智能旅行活动监测：通用的分布式声学感知方法
信号处理
2025-06-13 v1
摘要
获取关于行走、慢跑和骑行等主动旅行活动的数据对于完善可持续交通系统 (STS) 至关重要。有效监控这些活动不仅要求感知解决方案具备准确、经济和隐私保护等综合特征，还需要具备足够的通用性以适应不同的气候环境和部署条件。为提供通用的感知解决方案，我们提出了一种基于深度学习 (DL) 的分布式声学感知 (DAS) 系统，用于监控主动旅行活动。该方案利用 DAS 捕获的环境振动，推断运动模式，而无需依赖基于图像或可穿戴设备的感知，从而解决了隐私问题。我们在两个地理位置不同的实际场景中进行实验，收集了全面的数据集以评估所提出系统的性能。为解决异构部署环境所带来的通用性挑战，我们根据网络可用性提出了两种解决方案：1) 提出一种基于物联网 (IoT) 的联邦学习 (FL) 方案，使不同地理位置的 DAS 节点能够协同训练，以提升通用性；2) 提出一种由元学习启发的离线初始化方法，开发高通用性初始化，以适应在新建立或孤立 DAS 节点处的快速模型微调，促进在这些节点处的通用性。步行和骑行分类实验结果表明，所提出的 DL 增强 DAS 系统在性能和通用性方面表现出色，为实际大规模 DAS 旅行监控铺平了道路。
引用
@article{arxiv.2506.10237,
title = {Intelligent Travel Activity Monitoring: Generalized Distributed Acoustic Sensing Approaches},
author = {Ruikang Zhong and Chia-Yen Chiang and Mona Jaber and Rupert De Wilde and Peter Hayward},
journal= {arXiv preprint arXiv:2506.10237},
year = {2025}
}