智能坑洞检测与路况评估

恶劣的道路状况是公共隐患，会导致乘客不适、车辆损坏和交通事故。在美国，每年 42,000 起交通死亡事故中，有 22,000 起与路况有关。尽管我们经常抱怨路况糟糕，却无法大规模检测或报告它们。为解决这一问题，我们开发了一个实时检测坑洞并评估道路状况的系统。我们的解决方案是一款移动应用程序，通过手机中的陀螺仪和加速度计传感器捕获汽车运动数据。为了利用这些传感器数据评估路况，我们训练了 SVM 模型，以 93% 的准确率对路况进行分类，以 92% 的准确率对坑洞进行分类，超越了两个问题的基准率。当用户驾驶时，模型利用传感器数据对道路好坏以及是否包含坑洞进行分类。随后，分类结果用于生成展示全城路况的丰富数据地图。我们的系统将使市政官员能够识别并修复那些给乘客带来不便并引发事故的受损道路。本文详细介绍了我们的数据科学过程，包括在真实道路上收集训练数据、将嘈杂的传感器数据转换为有用信号、训练和评估机器学习模型，以及通过实时分类应用程序将这些模型部署到生产环境中。它还强调了城市如何利用我们的系统众包数据，并将道路维修资源分配到需要的区域。