Kurzfassung
Historisch bedingt sind Vermessungsdaten der ÖBB-Infrastruktur AG in unterschiedlichen Koordinatenreferenzsystemen und -rahmen definiert, zugleich wurden sie durch verschiedene Abbildungen projiziert. Höchstes Ziel war stets die Realisierung eines hochgenauen lokalen homogenen Referenzrahmens. Als problematisch erweisen sich diese lokalen Netze an Grenzsituationen infolge diskontinuierlicher Übergänge (Klaffungen). Mit dem System InfraRASTER wurde ein einheitliches und homogenes Referenzsystem für die ÖBB-Infrastruktur AG geschaffen, welches einen stetigen Übergang sämtlicher Netze sowie homogene Landeskoordinaten nahe typischer RTK-Genauigkeiten gewährleisten soll. Verwendung findet seit 2. Jänner 2024 der global-homogene Referenzrahmen ITRF2020 zur Epoche 2015.0 (davor der ITRF2014 zur Epoche 2010.0) sowie der lokale Referenzrahmen im System der österreichischen Landesvermessung. Der Datumsübergang wird durch einen 7-Parametersatz zuzüglich eines Korrekturrasters realisiert und mit dem RTK-Positionierungsdienst der ÖBB (TEPOS) via RTCM 3.1 als InfraRASTER bereitgestellt. Der Korrekturraster wurde aus rund 12500 bahnnahen Punkten und ca. 1200 österreichweit verteilten Punkten abgeleitet. Die Maschenweite beträgt 30" (≈ 600 m) in Länge und 20" (≈ 600 m) in Breite. Die Berechnung der Rasterkorrekturwerte in ellipsoidischer Länge, -Breite und -Höhe erfolgte durch die ÖBB Infrastruktur/Vermessung & Geoinformation mittels bikubischer Residuen-Interpolation flächendeckend für ganz Österreich. Seit dem 1. Juli 2022 ist InfraRASTER offiziell verfügbar und das entsprechende Regelwerk wurde in Kraft gesetzt. Die geforderten Genauigkeiten wurden bereits partiell bestätigt. Der Korrekturraster ist als iterativer Prozess zu verstehen, welcher anhand laufender Messungen geprüft und gegebenenfalls verbessert wird.

Abstract
For historical reasons, survey data from ÖBB-Infrastruktur AG are defined in different coordinate reference systems and frames. At the same time, they were projected using various projections. The primary objective has always been to establish a highly precise, local, and homogeneous reference frame. However, these local networks present challenges in border situations due to discontinuous transitions (gaps). The InfraRASTER system was developed to address these issues by providing a uniform and homogeneous reference system for ÖBB-Infrastruktur AG. It ensures a seamless transition for all networks and delivers homogeneous national coordinates, approaching typical RTK accuracies. Since January 2, 2024, the globally homogeneous reference frame ITRF2020 for the epoch 2015.0 (previously ITRF2014 for the epoch 2010.0) is being used, along with the local reference frame within the Austrian national surveying system. The geodetic datum transition is achieved through a 7-parameter set, supplemented by a correction grid, and is made available through the RTK positioning service of the ÖBB (TEPOS) via RTCM3.1 as InfraRASTER. The correction grid was derived from approximately 12500 points near the railway, as well as around 1200 points distributed across Austria. The mesh size measures 30" (≈ 600 m) in longitude and 20" (≈ 600 m) in latitude. The calculation of grid correction values in ellipsoidal longitude, latitude and height was carried out by ÖBB Infrastructure/Surveying & Geoinformation using bicubic residuals interpolation, covering the entire territory of Austria. As of July 1st, 2022, InfraRASTER has been officially available, and the associated regulations have come into effect. The required accuracies have already been partially confirmed. The correction grid should be considered an iterative process, subject to ongoing measurements and potential improvements if necessary.

Kurzfassung
Ein campusweites Positionierungs- und Navigationssystem für die TU Wien soll durch die Nutzung von WLAN-Signalen und der Positionierungsmethode Fingerprinting realisiert werden. Ziel dieser Studie ist es daher die Verfügbarkeit, Leistungsfähigkeit und Nutzbarkeit von WLAN in ausgewählten Bereichen zu untersuchen. Für diesen Zweck wurden die WLAN-Signalstärken am Karlsplatz, im Freihaus-Bürogebäude sowie in der Universitätsbibliothek unter realen Bedingungen gemessen. Die Messungen wurden dabei statisch, kinematisch und im Stop-and-Go Modus mit sechs verschiedenen Smartphones durchgeführt. Für das Fingerprinting wurde ein probabilistischer Ansatz basierend auf der Berechnung der Mahalanobis-Distanz gewählt. Es hat sich gezeigt, dass die eingesetzten Smartphones die Signalstärken unterschiedlich stark empfangen, weshalb für jedes Smartphone eine Kalibrierung mit einem multivariaten linearen Regressionsmodell durchgeführt wurde. Damit konnte die geräteabhängige Empfangsempfindlichkeit weitgehend ausgeglichen werden, wodurch sich keine großen Unterschiede bei den verschiedenen Smartphones bezüglich der erreichten Genauigkeiten bei den statischen und Stop-and-Go Messungen ergaben. Mit Hilfe einer zusätzlichen Langzeitmessung wurden die Schwankungen der WLAN-Signale analysiert. Diese zeigten große zeitliche Variationen in einem Bereich von bis zu ±5 dBm tagsüber und auch hohes Signalrauschen. Die Analyse der Trainingsmessungen zeigte, dass genügend stabile WLAN-Signale campusweit für die Positionierung mittels Fingerprinting vorhanden sind. Die ermittelten Abweichungen der berechneten Positionen zu den Sollwerten in der Positionierungsphase lagen im Freihaus-Gebäude bei 1,5 bis 3 m. Die mit normaler Schrittgeschwindigkeit abgegangenen Trajektorien konnten damit gut rekonstruiert werden. Eine signifikante Abhängigkeit der Ergebnisse vom Smartphone zeigt sich jedoch bei den kinematischen Messungen durch die unterschiedliche Dauer eines gesamten WLAN Scans. Diese lag durchschnittlich im Bereich von 2,5 bis 4,1 s und kann damit zu unterschiedlichen Genauigkeiten für die kinematische Positionierung je nach verwendetem Endgerät führen, da bei einer längeren Scandauer weniger Messwerte entlang der Trajektorie für eine Interpolation zur Verfügung stehen.

Abstract
A positioning and navigation system based on Wi-Fi signals using fingerprinting for localization shall be developed for the whole University campus of TU Wien. Thus, the major aim of this study is the investigation of the availability, performance and usability of Wi-Fi in selected areas of the University. For this purpose, Wi-Fi signal strengths of the surrounding access points were measured in front of the main building of the University, in the library and in a large multi-storey office building called Freihaus under real conditions. The measurements were carried out in static, kinematic and stop-and-go mode with six different smartphones. A probabilistic fingerprinting approach based on the calculation of the Mahalanobis distance was applied. It was seen that a calibration with a multivariate linear regression model has to be carried out for each smartphone due to the device-dependent reception sensitivity. Using such a model, this device dependency could be reduced to a minimum and similar positioning accuracies for the static and stop-and-go measurements were obtained. With the help of an additional long-term observation, the fluctuations of the Wi-Fi signals were analysed. These observations showed that fluctuations of up to ±5 dBm during the day can occur, at night the signals are much more stable. The analysis of the system training measurements showed that there are sufficiently stable signals available everywhere on the campus to carry out a position determination using Wi-Fi fingerprinting. The resulting deviations from the ground truth in the positioning phase were in the range of 1.5 to 3 m in the Freihaus office building. The trajectories of the user walking with usual speed could be reconstructed well. A significant dependence of the results in the kinematic mode, however, is caused by the duration of a single Wi-Fi scan. The durations were in the range of 2.5 to 4.1 s depending on the used smartphone. This can result in different accuracies for kinematic positioning since fewer measurements along the trajectories for interpolation are available for a device with longer scan duration.

Kurzfassung
Position, Geschwindigkeit und Orientierung einer bewegten Plattform können mit Hilfe von drei oder mehr auf der Plattform fix montierten GNSS Antennen in Echtzeit bestimmt werden. Eine Herausforderung stellen dabei Plattform-Aufbauten dar, welche die Satellitensignale abschatten und Mehrwegeffekte verursachen. Wir leiten in diesem Beitrag die Beobachtungsgleichungen her, welche die gesuchten Plattform-Parameter direkt mit den undifferenzierten Pseudostrecken-, Trägerphasen- und Dopplerbeobachtungen verknüpfen. Die Schätzung unter Verwendung dieser Beobachtungsgleichungen ist der Bestimmung der Plattform-Kinematik aus den Trajektorien der einzelnen GNSS Antennen überlegen, weil die Redundanz höher ist und sich eine praktische Möglichkeit zur Reduktion der negativen Auswirkungen von Mehrwegeffekten und Abschattungen durch die Plattform selbst ergibt.

Abstract
The position, velocity, and attitude of a moving platform can be determined in realtime using GNSS with three or more antennas rigidly mounted on the platform. Objects shading satellite signals and causing multipath effects are a major concern for practical applications. In this contribution we derive the observation equations relating the platform parameters directly to the undifferenced pseudo-range, carrier-phase, and Doppler observations. We demonstrate that this approach is superior to deriving the platform kinematics from the kinematics of the individual GNSS antennas because it yields higher redundancy and offers a useful option for mitigating multipath effects created by the platform itself.