Géométrie. Traitement du signal. Apprentissage automatique. Comment Flying Start prédit quand vous allez franchir la ligne de départ — et ce qui le distingue d'un matériel coûtant 50× plus cher.
Chaque calcul de Temps-à-la-ligne commence par un problème de géométrie. Votre position GPS est un point. Votre cap sur le fond définit un rayon partant de ce point. La ligne de départ est un segment entre le bateau PIN et le RC. L'endroit où ces deux lignes se rencontrent — et la distance à cette intersection — détermine le temps avant le franchissement.
Flying Start utilise un algorithme d'intersection rayon-segment paramétrique pour trouver le point exact où votre trajectoire croise la ligne de départ. Contrairement à un simple calcul de distance perpendiculaire, cela tient compte de l'angle de votre approche. Cap à 45 degrés par rapport à la ligne ? Votre TTL est plus long que la distance en ligne droite ne le suggère. Cap parallèle ? TTL indéfini — vous ne la franchirez jamais.
C'est la même géométrie fondamentale qu'utilisent les instruments dédiés comme le Velocitek ProStart et le Vakaros Atlas 2. Les mathématiques sont identiques. Ce qui diffère, c'est la précision des données d'entrée.
Le GPS a mauvaise réputation à cause des canyons urbains. En ville, les signaux rebondissent sur les bâtiments et le récepteur ne peut distinguer un signal direct d'un signal réfléchi. Le résultat est une interférence multitrajet — des erreurs de position de 5 à 15 mètres.
La voile est à l'opposé de la ville. Vous êtes sur une eau plate avec une vue dégagée de tout le ciel. Il n'y a rien pour réfléchir les signaux. Chaque signal satellite arrive proprement.
Les téléphones avec GPS double fréquence (L1+L5) atteignent une précision de 1 à 2 mètres en eau libre. La bande L5 ajoute une seconde fréquence qui élimine les erreurs ionosphériques et aide à distinguer les signaux directs des réflexions. Sur l'eau, cela vous rapproche des limites pratiques du GNSS grand public. Les téléphones avec GPS simple fréquence (L1 uniquement) atteignent encore 3 à 5 mètres en eau libre — nettement mieux qu'en ville.
iPhone : iPhone 15, 16 et 17 (tous modèles) et iPhone 14 Pro / Pro Max. L'iPhone 14 standard et l'iPhone SE sont L1 uniquement.
Apple Watch : Ultra, Ultra 2 et Ultra 3. L'Apple Watch standard (Series 9, 10, 11, SE) utilise L1 uniquement.
Android : La plupart des flagships depuis 2020 — notamment Pixel 5+, Samsung Galaxy S21+ et OnePlus 9+. Vérifiez les specs de votre téléphone pour « L5 » ou GNSS « double fréquence ».
Flying Start fonctionne sur tous les appareils équipés GPS. La double fréquence offre une meilleure précision, mais le filtre de Kalman et le modèle ML améliorent les prédictions quel que soit le mode supporté par votre matériel.
Le matériel dédié comme le Vakaros Atlas 2 a un avantage : des taux de mise à jour à 25 Hz et des corrections différentielles qui poussent la précision à ~25 centimètres. C'est réellement mieux. Mais l'écart est plus étroit que la plupart ne le pensent — et la différence restante peut être traitée par logiciel.
Le Vakaros Atlas 2 atteint une précision de ~25 cm avec GNSS double bande à 25 Hz. Le Velocitek ProStart utilise un récepteur multi-constellation à 25 Hz avec augmentation WAAS. Les deux sont conçus spécifiquement pour ce travail, et pour les appels OCS officiels de niveau championnat, cette précision compte. L'approche de Flying Start est de combler l'écart de précision par le traitement du signal et l'apprentissage automatique plutôt que par le matériel.
Le GPS brut vous donne une position une fois par seconde. Entre ces mises à jour, le monde continue de bouger. Un bateau à 5 nœuds parcourt 2,5 mètres par seconde — et la position GPS reçue il y a une demi-seconde est déjà obsolète. Pire, les fixes GPS consécutifs sautent aléatoirement dans leur cercle de précision, rendant les lectures de vitesse et de cap instables.
C'est la principale source d'instabilité du TTL dans un instrument GPS simple. Vous calculez le TTL à partir de la vitesse et du cap. Si la vitesse oscille entre 2,3 et 2,7 m/s d'un fix à l'autre, le TTL saute de plusieurs secondes à chaque mise à jour. C'est correct en moyenne, mais inutile pour chronométrer un départ.
Flying Start utilise un filtre de Kalman étendu (EKF) qui résout les deux problèmes simultanément.
Le filtre maintient un état à six dimensions : position, vitesse et accélération sur deux axes. Quatre fois par seconde, il prédit où devrait se trouver le bateau d'après la physique — extrapolation à accélération constante. Une fois par seconde, lorsqu'un nouveau fix GPS arrive, il mélange la prédiction avec la mesure, pondérant chacune par son incertitude.
Les fixes GPS de haute précision tirent davantage sur l'état. Les fixes médiocres tirent moins. Entre les fixes, la prédiction comble les lacunes. Le résultat : position et vitesse mises à jour en douceur à 4 Hz au lieu de sauter à 1 Hz.
Ce que cela signifie pour le TTL : la vitesse et le cap alimentant le calcul TTL sont des valeurs filtrées et stables — pas du bruit GPS brut. Le filtre suit également l'accélération, donc si vous décélérez avant un virement, l'estimation d'état le reflète plutôt que de supposer une vitesse constante.
L'EKF est la plus grande amélioration unique de la précision du TTL. Il élimine l'instabilité qui rend les calculs TTL GPS bruts peu fiables, lisse le bruit de vitesse et de cap, et comble les lacunes de 1 Hz par une prédiction basée sur la physique. Il est entièrement déterministe — pas de données d'entraînement, pas de dépendance au cloud, fonctionne identiquement sur iPhone, Apple Watch et Android. Cette seule couche comble environ 80% de l'écart de précision entre un téléphone et un instrument dédié à 25 Hz.
Le filtre de Kalman suppose une accélération constante. C'est un bon modèle pour un bateau voguant en ligne droite, mais il s'effondre dans les scénarios qui comptent le plus : les 30 dernières secondes d'approche du départ, lorsque les régatiers ajustent la vitesse, abattent, louvent et virent.
Flying Start utilise un réseau neuronal convolutif 1D qui s'exécute entièrement sur votre appareil pour prédire ce que le filtre de Kalman rate. Il est entraîné sur des dizaines de milliers d'approches de départ simulées avec une physique de voile réaliste — virements, changements de vitesse, effets du courant, bruit GPS — et apprend les schémas que les modèles physiques simples ratent.
Comment ça fonctionne : le modèle examine une fenêtre glissante de 30 secondes de votre approche — profil de vitesse, changements de cap, schéma d'accélération, distance à la ligne, vitesse de rapprochement et compte à rebours restant. Il a vu des milliers de scénarios simulés où il connaît le temps de franchissement réel, et il a appris quels schémas le filtre de Kalman mal juge.
Quand il aide le plus : le modèle apporte le plus de valeur dans les 15 à 30 dernières secondes avant un départ, lorsque vous manœuvrez activement. Un régatier qui louve pour tuer la vitesse, puis abat pour accélérer — le filtre de Kalman prédit en fonction de l'accélération actuelle, mais le modèle reconnaît le schéma et anticipe le changement de vitesse à venir. Dans les scénarios de test avec virements et changements de vitesse, la couche ML réduit l'erreur TTL de 1 à 3 secondes par rapport au filtre de Kalman seul.
Quand il n'aide pas beaucoup : lors d'une approche propre en ligne droite à vitesse constante, le filtre de Kalman est déjà très précis. Le modèle ML n'ajoute pas grand-chose dans ces situations — et il est conçu pour ça. La correction est limitée à ±30% du TTL de Kalman, donc le modèle peut affiner l'estimation mais ne peut jamais produire un résultat complètement faux.
Ni le Velocitek ProStart ni le Vakaros Atlas 2 n'utilisent l'apprentissage automatique pour la prédiction TTL. Ils s'appuient sur la cinématique : distance divisée par vitesse. Ça fonctionne bien avec un GPS à 25 Hz, mais il a le même angle mort — il ne peut pas anticiper les manœuvres. La couche ML est quelque chose que le logiciel peut faire mais pas le matériel, car elle s'améliore avec le temps en apprenant de plus en plus de données.
Le modèle actuel est entraîné sur des données synthétiques — des départs de course simulés par ordinateur avec une physique de voile réaliste. C'est bien, mais les simulations ne peuvent pas tout capturer. La façon dont un 420 approche une ligne de départ est différente d'un J/70 ou d'un Laser. Les courants dans le Solent sont différents de la baie de San Francisco. Les départs par vent léger ne ressemblent en rien aux départs au près par 25 nœuds.
Flying Start capture des métriques de timing anonymisées depuis de vrais départs de course — vitesse filtrée, cap, distance à la ligne et le moment réel du franchissement — et utilise ces données pour réentraîner le modèle. Chaque départ, dans chaque classe et sur chaque plan d'eau, rend les prédictions plus précises pour tous.
Vous n'avez rien à faire. Si l'enregistrement de trace GPS est activé (c'est le cas par défaut), vos départs contribuent automatiquement aux données d'entraînement. Les données sont anonymisées avant l'entraînement — pas de noms, pas de lieux, juste la forme de l'approche et le timing du franchissement. Vous pouvez vous désabonner à tout moment dans les Réglages.
Les instruments matériels ne peuvent pas faire ça. Un Velocitek ProStart n'a pas de connexion réseau et aucun moyen d'améliorer ses algorithmes après avoir quitté l'usine. Un Vakaros Atlas 2 a la connectivité, mais son calcul TTL est de la cinématique pure — il n'y a pas de boucle d'apprentissage. Le modèle de Flying Start s'améliore chaque saison.
Le modèle de base apprend de tous les régatiers. Mais vos départs ont des schémas qui vous sont propres — à quelle vitesse vous accélérez dans les 10 dernières secondes, combien de vitesse vous perdez dans un virement, à quel moment vous commencez votre approche finale.
Le framework Core ML d'Apple prend en charge les mises à jour de modèle sur l'appareil via MLUpdateTask sur iPhone. Cela signifie que Flying Start peut affiner le modèle de base à vos schémas spécifiques après 20 à 30 départs — sans envoyer de données à un serveur. La personnalisation se produit entièrement sur votre téléphone.
Après suffisamment de départs, vos prédictions TTL ne refléteront plus seulement la façon dont un régatier moyen approche d'une ligne de départ. Elles refléteront comment you vous l'abordez — votre bateau, votre style, vos tendances.
La personnalisation sur l'appareil nécessite un iPhone. L'Apple Watch peut exécuter le modèle personnalisé (synchronisé depuis l'iPhone couplé) mais ne peut pas effectuer l'entraînement sur l'appareil lui-même. Le support Android dépend de frameworks d'entraînement sur l'appareil équivalents. La personnalisation nécessite suffisamment de données — les 20 à 30 premiers départs utilisent le modèle de base avant que la personnalisation ne s'enclenche.
Nous sommes des ingénieurs. Nous croyons aux comparaisons honnêtes. Voici ce qu'un instrument à $1 000 vous offre que le logiciel seul ne peut pas reproduire.
Le Vakaros Atlas 2 atteint une précision de ~25 cm avec GNSS double bande à 25 Hz et des corrections différentielles en temps réel. Même avec notre filtre de Kalman, un GPS téléphone a un plancher de bruit de 1 à 2 mètres. Pour les appels OCS officiels de niveau championnat — où les centimètres déterminent si vous démarrez ou non — le matériel dédié a l'avantage.
25 Hz signifie un nouveau fix de position toutes les 40 millisecondes. Le GPS téléphone fonctionne à 1 Hz (un fix par seconde). Notre filtre de Kalman interpole entre les fixes à 4 Hz, mais c'est une prédiction, pas une mesure. Dans les 3 à 5 dernières secondes d'un départ, lorsque les choses changent le plus vite, le GPS brut à haute fréquence a un avantage inhérent.
Un écran de 4,4 pouces lisible en plein soleil avec Gorilla Glass et une batterie de 100 heures est conçu spécifiquement pour le cockpit. Un téléphone dans un étui étanche est bien, mais c'est toujours un téléphone. L'Apple Watch au poignet est sans doute mieux pour les coups d'œil rapides, mais l'écran est petit.
Téléchargez Flying Start gratuitement. Passez à Premium pour TTL, DTL, alertes OCS, Note de départ, Apple Watch et tout le reste.