个人移动汽车的定期骑行和跌倒事件数据集
Ramon Sanchez-Iborra1, Luis Bernal-Escobedo1, Jose Santa2
1Department of Information and Communication Engineering, University of Murcia, Spain.
Data in brief
|June 13, 2025
概括
这项研究引入了电动滑板车的新数据集,以改善自动事故检测. 这些数据有助于开发更快的应急响应和更安全的城市流动系统.
科学领域:
- 城市规划和交通工程.
- 数据科学和机器学习
- 公共安全和应急响应.
背景情况:
- 像电动滑板车这样的个人移动车辆 (PMV) 在城市地区越来越普遍.
- 将PMV整合到智能城市带来了挑战,包括安全问题和事故管理.
- 快速检测涉及PMV的事故对于及时的紧急服务干预至关重要.
研究的目的:
- 提出一套新的数据集,捕获电动滑板车在正常运行和各种事故场景期间的传感器数据.
- 促进开发先进的算法,用于自动检测和分类驾驶情况和事故.
- 支持提高PMV在智慧城市环境中的安全性和整合性的研究.
主要方法:
- 从电动滑板车收集传感器数据 (例如加速计,陀螺仪).
- 模拟和记录各种事故类型,包括正面碰撞和侧面跌倒.
- 组织和注释收集的数据,用于机器学习模型.
主要成果:
- 数据集涵盖了各种现实世界的驾驶条件和事故场景.
- 为训练和验证事故检测算法提供了一个全面的资源.
- 展示了传感器数据在正常和关键事件之间区分的潜力.
结论:
- 开发的数据集是推进个人移动车辆自动事故检测领域的宝贵资源.
- 实现更快的响应时间可以显著改善滑板车和电动自行车用户的安全结果.
- 这项工作有助于创造更安全,更有效的智能城市交通生态系统的更广泛目标.
