第六章
第六章 第六章 結論與討論 結論與討論 結論與討論 結論與討論
第一節 第一節 第一節
第一節 研究結果與結論 研究結果與結論 研究結果與結論 研究結果與結論
本研究之目的為尋求一種新方法，用於改善 GPS 全球定位系統中，幾何精 度稀釋因子之計算過度複雜的問題，因此，提出利用基因程式規劃方法，藉由其 找出一組適合之迴歸模型，以取代傳統幾何精度稀釋因子計算時大量矩陣計算方 法。透過研究與多項實驗後證明，經由基因程式規劃方法所訓練出之模型，確實 可用於幾何精度稀釋因子之逼近，且擁有相當優異之效果。
經由多項與多次實驗後，可得出以下之結論。實驗規劃中所提出之三個實驗 變項，訓練樣本數、使用不同衛星數量與不同運算子之使用，確實對於模型訓練 有直接之影響力。於訓練樣本數部份，本實驗設計為 200 筆至 1000 筆資料，其 間隔為 100 筆，根據實驗結果表示，訓練樣本之使用將與迴歸模型之預測能力有 非常直接的影響，充足的訓練樣本所產生之模型對於測試結果有非常逼近原始數 值之效果；使用不同衛星數量時，衛星數量將對於各種輸入特徵所產生之模型，
對於迴歸模型之預測能力將有非常直接之影響。於訓練模型時，依據輸入特徵與 衛星數量之使用，依造實驗結果分析出之各輸入特徵於適合之衛星使用數量，進 而提昇訓練模型之預測能力效果。基於運算元進行迴歸模型訓練效能之實驗測試 結果中顯示；於不同特徵訓練迴歸模型時，基因程式規劃所使用之運算元對實驗 結果有直接的影響，由實驗結果中可看出，各項訓練特徵中，皆有其適合之運算 元對應，若於迴歸模型訓練時使用其適合之運算元，可有效提昇迴歸模型之預測 能力。
於本實驗中，同時對於第二章第四節中學者提出之方法，支援向量迴歸與倒
傳遞類神經網路兩種方法進行結果比較，由實驗結果證明，利用基因程式規劃方 法所訓練出之模型，其預測能力較優於其他以白盒子之迴歸方法所訓練出之模 型。
最後，於本次研究與實驗中，有幾項現階段研究之限制，亦為不足之處。首 先，於訓練資料集之收集為連續24 小時之採集作業，導致訓練模型可能對於此 區間之測試資料之誤差較低，更可能使得此模型有特定之時間性。此外，資料收 集時採定點收集，也可能造成訓練模型有地區性。而於訓練資料挑選不同數量之 樣本集實驗中，樣本集採隨機方式挑選，以隨機方式挑選將可能造成某些訓練樣 本對於模型之預測效果降低，因此，於此階段之訓練樣本挑選，若使用其他能對 訓練樣本於迴歸模型之效果影響之評估方式，挑選於迴歸模型之訓練效果較佳之 訓練樣本。
第二節 第二節
第二節 第二節 討論 討論 討論 討論
GPS全球定位系統中，幾何精度稀釋因子之計算，可基於某幾種特徵來估算 其數值，於本實驗中三種實驗變項，訓練樣本數、使用不同衛星數量與不同運算 子之使用，前兩項將造成訓練樣本之影響，而使用不同運算子將對於基因程式規 劃造成影響，因此，若經過深入研究，應能掌握訓練樣本與基因程式規劃對於訓 練模型之主因，例如使用某些特徵時，其衛星使用數量與使用特定運算子時可得 最佳數值，雖然此方式可先計算出所有衛星使用數量與所有運算子使用之組合，
但此方式與本研究目標中之減低幾何精度稀釋因子衝突，因此，如何能有效提昇 模型之預測能力，使各種特徵於模型能有效學習，應屬最佳方案，而本階段之解 決方法則是找出一易取得之特徵。
幾何精度稀釋因子乃是一種定位精確度評價標準，不僅用於 GPS 全球定位系 統當中，其他相關之定位方式亦有採用此數值來評斷其定對精準度，而定位原理 於各種定位系統中多數為相同的，因此，使用此方法也能應用於其他定位系統 上。基因程式規劃之高度預測能力，於定位系統應用於慣性導航系統(Inertial Guidance System, IGS)而言有很大幫助，如可嘗試運用與本研究中所提出之概 念，找出一組可準確預測定位 GPS 定位儀移動方向之模型。
第三節 第三節
第三節 第三節 未來研究建議 未來研究建議 未來研究建議 未來研究建議
本階段之研究雖然已得到初步之結果，但仍有許多能再深入研究與探討之問 題。因此，基於本研究之結果，建議未來可再針對以下幾種研究方式進行：
1. 本研究之實驗數據採集於固定地理位置，未來可於多個不同型態之區域 採集數據，如空曠地區、住宅區，山區與海邊等，同時亦可可作為實驗 變項，探討出個環境型態所訓練出之模型，是否有其特性存在。
2. 研究數據採集以移動式進行，於本研究中資料採集方式為定點蒐集，將 來若能以移動方式採集，藉此訓練出更加適合用於車用導航時，GPS定 位儀移動之模型。
3. 對於傳統幾何精度稀釋因子之計算方法進行更深入之研究，了解其數學 算式之物理意義，從中找出更多特徵選取方式，藉由其訓練出更優於此 階段之模型。
4. 當模型效能達到一準確定時，將其置入各種行動裝置上，並設計一組電 源消耗程度之實驗，確實了解本模型於計算幾何稀釋精度因子時所降低 之耗電量，以及行動裝置使用時數之延長，進而達成本研究規劃之目標。