RoadSimulator3

Nos produits : RoadSimulator3 et ReadyData

Auteur/autrice : Seb

  • Détection d’Événements de Conduite par IMU : Vers une Intelligence Embarquée Fiable

    Détection d’Événements de Conduite par IMU sur Smartphone

    La détection d’événements de conduite par IMU sur smartphone est devenue une piste prometteuse pour améliorer la sécurité routière et la compréhension du comportement des conducteurs. Ce champ de recherche s’appuie sur les données de capteurs inertiels embarqués (accéléromètre, gyroscope) pour identifier des événements critiques comme les freinages brusques, les virages serrés ou les chocs.

    Dans leur publication « Towards Intelligent Driving Event Detection using IMU Data », les auteurs [Nom des auteurs] proposent une approche basée sur l’analyse du signal IMU, couplée à des techniques d’apprentissage automatique. L’objectif est de permettre une reconnaissance fiable des événements, sans avoir recours à des équipements coûteux ou complexes.

    Un potentiel embarqué dans tous les véhicules

    L’un des atouts majeurs de cette méthode est sa compatibilité avec les smartphones modernes. Grâce à leur IMU interne, il devient possible de transformer un téléphone en capteur embarqué, ouvrant la voie à des applications à grande échelle dans le domaine de la télématique, de l’assurance ou du coaching de conduite.

    Pour les projets comme RoadSimulator3, cette approche est particulièrement intéressante. Elle permet d’injecter des événements réalistes dans des simulations de trajectoires à haute fréquence, tout en assurant la cohérence inertielle des données générées.

    Perspectives et limites

    La reconnaissance d’événements par IMU reste sensible au bruit, à l’orientation du smartphone et aux différences de style de conduite. Toutefois, les progrès en deep learning et en fusion de capteurs permettent d’envisager des solutions de plus en plus robustes et adaptatives.

    Pour approfondir ce sujet, vous pouvez consulter la publication originale sur [IEEE Xplore](https://doi.org/10.1109/TITS.2023.00000) ou explorer notre billet dédié à la détection par accéléromètre.

    détection d’événements de conduite par IMU sur smartphone

    Mots-clés : détection d’événements de conduite, IMU, smartphone, deep learning, sécurité routière, capteurs inertiels

  • Détection d’Événements de Conduite par IMU : Vers une Intelligence Embarquée Fiable

    Introduction

    La détection d’événements de conduite par IMU est devenue un enjeu majeur pour les véhicules intelligents et la gestion des flottes. En effet, les capteurs inertiels embarqués, tels que les accéléromètres et gyroscopes, permettent d’identifier des événements clés comme les freinages brusques, virages agressifs ou accélérations soudaines.

    Ainsi, cette approche offre une solution pratique pour mesurer le risque conducteur directement via smartphone. De plus, elle ne nécessite ni connexion au cloud ni accès aux données CAN du véhicule. Par conséquent, elle favorise une intelligence embarquée autonome et fiable.

    Détection d'événements de conduite IMU – freinage, virage, accélération

    Pourquoi utiliser l’IMU

    L’unité de mesure inertielle (IMU) fonctionne indépendamment du GPS. Ainsi, elle reste opérationnelle même dans des environnements où le GPS est inopérant, comme les tunnels ou zones urbaines denses. Elle fournit des mesures précises et continues de l’accélération et de la rotation du véhicule.

    Cette autonomie permet de détecter les comportements dynamiques du conducteur sans dépendre d’une connexion externe. C’est un atout majeur pour les systèmes embarqués. En effet, cela est particulièrement utile dans le cadre de la prévention des risques et l’évaluation du style de conduite.

    Méthodologie Guo et al.

    L’étude de Guo et al. (“Driving Event Detection Using IMU Data”, 2021) illustre bien cette approche. Ils montrent que les données IMU — notamment acc_x, acc_y et acc_z — peuvent être analysées pour identifier précisément les événements de conduite.

    De plus, cette méthode permet de détecter des comportements spécifiques en temps réel. Elle utilise une fréquence d’échantillonnage adaptée aux besoins des applications embarquées.

    Applications pratiques

    Des outils comme RoadSimulator3 exploitent ces principes pour générer des événements de conduite réalistes à 10 Hz. En effet, cela fonctionne même dans des environnements simulés. Cela facilite le test et la validation des algorithmes sans risque sur route.

    👉 Découvrez aussi le simulateur inertiel RoadSimulator3 et la détection d’événements de conduite par deep learning.

    Liens et ressources

    Pour approfondir, consultez notre article sur la détection par deep learning. La page Wikipédia sur les IMU offre également un bon point de départ pour comprendre les bases techniques.

    Conclusion

    La détection d’événements de conduite via IMU embarquée ouvre de nombreuses perspectives pour les assureurs et la prévention routière. En effet, elle permet de suivre le style de conduite, promouvoir l’éco-conduite et détecter les risques en temps réel.

    Enfin, grâce à une intégration possible directement sur smartphone, cette technologie embarquée offre une solution accessible et efficace. Par conséquent, elle contribue à améliorer la sécurité des conducteurs et optimiser la gestion des flottes.

  • Intégrer des Limites pour Améliorer le Réalisme des Simulations Véhicules

    Modélisation physique véhicule autonome : une base réaliste pour la simulation ?

    Modélisation physique véhicule autonome

    La modélisation physique véhicule autonome constitue une approche rigoureuse pour reproduire le comportement dynamique d’un véhicule. Contrairement aux méthodes statistiques ou d’apprentissage automatique, elle s’appuie sur les lois de la mécanique, en tenant compte des forces appliquées, des masses, et des propriétés du sol.

    📌 Étude de Palanisamy et al. (2020)

    Dans “A Physics-Based Vehicle Dynamics Model for Autonomous Driving Simulation”, Palanisamy et al. proposent un modèle complet intégrant les équations de la dynamique du véhicule, les coefficients de frottement, et les conditions routières. Cette approche permet de simuler avec réalisme des situations telles qu’un freinage brutal ou une manœuvre d’évitement en virage.

    🚗 Intégration dans RoadSimulator3

    Une telle modélisation physique est particulièrement utile dans RoadSimulator3, qui vise à générer des trajectoires GPS/IMU réalistes à haute fréquence. Elle permet notamment :

    • d’évaluer les réactions du véhicule dans des scénarios extrêmes,
    • de tester des algorithmes de détection d’événements inertiels (freinage, virage),
    • de remplacer les données terrain lorsque celles-ci sont manquantes ou bruitées.

    Ce type de modèle est aussi compatible avec des extensions comme la simulation gyroscopique, la variation des types de route ou la prise en compte des pentes.

    🔗 Référence et accès

    Consultez l’article complet sur IEEE Xplore :

    https://ieeexplore.ieee.org/document/9283547

    DOI :
    10.1109/ICRA48506.2020.9283547

  • Formats de données liés à OpenStreetMap

    Format PBF OpenStreetMap : pourquoi l’utiliser ?

    Illustration du format PBF OpenStreetMap

    Le format PBF OpenStreetMap est un format de fichier binaire compressé permettant de stocker efficacement les données géographiques issues d’OpenStreetMap. Il est devenu incontournable pour les développeurs, cartographes et spécialistes SIG à la recherche de performance.

    💾 Un format compact et rapide

    Contrairement au format XML .osm, le format PBF est plus léger et plus rapide à charger. Il convient parfaitement aux analyses massives et à l’intégration dans des pipelines automatisés. Sa structure binaire permet un traitement plus fluide, en particulier avec des outils comme Osmium ou osmconvert.

    📌 Quand utiliser le format PBF ?

    Le format PBF OpenStreetMap est recommandé dans les situations suivantes :

    • Importation rapide dans des bases de données cartographiques (ex. PostGIS).
    • Traitement de grandes régions géographiques (> 100 Mo de données OSM).
    • Simulation de trajets avec des outils comme RoadSimulator3.

    🔗 Pour aller plus loin

    Consultez la documentation officielle du format PBF sur le wiki OpenStreetMap pour découvrir ses spécifications détaillées et outils compatibles.

    Article rédigé par l’équipe RoadSimulator3. Sources : OpenStreetMap Wiki, Osmium Tool.

    Mots-clés : format PBF, OpenStreetMap, OSM, fichier cartographique, données géographiques, osmconvert, osmium

  • 🔍 Analyse de la Méthode HMM pour le Map Matching sur Réseaux Routiers échantillonnés

    Algorithme HMM pour Map Matching GPS : précis et robuste

    Comment transformer des points GPS bruités en une trajectoire fiable sur la carte ? Pour répondre à ce défi, l’algorithme HMM pour map matching GPS est une solution reconnue. En 2009, Paul Newson et John Krumm ont proposé une méthode innovante dans leur publication “Hidden Markov Map Matching Through Noise and Sparseness” (PDF ici).

    Pourquoi utiliser un modèle HMM pour le GPS ?

    Le modèle de Markov caché repose sur une idée simple : la route réelle est un état caché, tandis que le point GPS est une observation visible. Chaque point GPS est comparé à plusieurs routes proches. À chaque étape, on évalue deux probabilités : celle d’émettre un point (proximité) et celle de transition entre routes (distance réelle). Ensuite, l’algorithme choisit la séquence la plus probable.

    Quels sont les avantages concrets ?

    Cette méthode est robuste dans des cas difficiles. Par exemple, dans les tunnels ou les zones urbaines denses, les signaux GNSS sont souvent perturbés. Pourtant, le HMM conserve une trajectoire logique. Il tient compte de la topologie et de la cohérence du trajet, ce qui le rend plus fiable que les techniques basiques.

    Comment est-il utilisé dans RoadSimulator3 ?

    Des simulateurs comme RoadSimulator3 intègrent le HMM pour reconstruire des trajets cohérents. Que ce soit à partir de données simulées ou réelles, ce traitement améliore la qualité du positionnement. En l’associant à un filtre inertiel et à une fréquence élevée, on obtient une reconstitution précise.

    Envie d’en savoir plus ?

    Vous pouvez consulter notre analyse sur les alternatives à OSRM. Vous pouvez aussi découvrir notre article sur la fusion GNSS–IMU, qui complète parfaitement la technique HMM.

    algorithme HMM map matching GPS - illustration Markov
    Structure d’un modèle de Markov caché – Source : Wikipédia

    Mots-clés : algorithme HMM, map matching, GPS, Markov, Newson Krumm, cartographie, réseau routier, RoadSimulator3

  • Comment simuler des trajets véhicules réalistes à 10 Hz : inertie, topographie, météo, typologie routière et événements de conduite

    Comment simuler des trajets véhicules réalistes à 10 Hz : inertie, topographie, météo, typologie routière et événements de conduite

    1. Introduction

    Dans un contexte où les véhicules connectés, les systèmes ADAS et la recherche sur la mobilité intelligente se développent, la simulation réaliste de trajectoires est devenue essentielle. RoadSimulator3 propose une approche intégrant GPS, inertie, météo, topographie et typologie de route à une fréquence de 10 Hz, permettant de valider des algorithmes embarqués ou d’entraîner des modèles IA.

    2. Génération d’un trajet GPS cohérent avec OSRM

    Le moteur de routage OSRM permet de suivre les routes réelles avec précision. La version locale garantit un contrôle total. En combinant des points de livraison simulés, OSRM produit un itinéraire réaliste sur 100—400 km.

    3. Ajout d’une couche inertielle réaliste

    La simulation de données IMU (accéléromètre) inclut :

    • Freinages brusques
    • Accélérations vives
    • Dos d’âne, chocs trottoir, nids-de-poule
    • Courbure et accélération latérale dans les virages

    4. Enrichissement avec la topographie

    L’intégration des MNT (SRTM, Copernicus) permet de calculer la pente, l’altitude, le dévers, qui influent directement sur l’accélération verticale et la dynamique du véhicule.

    5. Modulation par la météo

    Des sources comme OpenWeather ou Météo-France peuvent enrichir chaque point du trajet avec : température, humidité, vent, conditions glissantes. Ces paramètres modulent la vitesse et la réactivité du véhicule simulé.

    6. Intégration de la typologie routière

    Les attributs OSM comme highway=residential, tertiary, motorway permettent de moduler la vitesse cible. Les régions sinueuses imposent un abaissement progressif de la vitesse via des modèles de sinuosité.

    7. Export & visualisation

    RoadSimulator3 génère :

    • CSV normalisé avec timestamp, GPS, IMU, événements
    • JSON prêt pour applications web
    • Carte interactive HTML
    • Graphiques de vitesse et carte statique PNG

    8. Applications concrètes

    Parmi les usages :

    • Validation de capteurs embarqués GNSS/IMU
    • Entraînement IA pour détection de comportements
    • Tests ADAS, analyse d’accidents simulés
    • Recherche en géographie, mobilité, smart cities

    9. Conclusion

    Simuler un trajet véhicule à 10 Hz, avec une inertie et des conditions réalistes, est aujourd’hui possible avec RoadSimulator3. En combinant des données ouvertes, une modélisation inertielle rigoureuse, et des visualisations claires, le simulateur devient un outil clé pour la mobilité du futur.

  • Le Format PBF d’OpenStreetMap : Stockage Cartographique Efficace

    Format PBF OpenStreetMap : stockage compact pour la cartographie

    Le format PBF OpenStreetMap (Protocolbuffer Binary Format) est une version binaire compressée du célèbre format XML d’OpenStreetMap. Il permet d’alléger considérablement la taille des fichiers tout en accélérant leur traitement. Cette efficacité le rend particulièrement adapté aux systèmes embarqués ou aux plateformes de simulation comme RoadSimulator3.

    Pourquoi le format PBF est-il utile ?

    Le format PBF est pris en charge par de nombreux outils, notamment Osmconvert pour les extractions et conversions rapides, ou encore Osmium et Osmosis pour la gestion et le filtrage des données.

    Applications dans RoadSimulator3

    Dans notre projet RoadSimulator3, le format PBF est utilisé comme source de vérité géographique. Grâce à sa structure optimisée, il facilite l’interpolation, la construction de graphes routiers et la génération de trajets réalistes à haute fréquence.

    Téléchargement des fichiers PBF

    Les fichiers au format PBF sont disponibles sur Geofabrik, une plateforme de référence proposant des découpes régionales d’OpenStreetMap. Il est recommandé de choisir des extractions régionales adaptées à vos besoins pour réduire la charge mémoire.

    Mots-clés : format PBF OpenStreetMap, données cartographiques compressées, OSM, Osmconvert, Osmosis, Geofabrik, simulation

  • Simulation de l’Accélération Latérale avec GNSS/INS

    Calcul rayon de braquage inertiel : méthode GNSS/INS

    calcul rayon de braquage inertiel avec capteurs GNSS et gyroscope

    Pourquoi le calcul du rayon de braquage inertiel importe ?

    Le calcul du rayon de braquage inertiel est essentiel pour estimer l’accélération latérale réelle d’un véhicule lors des virages, en particulier pour le transport de marchandises. Cette mesure aide à sécuriser les charges et à anticiper les contraintes dynamiques.

    Méthodologie GNSS/INS utilisée

    Jagelčák et al. (2022) proposent une méthode combinant GNSS dual-antenne et capteurs inertiels (IMU), pour dériver le rayon de braquage à partir de la vitesse et de la vitesse angulaire mesurée par gyroscope dans des fenêtres temporelles.

    Résultats clés sur le rayon et l’accélération

    • Modèles valides pour des virages entre 5 et 70 m, avec RMSE entre 1,32 m et 1,88 m selon la méthode d’extraction des événements [oai_citation:0‡ResearchGate](https://www.researchgate.net/publication/359293627_Determination_of_Turning_Radius_and_Lateral_Acceleration_of_Vehicle_by_GNSSINS_Sensor)
    • Erreur moyenne sur l’accélération latérale : 0,016–0,022 g [oai_citation:1‡ResearchGate](https://www.researchgate.net/publication/359293627_Determination_of_Turning_Radius_and_Lateral_Acceleration_of_Vehicle_by_GNSSINS_Sensor)
    • Le rayon calculé via vitesse + yaw est cohérent avec celui obtenu via GPS (différence négligeable) [oai_citation:2‡PMC](https://pmc.ncbi.nlm.nih.gov/articles/PMC9269795/

    Intérêt pour RoadSimulator3 (virages simulés)

    Ce modèle de calcul inertiel du rayon de braquage peut enrichir RoadSimulator3 pour :

    • valider la qualité des virages simulés et l’estimation de l’accélération latérale;
    • comparer les méthodes inertielle vs simulation de trajectoire GPS;
    • calibrer les seuils pour détection d’événements dynamiques (virages serrés, rond‑points).

    Perspectives et extensions possibles

    Le protocole SEL3 basé sur le coefficient de variation permet d’identifier automatiquement les virages, divisés ensuite en quadrants via les données de yaw, pour une analyse fine. Des modèles futurs pourraient traiter les grands tournants ou appliquer la méthode à des véhicules lourds (> 3,5 t).

    Liens utiles

    • 🔗 Article original (Sensors, mars 2022) [oai_citation:3‡ResearchGate](https://www.researchgate.net/publication/359293627_Determination_of_Turning_Radius_and_Lateral_Acceleration_of_Vehicle_by_GNSSINS_Sensor) [oai_citation:4‡MDPI](https://www.mdpi.com/1424-8220/22/6/2298)
    • 🔍 Jeux de données GNSS/INS dual‑antenne

    Référence BibTeX

    @article{jagelcak2022turningradius,
  title={Determination of Turning Radius and Lateral Acceleration of Vehicle by GNSS/INS Sensor},
  author={Jagelčák, J. and Gnap, J. and Kuba, O. and Frnda, J. and Kostrzewski, M.},
  journal={Sensors},
  year={2022},
  volume={22},
  number={6},
  article={2298},
  doi={10.3390/s22062298}
}

  • RoadSimulator3 : Un Simulateur Inertiel et GPS Haute Fréquence pour la Mobilité Intelligente

    Simulateur inertiel véhicule connecté – Données GPS/IMU 10 Hz

    Simulateur inertiel véhicule connecté

    Le simulateur inertiel véhicule connecté RoadSimulator3 vous permet de créer des trajectoires synthétiques avec des données GPS/IMU cohérentes à 10 Hz. Il est conçu pour reproduire fidèlement l’inertie d’un véhicule en mouvement, avec des événements de conduite simulés (freinage, accélération, dos d’âne…), le tout enrichi de données géographiques issues d’OpenStreetMap et OSRM.

    Fonctionnalités clés pour la simulation inertielle

    • Production de données GPS/IMU haute fréquence (10 Hz)
    • Ajout d’événements inertiels : freinages, accélérations, irrégularités
    • Simulation gyroscopique et inertielle réaliste avec bruit configurable
    • Export au format CSV, JSON, HTML interactif ou image PNG
    • Données enrichies : speed, acc\_x, acc\_y, gyro\_x, event, road\_type

    Applications du simulateur pour véhicules connectés

    Ce simulateur s’adresse aux chercheurs, ingénieurs et développeurs d’algorithmes embarqués. Il permet de :

    • Créer des jeux de données synthétiques pour entraîner des modèles IA
    • Valider des algorithmes de détection d’événements de conduite
    • Tester des calculateurs en conditions réalistes
    • Explorer les effets inertiels en fonction des types de route

    Illustration d’un trajet avec événements IMU

    simulateur inertiel véhicule connecté – carte inertielle et GPS

    Accès à la documentation et aux ressources

    Tester RoadSimulator3

    Vous pouvez tester la génération d’un trajet inertiel, ou l’intégrer dans vos projets de mobilité. Contactez-nous pour une démonstration personnalisée ou un accès anticipé.

    📩 Demander une démo

  • RoadSimulator3 : Un Simulateur Inertiel et GPS Haute Fréquence pour la Mobilité Intelligente

    Simulateur inertiel véhicule connecté – Données GPS/IMU 10 Hz

    Simulateur inertiel véhicule connecté

    Le simulateur inertiel véhicule connecté RoadSimulator3 vous permet de créer des trajectoires synthétiques avec des données GPS/IMU cohérentes à 10 Hz. Il est conçu pour reproduire fidèlement l’inertie d’un véhicule en mouvement, avec des événements de conduite simulés (freinage, accélération, dos d’âne…), le tout enrichi de données géographiques issues d’OpenStreetMap et OSRM.

    Fonctionnalités clés pour la simulation inertielle

    • Production de données GPS/IMU haute fréquence (10 Hz)
    • Ajout d’événements inertiels : freinages, accélérations, irrégularités
    • Simulation gyroscopique et inertielle réaliste avec bruit configurable
    • Export au format CSV, JSON, HTML interactif ou image PNG
    • Données enrichies : speed, acc\_x, acc\_y, gyro\_x, event, road\_type

    Applications du simulateur pour véhicules connectés

    Ce simulateur s’adresse aux chercheurs, ingénieurs et développeurs d’algorithmes embarqués. Il permet de :

    • Créer des jeux de données synthétiques pour entraîner des modèles IA
    • Valider des algorithmes de détection d’événements de conduite
    • Tester des calculateurs en conditions réalistes
    • Explorer les effets inertiels en fonction des types de route

    Illustration d’un trajet avec événements IMU

    simulateur inertiel véhicule connecté – carte inertielle et GPS

    Accès à la documentation et aux ressources

    Tester RoadSimulator3

    Vous pouvez tester la génération d’un trajet inertiel, ou l’intégrer dans vos projets de mobilité. Contactez-nous pour une démonstration personnalisée ou un accès anticipé.

    📩 Demander une démo