🛰️ Vers une estimation énergétique par capteurs inertiels : le “virtual sensing” appliqué à la mobilité

Et si l’on pouvait estimer la consommation d’un véhicule… sans jamais accéder au bus CAN, ni aux capteurs moteur, ni à aucune donnée propriétaire ?
C’est précisément ce qu’explore Cellina et al. (2023) : en utilisant uniquement la vitesse GNSS et l’accélération longitudinale issue de l’IMU d’un simple smartphone, il devient possible d’estimer la consommation énergétique avec une précision comparable aux méthodes embarquées traditionnelles.

🎯 Pourquoi est-ce important ?
Parce que la télématique repose encore aujourd’hui sur un ensemble hétérogène de capteurs, d’API propriétaires et de formats verrouillés. Dans de nombreux cas, l’accès aux données moteur est impossible : flottes mutualisées, véhicules loués, véhicules non compatibles OBD, contraintes RGPD, ou encore absence de standardisation dans les signaux.
Le virtual sensing propose une voie radicalement différente : déduire l’énergie à partir de la dynamique inertielle du véhicule, plutôt que de la mesurer directement.

⚙️ Comment appliquer concrètement le virtual sensing énergie ?

Beaucoup se demandent ce qu’il faut vraiment pour mettre en œuvre cette approche.
Voici les éléments clés issus de l’analyse de Cellina et al. (2023).

1. Des fréquences suffisantes pour lire la dynamique

• GNSS ≥ 5–10 Hz : indispensable pour obtenir une vitesse v(t) propre.
• IMU ≥ 50–100 Hz : nécessaire pour filtrer correctement l’accélération et analyser les vibrations moteur.
  → Avec moins, le signal inertiel devient trop bruité pour être exploité avec précision.

2. Pas besoin d’accès moteur ni d’abaque constructeur

Contrairement à ce que l’on pourrait croire, il ne faut :

• ni données OBD,
• ni couple moteur,
• ni tables constructeur.
  Les auteurs calibrent uniquement 4 paramètres physiques (α, β, γ, k) en utilisant v(t), a(t) et la masse du véhicule.
  👉 Cela permet d’obtenir un proxy énergétique fiable sans aucune donnée propriétaire.

3. La calibration dépend du véhicule

Le modèle n’est pas encore universel : il doit être ajusté pour chaque véhicule (comme un “profil énergétique inertiel”).
C’est une piste de recherche prometteuse pour aller vers un modèle multi-véhicules.

4. Pourquoi une IMU rapide est importante ?

Parce que l’étude détecte l’état moteur ON/OFF grâce aux vibrations (pics à ~13 et 26 Hz).

• IMU rapide → spectre exploitable
• IMU lente → perte d’information
  Sans cela, impossible de distinguer “moteur allumé à l’arrêt” vs “moteur éteint”.

5. Ce qui manque encore pour l’usage industriel

• généralisation multi‑véhicules,
• intégration de la pente réelle,
• robustesse en GNSS dégradé,
• prise en compte météo / charge / style conducteur,
• standardisation des signaux d’entrée (→ Telemachus).

Ces limites ne remettent pas en cause l’approche : elles en définissent le chantier scientifique et industriel à venir.

🔬 Ce que propose vraiment Cellina et al. (2023)

L’étude démontre trois points majeurs :

1. L’énergie est lisible dans l’inertie.
   L’accélération longitudinale (a), la vitesse (v) et leurs variations révèlent une signature énergétique exploitable : freinages, relances, montées, stabilisations… la dynamique du véhicule raconte déjà une grande partie de son coût énergétique.

2. Des modèles simples peuvent rivaliser avec des approches complexes.
   Un modèle “physics‑based” à seulement quatre paramètres atteint une précision remarquable sur la consommation cumulée, parfois supérieure à des approches neuronales.

3. Un smartphone suffit.
   Avec un GNSS 10 Hz et une IMU 100 Hz, l’étude reconstruit un proxy énergétique robuste, sans aucun accès aux données moteur.

📐 Pourquoi c’est une rupture pour la mobilité, la recherche et l’industrie

Le virtual sensing ouvre la possibilité de :

• Créer une métrique énergétique universelle, indépendante du constructeur.
• Comparer des véhicules différents sur la même base inertielle.
• Évaluer l’éco‑conduite sans instrumentation lourde.
• Analyser l’impact du relief, du style de conduite ou des conditions routières sans dépendre de données propriétaires.
• Conduire des travaux de recherche reproductibles, basés sur des signaux standards (GNSS + IMU).

Dans un monde où la télématique est encore fragmentée, cette approche offre une solution élégante :
👉 l’énergie comme conséquence directe du mouvement, et non comme une donnée cachée derrière un bus constructeur.

🧭 Perspectives : que peut apporter une approche standardisée ?

Plutôt que d’affirmer que tout existe déjà, il est plus juste d’ouvrir les perspectives :

1. Structurer l’écosystème avec Telemachus

La spécification Telemachus fournit un modèle clair pour représenter :

• la vitesse GNSS,
• les accélérations IMU,
• la pente,
• les événements de conduite,
• et tout ce qui constitue la dynamique d’un trajet.

En rendant ces signaux interopérables, on peut enfin comparer, entraîner et valider des modèles de virtual sensing à grande échelle.

2. Explorer l’apport des conditions réelles

Relief, météo, qualité GNSS, style conducteur… Autant de facteurs qui influencent la consommation mais restent peu étudiés. Intégrer ces dimensions ouvre la voie à des estimateurs plus réalistes.

3. Tester la robustesse dans des scénarios variés

Coupures GNSS, bruit inertiel, routes dégradées, profils de conduite contrastés… Un cadre contrôlé permettrait d’évaluer la généralisation des modèles issus de Cellina et al., en particulier face aux cas extrêmes.

Ces axes ne sont pas encore réalisés, mais constituent une feuille de route logique et ambitieuse pour faire du virtual sensing énergie une technologie mature, ouverte et fiable.

🚀 En synthèse

Le travail de Cellina et al. (2023) montre qu’avec les bons signaux — vitesse, accélération, inertie — on peut reconstruire la signature énergétique d’un trajet sans capteurs moteur.
Les implications pour la télématique, la mobilité durable et la recherche sont profondes : une estimation énergétique universelle, indépendante du constructeur, et compatible smartphone.

Le terrain est désormais ouvert pour structurer ces approches, les rendre reproductibles, et les appliquer à grande échelle grâce à des standards comme Telemachus.

#RS3 #Telemachus #VirtualSensing #MobilityData #DataScience #InertialSimulation #OpenData
🌍 Vers une énergie mesurable, comparable et réellement accessible — uniquement à partir du mouvement.

🗓️ Publication LinkedIn
📅 Date : 2025-12-04
🔗 Lien : https://www.linkedin.com/feed/update/urn:li:ugcPost:7402293071700459521/
💬 Premier commentaire : 🔗 Pour aller plus loin : analyse détaillée de l’étude Cellina et al. (2023)
👉 https://roadsimulator3.fr/virtual-sensing-energie-gnss-imu-revue-cellina-2023/

J’y décris :

• les modèles utilisés (physics-based vs machine learning),
• les contraintes de fréquence GNSS/IMU,
• les limites de généralisation,
• et les perspectives pour un virtual sensing énergie ouvert, reproductible et interopérable (Telemachus).

Bonne lecture — et curieux d’avoir vos retours sur ces approches inertielle-centrées ! #Telemachus #RS3 #VirtualSensing #Mobility #Research #OpenData