使用地理信息系统处理和基于深度学习的对象检测来评估城市行人路线的可访问性

科学领域:

• 城市规划 城市规划
• 地理信息科学 地理信息科学
• 人工智能的人工智能

背景情况:

• 欧盟优先考虑安全,可访问和包容性的行人路线.
• 评估公共建筑周围的行人流动性对于流动性有限的人来说至关重要.
• 现有的方法可能无法完全捕捉不同用户群体的可访问性细微差别.

研究的目的:

• 开发和验证一种用于评估城市地区行人流动性和可访问性的方法.
• 评估行人路线的包容性,特别是对于行动能力低下的人来说.
• 为了确定最佳的可访问路线轮椅使用者之间的兴趣点.

主要方法:

• 利用人工智能 (AI) 算法,特别是基于深度学习的对象检测,用于从卫星或空中图像中识别行人十字路口.
• 采用地理信息系统 (GIS) 技术来构建可访问性分析的网络模型.
• 使用惯性传感器验证路线连续性,以确保水平路径完整性.

主要成果:

• 通过使用人工智能成功识别了行人过道及其精确的地理位置.
• 创建网络模型来评估轮椅可访问性,并确定最合适的交通路线.
• 通过现场数据验证,验证了开发方法的准确性.

结论:

• 开发的基于AI和GIS的方法有效地评估了行人路线的可访问性和包容性.
• 这种方法为城市规划者和负责行人基础设施的当局提供了有价值的数据.
• 这些发现有助于为流动性有限的人创造更安全,更容易获得的城市环境.