Source : preprint arXiv:2506.08032v1 [eess.SY], 2 juin 2025 · DOI non imprimé dans le PDF · Faculty of Electrical Engineering, Department of Control Engineering, Czech Technical University in Prague · accès OPEN · PDF TramGNSSMapReconciliation2025.pdf, sha256 9e93d410079cf415…, 9 pages Lu le : 2026-11-02. LECTURE COMPLÈTE (texte et tableaux ; Tab. I et II relus sur la page du PDF ; équations lues, non re-dérivées). Statut summarized. Thème : fusion · GNSS urbain contraint par une carte de voie Métadonnées vérifiées dans le PDF : titre, auteurs et année conformes à l’entrée du corpus ; pas de DOI imprimé ; la fiche précédemment rattachée à cette entrée (2025_i2vgs_infrastructure_to_vehicle_gs.md) traite un autre papier (I2V-GS) et n’a pas été reprise.

Contexte et question

En canyon urbain, la réception GNSS est perturbée par les trajets multiples et les signaux hors visibilité directe (NLOS), ce qui biaise la position. Les méthodes RAIM classiques supposent une redondance élevée et une seule panne ; détecter plusieurs pannes impose une complexité combinatoire. Les auteurs proposent de caractériser chaque pseudodistance (variance et biais) à partir de la position prédite, contrainte à la voie, avec une complexité linéaire en nombre de mesures GNSS.

Méthode

• Filtre de Kalman étendu itéré (IEKF), vu comme un problème de moindres carrés non linéaires résolu par Gauss-Newton ; recherche linéaire contrainte du pas α dans [0, 1] pour garantir la décroissance du critère (éq. 25-30).
• État : position, vitesse, biais d’horloge récepteur et sa dérive ; modèle à vitesse constante (éq. 37). Mesures : pseudodistances et Doppler (éq. 31, 35). La troposphère est négligée ; multitrajet et autres erreurs sont modélisés par un bruit blanc additif.
• Mélange de distributions, satellite par satellite : la pseudodistance mesurée est combinée à sa valeur prédite par le filtre, pondérée par l’inverse des variances (éq. 42-47). Cela rapproche les moyennes des valeurs prédites et gonfle la variance des mesures incohérentes avec la position prédite.
• Variance de mesure fonction de l’élévation et du rapport C/N0, avec les constantes T = 50, F = 10, A = 30, a = 40 (éq. 41, modèle repris de [27, 28]).
• Contrainte douce à la voie : une pseudo-mesure de position fabriquée à partir des points de la voie proches de l’estimation a priori, ajoutée par augmentation du vecteur de mesure (éq. 21-23). L’heuristique, issue de [15], introduit des hyperparamètres à régler.
• Conversions ECEF vers géodésique et ENU (éq. 48-54).

Données

• Simulation : véhicule en ligne droite vers le nord, 5 satellites GPS dont 3 en visibilité directe et 2 en NLOS sur une partie du parcours (Fig. 4, §IV-A). Bruit de mesure N(0 m, 3 m²) en LOS et N(0 m, 10 m²) en multitrajet/NLOS ; décalage uniforme dans (5 m, 20 m) pour ces derniers ; pas de Doppler (éq. 55).
• Réel : récepteur U-Blox ZED-F9R, antenne dans un tramway de la ligne 22 de Prague entre les arrêts Vršovické náměstí et Malostranská ; 1430 s à 1 s de période ; observables GPS, BeiDou et Galileo ; carte OpenStreetMap comme aide (§IV-B).
• Vérité terrain : en simulation, la position vraie ; en réel, la projection orthogonale sur la voie de la carte, présentée comme indisponible en conditions réelles (résumé).

Résultats chiffrés

Simulation, RMS de la distance à la vérité terrain (Tab. I, p. 6) :

Réel, RMS de la distance à la projection orthogonale sur la voie (Tab. II, p. 7) :

Ancres :

• 6,8 m : « With distribution mixing 6.8 m 6.0 m » (Tab. I, p. 6).
• 13,3 m : « Without distribution mixing 13.3 m 9.7 m » (Tab. I, p. 6).
• 0,91 m : « With distribution mixing 9.29 m 0.91 m » (Tab. II, p. 7).
• 1,19 m : « Without distribution mixing 8.55 m 1.19 m » (Tab. II, p. 7).
• 5,32 m : « U-Blox solution – 5.32 m » (Tab. II, p. 7).

Observations qualitatives : sans contrainte, le mélange fait pire que le filtre de base en réel (9,29 m contre 8,55 m), ce que les auteurs attribuent à un effet passe-bas qui retarde la récupération après une zone de multitrajet prolongée (p. 6-7). Le mélange donne une trajectoire plus lisse, au profil de vitesse plus réaliste (Fig. 7). Dans une rue étroite, les positions brutes dérivent vers l’ouest, les estimations aidées par la carte restent près de la voie (Fig. 8).

Limites déclarées par les auteurs

• Preuve de concept : les résultats « may be further improved » avec un banc de modèles ou un rejet des pseudodistances aberrantes par test du χ² (résumé).
• Le mélange seul fait dériver l’estimation : il faut une carte ou une autre source pour l’éviter (§V).
• Approche « par instantané » du biais ; un suivi dynamique du biais est envisagé. La contrainte n’est appliquée qu’à la mise à jour, pas à la prédiction (§V).
• Projection naïve sur la voie la plus proche possible source d’erreurs aux aiguillages et en dépôt ; un banc de modèles (IMM) est proposé (§V).
• Hyperparamètres de la contrainte douce à régler (§II-B).
• Un seul parcours réel ; la vérité terrain réelle est la voie elle-même, pas une position le long de la voie.

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Référence utile pour une contrainte de trajectoire sur carte appliquée comme pseudo-mesure plutôt que comme projection dure, avec la prudence que l’évaluation réelle ne mesure que l’écart transversal à la voie.
• Le gain réel en RMS dépend surtout de la contrainte à la voie (de 9,29 m à 0,91 m) : la mesure ne dit rien de l’erreur le long de la voie.
• Le mélange de distributions seul n’est pas à retenir sans ancrage externe (carte, inertie, odométrie), vu la dérive constatée.
• Chiffres du simulateur (5 satellites, biais de 5 à 20 m) à ne pas citer comme performance, seulement comme scénario de démonstration.
• Le modèle de variance (éq. 41) est un candidat de pondération pour des pseudodistances brutes à faible coût, si nos données les exposent.