每次到线时间计算都从一个几何问题开始。您的GPS位置是一个点。您的实际航向定义了从该点延伸的射线。起跑线是PIN和RC船之间的线段。这两条线相交的地方——以及交点有多远——决定了您越线需要多长时间。
Flying Start使用参数化射线-线段相交算法来精确找到您的轨迹与起跑线的交点。与简单的垂直距离计算不同，这考虑了您进近的角度。以45度角朝向起跑线？您的TTL比直线距离所示的更长。平行行驶？TTL未定义——您永远不会越线。
这与Velocitek ProStart和Vakaros Atlas 2等专用仪器使用的基础几何原理相同。数学是相同的。不同之处在于输入数据的精确度。
GPS在城市峡谷中名声不佳。在城市里，信号在建筑物上反射，接收器无法区分直接信号和反射信号。结果是多路径干扰——位置误差达5-15米。
帆船运动与城市环境截然相反。您在平坦的水面上，对整个天空有无遮挡的视野。没有任何东西可以反射信号。每个卫星信号都清晰到达。
配备双频GPS（L1+L5）的手机在开阔水域可达1-2米精度。L5频段增加了第二个频率，可消除电离层误差并帮助区分直接信号和反射信号。在水上，这使您接近消费级GNSS的实际极限。配备单频GPS（仅L1）的手机在开阔水域仍可达3-5米——明显优于城市中的表现。
iPhone： iPhone 15、16和17（所有型号），以及iPhone 14 Pro / Pro Max。标准iPhone 14和iPhone SE仅支持L1。
Apple Watch： Ultra、Ultra 2和Ultra 3。标准Apple Watch（Series 9、10、11、SE）仅使用L1。
Android： 2020年以来的大多数旗舰机型——包括Pixel 5+、Samsung Galaxy S21+和OnePlus 9+。查看手机规格中的“L5”或“双频”GNSS。
Flying Start适用于所有配备GPS的设备。双频提供更好的精度，但无论您的硬件支持哪个频段，卡尔曼滤波器和机器学习模型都会改善预测。
Vakaros Atlas 2等专用硬件确实有优势：25 Hz的更新率和差分修正将精度提升至约25厘米。这确实更好。但差距比大多数人想象的要小——剩余的差异可以通过软件解决。
Vakaros Atlas 2以25 Hz的双频段GNSS实现约25厘米精度。Velocitek ProStart使用带WAAS增强的25 Hz多星座接收器。两者都是为此目的专门设计的，对于锦标赛级别的官方裁判级OCS判定，该精度至关重要。Flying Start的方法是通过信号处理和机器学习而非硬件来缩小精度差距。
原始GPS每秒提供一次位置。在这些更新之间，世界继续运动。以5节速度行驶的船每秒行进2.5米——而您半秒前收到的GPS位置已经过时。更糟糕的是，连续的GPS定位在精度圆内随机跳动，导致速度和航向读数不稳定。
这是简单GPS仪器中TTL不稳定性的最大单一来源。您从速度和航向计算TTL。如果速度在相邻定位之间在2.3到2.7 m/s之间抖动，TTL每次更新就会跳变几秒。平均而言是正确的，但对于比赛计时毫无用处。
Flying Start运行扩展卡尔曼滤波器（EKF），同时解决这两个问题。
滤波器维护六维状态：两个轴上的位置、速度和加速度。每秒四次，它根据物理规律预测船的位置——恒加速度外推法。每秒一次，当新的GPS定位到达时，它将预测值与测量值融合，根据各自的不确定性加权。
高精度GPS定位对状态的拉力更大。低质量定位的拉力较小。在定位之间，预测填补空白。结果：位置和速度以4 Hz平滑更新，而非以1 Hz跳变。
这对TTL意味着什么： 输入TTL计算的速度和航向是经过滤波的稳定值——而非原始GPS噪声。滤波器还追踪加速度，因此如果您在减速准备转向，状态估计会反映这一点，而不是假设恒定速度。
EKF是TTL精度的最大单一改进。它消除了使原始GPS TTL计算不可靠的抖动，平滑速度和航向噪声，并用基于物理的预测填补1 Hz的空白。它完全确定性——不需要训练数据，不依赖云端，在iPhone、Apple Watch和Android上工作方式完全相同。这一层大约弥合了手机与专用25 Hz仪器之间80%的精度差距。
卡尔曼滤波器假设恒定加速度。对于直线行驶的船来说这是个好模型，但在最关键的场景下会失效：起航进近的最后30秒，当水手在调整速度、偏转、扬帆和转向时。
Flying Start使用完全在设备上运行的一维卷积神经网络来预测卡尔曼滤波器的误差。它在数万次模拟起航进近中训练，采用逼真的帆船物理——转向、速度变化、水流影响、GPS噪声——并学习简单物理模型所遗漏的规律。
工作原理： 模型查看您进近的滚动30秒窗口——速度曲线、航向变化、加速度模式、距起跑线距离、接近速度和剩余倒计时。它见过数千个已知实际越线时间的模拟场景，并学会了卡尔曼滤波器容易误判的规律。
最有帮助的时候： 模型在起航前最后15-30秒（即您主动机动时）价值最大。一个水手扬帆减速，然后偏转加速——卡尔曼滤波器基于当前加速度预测，但模型识别这一规律并预料即将到来的速度变化。在有转向和速度变化的测试场景中，机器学习层将TTL误差减少了1-3秒（与仅使用卡尔曼滤波器相比）。
帮助不大的时候： 在以稳定速度直线进近时，卡尔曼滤波器已经非常精确。机器学习模型在这些情况下添加的价值不大——这也是设计意图。修正值限制在卡尔曼TTL的±30%以内，因此模型可以细化估计，但永远不会产生严重错误的结果。
Velocitek ProStart和Vakaros Atlas 2都不使用机器学习进行TTL预测。它们依赖运动学：距离除以速度。这在25 Hz GPS下效果良好，但有相同的盲点——无法预测机动动作。机器学习层是软件能做而硬件不能做的事情，因为它随着学习更多数据而随时间改进。
当前模型在合成数据上训练——采用逼真帆船物理的计算机模拟比赛起航。效果不错，但模拟无法捕获一切。420进近起跑线的方式与J/70或Laser不同。索伦特海峡的潮汐规律与旧金山湾不同。微风起航与25节上风起航截然不同。
Flying Start从真实比赛起航中捕获匿名计时指标——过滤后的速度、航向、距起跑线距离以及实际越线时刻——并使用这些数据重新训练模型。每次起航，跨越每个船级和场地，都使所有人的预测更加准确。
您无需做任何事情。如果GPS轨迹记录已启用（默认启用），您的起航将自动为训练数据做贡献。数据在训练前已匿名化——没有姓名、没有位置，只有进近的形状和越线的时间。您可以随时在设置中退出。
硬件仪器无法做到这一点。Velocitek ProStart没有网络连接，离开工厂后无法改进其算法。Vakaros Atlas 2具有连接功能，但其TTL计算是纯运动学——没有学习循环。Flying Start的模型每个赛季都在改进。
基础模型从所有水手身上学习。但您的起航有独特于您的规律——您在最后10秒的加速力度、转向中损失多少速度、您何时开始最终进近。
苹果的Core ML框架通过iPhone上的MLUpdateTask支持设备端模型更新。这意味着Flying Start可以在20-30次起航后将基础模型微调到您的特定规律——无需向服务器发送任何数据。个性化完全在您的手机上进行。
经过足够多的起航后，您的TTL预测将不只反映普通水手如何进近起跑线。它们将反映 you 您的进近方式——您的船、您的风格、您的习惯。
设备端个性化需要iPhone。Apple Watch可以运行个性化模型（从配对iPhone同步），但不能自行执行设备端训练。Android支持取决于等效的设备端训练框架。个性化需要足够的数据——前20-30次起航在个性化启动前使用基础模型。
我们是工程师。我们相信诚实的对比。以下是1,000美元仪器能给您的软件单独无法复制的东西。
Vakaros Atlas 2通过25 Hz双频段GNSS和实时差分修正实现约25厘米精度。即使使用我们的卡尔曼滤波器，手机GPS的噪声基底仍为1-2米。对于锦标赛级别的官方裁判级OCS判定——厘米级别决定您是起航还是出局——专用硬件更有优势。
25 Hz意味着每40毫秒一次新的位置定位。手机GPS以1 Hz运行（每秒一次定位）。我们的卡尔曼滤波器以4 Hz在定位之间插值，但这是预测，不是测量。在起航的最后3-5秒，当情况变化最快时，更高频率的原始GPS具有固有优势。
4.4英寸日光可读屏幕，配备大猩猩玻璃和100小时电池，专为驾驶舱设计。防水壳中的手机很好，但它仍然是手机。手腕上的Apple Watch在一瞥即知方面可以说更好，但屏幕较小。