自动化人行道表面检测使用可穿戴加速计和深度学习

科学领域:

• 城市规划 城市规划
• 土木工程 土木工程是指土木工程.
• 生物医学工程 生物医学工程

背景情况:

• 可步行城市提供健康,环境和经济方面的好处.
• 传统的可行性评估依赖于昂贵且耗时的行人调查.
• 需要客观和可扩展的方法来评估人行道质量.

研究的目的:

• 开发一种高效,具有成本效益的方法来评估人行道表面状况.
• 为了利用可穿戴传感器和深度学习进行客观的可行性评估.
• 克服传统的行人采访和调查方法的局限性.

主要方法:

• 使用可穿戴的加速度计来收集运动数据 (垂直,前后,中侧轴).
• 应用信号处理技术,包括快速里埃转换 (FFT),卡尔曼波器,低通波器和移动平均线波器.
• 采用深度学习模型,根据处理的传感器数据对人行道表面状况进行分类.

主要成果:

• 拟议的深度学习模型在分类人行道状况方面实现了95.17%的高准确率.
• 证明了使用可穿戴传感器用于客观地评估人行道的可行性.
• 这种方法被证明比传统方法更有效和更具成本效益.

结论:

• 可穿戴传感器与深度学习相结合,为评估城市步行能力提供了一个有希望,客观和可扩展的解决方案.
• 这种新的方法可以通过提供可靠的人行道质量数据来支持城市发展和经济振兴.
• 未来的研究可以探索现实世界的实施和与城市规划工具的整合.