AutoLTS：基于对比学习与时域后处理的骑行压力自动评估
计算机视觉与模式识别
2024-03-28 v1 人工智能
摘要
骑行压力评估量化了骑行者由建成环境与机动车交通所感知的压力，日益为骑行基础设施规划与骑行路线推荐提供依据。然而，当前计算骑行压力缓慢且数据密集，阻碍了其更广泛应用。在本文中，我们提出一种基于街景图像的深度学习框架，以支持对城市路网准确、快速、大规模的骑行压力评估。我们的框架特点为：i)一种利用骑行压力标签间序数关系的对比学习方法；ii)一种将空间平滑性强加于预测的后处理技术。在加拿大多伦多收集的39,153个路段的数据集上，我们的结果证明了深度学习框架的有效性，以及在缺乏高质量道路几何与机动车交通数据时利用图像数据进行骑行压力评估的价值。
引用
@article{arxiv.2308.07580,
title = {AutoLTS: Automating Cycling Stress Assessment via Contrastive Learning and Spatial Post-processing},
author = {Bo Lin and Shoshanna Saxe and Timothy C. Y. Chan},
journal= {arXiv preprint arXiv:2308.07580},
year = {2024}
}