Les places de stationnement constituent une ressource mobile essentielle en milieu urbain, et leur localisation précise via GPS est fondamentale pour des applications telles que la gestion du stationnement, l'élaboration de politiques et le développement urbain. Cependant, la précision des données GPS est souvent compromise par deux facteurs principaux : l'effet de déviation causé par les bâtiments de grande hauteur et les erreurs intrinsèques des équipements GPS standard à faible coût. Corriger manuellement ces erreurs pour un grand nombre de places relève du défi, rendant nécessaire une approche automatisée et non supervisée.
Pour résoudre ce problème, les auteurs proposent une méthode innovante qui s'appuie sur une contrainte physique simple mais puissante : les places de stationnement sont généralement disposées parallèlement aux côtés des routes. En modélisant cette propriété géométrique via une contrainte de rang 1 dans un cadre d'optimisation de bas rang, leur méthode permet de rectifier les erreurs de points GPS et de les aligner précisément sur les emplacements réels des places de stationnement. Cette approche unifiée est conçue pour être robuste à tout type d'erreur GPS, qu'elle soit systématique ou aléatoire.
Des expériences approfondies valident la supériorité de la méthode proposée par rapport aux approches existantes pour résoudre ce problème pratique. L'algorithme se révèle à la fois simple dans son principe et efficace dans son exécution. Pour favoriser la reproductibilité et les avancées futures, l'ensemble de données utilisé et le code source de la méthode sont rendus publics, offrant une ressource précieuse pour la communauté de l'apprentissage automatique et de l'intelligence urbaine.