Esta infraestructura GNSS global y permanente constituye una gran oportunidad para las aplicaciones científicas de GNSS. Mientras tanto, avances recientes han contribuido al despliegue de una red GNSS paralela basada en la Internet de las Cosas (IoT), asequibles dispositivos inteligentes fáciles de encontrar en todos los bolsillos. Estos dispositivos, que evolucionan rápidamente con cada nueva generación, acumulan un número creciente de funcionalidades y sensores capaces de recopilar una gran variedad de mediciones. Entre estas funcionalidades, los receptores de teléfonos inteligentes de banda dual Galileo y el soporte Android para la grabación de datos GNSS sin procesar representan pasos especialmente relevantes. La recopilación de información mediante estos dispositivos, comúnmente conocida como crowdsourcing, abre la puerta a nuevas técnicas de análisis de datos en múltiples dominios científicos. Llegados a este punto, la colaboración entre diversos grupos de investigación resulta esencial para aprovechar el potencial que se esconde en los grandes volúmenes de datos generados por esta ciberinfraestructura. Las tecnologías de Cloud Computing extienden los límites computacionales tradicionales permitiendo la ejecución de componentes de procesamiento cerca de los datos. Este cambio de paradigma ofrece una rápida ejecución de algoritmos y análisis interactivos, omitiendo largas descargas y configuraciones. El escenario resultante, definido por un repositorio GNSS Big Data con capacidades de procesamiento acopladas, establece una base excelente para la aplicación de tecnologías de Inteligencia Artificial / Aprendizaje Automático (ML). Esta oportunidad única para la ciencia ha sido reconocida por la Agencia Espacial Europea (ESA) con la creación de la Oficina Científica de Navegación, que aprovecha la infraestructura GNSS para ofrecer soluciones innovadoras en múltiples dominios científicos. | es_ES |
dc.description.sponsorship | This work was supported by the European Space Agency as part of Research and Development Programmes under Science and Navigation Directorates. The authors would like to thank the GNSS Science Advisory Committee and ESA Navigation Support Office for their support and suggestions. We also thank our Industrial partners, involved in science use cases assessment and implementation. Thanks also to the Science and Operations technical IT Unit at ESAC supporting the deployment of the GSSC Thematic Exploitation Platform. We would like to thank all data collection providers, with special thanks to IGS, ILRS, CDDIS, BKG and IGN for their sustained and remarkable support making possible the creation of the GSSC Repository at the core of this work. | es_ES |
dc.format.extent | 11 | es_ES |
dc.language | Inglés | es_ES |
dc.publisher | Editorial Universitat Politècnica de València | es_ES |
dc.relation.ispartof | Proceedings 3rd Congress in Geomatics Engineering | |
dc.rights | Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) | es_ES |
dc.subject | Geocomputing | es_ES |
dc.subject | 3D Modelling | es_ES |
dc.subject | Cultural Heritage | es_ES |
dc.subject | Geodesy | es_ES |
dc.subject | Geophysics | es_ES |
dc.subject | Earth observation | es_ES |
dc.subject | Cartography | es_ES |
dc.subject | Environmental applications | es_ES |
dc.subject | GNSS | es_ES |
dc.subject | Cloud Computing | es_ES |
dc.subject | Artificial Intelligence | es_ES |
dc.subject | Internet of Things | es_ES |
dc.subject | Open Science | es_ES |
dc.subject | Inteligencia Artificial | es_ES |
dc.subject | Internet de las Cosas | es_ES |
dc.subject | Ciencia Abierta | es_ES |
dc.subject | Geodesia | es_ES |
dc.title | A data-intensive approach to exploit new GNSS science opportunities | es_ES |
dc.title.alternative | Explotación de nuevas oportunidades científicas de los sistemas de posicionamiento global por satélite (GNSS) desde una perspectiva intensiva en datos | es_ES |
dc.type | Capítulo de libro | es_ES |
dc.type | Comunicación en congreso | es_ES |
dc.identifier.doi | 10.4995/CiGeo2021.2021.12740 | |
dc.rights.accessRights | Abierto | es_ES |
dc.description.bibliographicCitation | Navarro, V.; Ventura-Traveset, J. (2021). A data-intensive approach to exploit new GNSS science opportunities. En Proceedings 3rd Congress in Geomatics Engineering. Editorial Universitat Politècnica de València. 43-53. https://doi.org/10.4995/CiGeo2021.2021.12740 | es_ES |
dc.description.accrualMethod | OCS | es_ES |
dc.relation.conferencename | 3rd Congress in Geomatics Engineering | es_ES |
dc.relation.conferencedate | Julio 07-08, 2021 | es_ES |
dc.relation.conferenceplace | Valencia, Spain | es_ES |
dc.relation.publisherversion | http://ocs.editorial.upv.es/index.php/CIGeo/CiGeo2021/paper/view/12740 | es_ES |
dc.description.upvformatpinicio | 43 | es_ES |
dc.description.upvformatpfin | 53 | es_ES |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_ES |
dc.relation.pasarela | OCS\12740 | es_ES |
dc.contributor.funder | European Space Agency | es_ES |