理解城市环境对人类生理反应影响的机器学习方法
人机交互
2018-12-18 v1 机器学习
摘要
本研究提出了一个用于时空多传感器数据信号处理与信息融合的框架，以理解城市环境中人类生理变化的模式。该框架包括信号频率统一、信号配对、信号滤波、信号量化和数据标注。此外，本文对人-环境交互研究做出贡献，其中提出了一项实地研究，以理解声级、照度、视场或环境条件等环境特征对人类感知的影响。在该研究中，来自不同人口背景的参与者在瑞士苏黎世的城市环境中行走，同时佩戴生理和环境传感器。除信号处理外，还应用了分类、基于模糊规则的推理、特征选择和聚类四种机器学习技术，以发现参与者的生理反应与环境条件之间的相关模式和关系。具有高准确率的预测模型表明，视场的变化对应于参与者唤醒度的增加。在所有特征中，参与者的生理反应主要受环境条件和视场变化的影响。
引用
@article{arxiv.1812.06128,
title = {Machine learning approaches to understand the influence of urban environments on human's physiological response},
author = {Varun Kumar Ojha and Danielle Griego and Saskia Kuliga and Martin Bielik and Peter Bus and Charlotte Schaeben and Lukas Treyer and Matthias Standfest and Sven Schneider and Reinhard Konig and Dirk Donath and Gerhard Schmitt},
journal= {arXiv preprint arXiv:1812.06128},
year = {2018}
}