提升计条准确性：通过可穿戴传感器数据识别用户的楼梯与电梯使用情况
信号处理
2025-05-28 v1 机器学习
摘要
许多用户每天都会多次面临是否选择楼梯还是电梯的抉择。虽然选择楼梯对心血管健康和健康生活有益，但选择电梯可能更加便利，同时也会消耗能源。通过精确跟踪和鼓励用户使用楼梯和电梯，用户可能获得健康见解和动力，从而鼓励健康生活方式，降低久坐相关健康问题的风险。本研究描述了一个新的探索性数据集，用于检验与使用楼梯和电梯相关的模式和行为。我们在各种情景下收集了20名参与者攀爬和下楼梯以及乘坐电梯的数据。旨在提供见解并演示使用可穿戴传感器数据进行此类情景的实际性。我们收集的数据用于训练和测试随机森林机器学习模型，结果表明该方法在8秒时间窗口内对楼梯和电梯操作的分类准确率达到87.61%，多类加权F1分数达到87.56%。此外，我们还研究了 various types of sensors and data attributes 对模型性能的影响。我们的发现表明，结合惯性传感器和压力传感器可为实时活动检测提供可行解决方案。
引用
@article{arxiv.2410.02790,
title = {Raising the Bar(ometer): Identifying a User's Stair and Lift Usage Through Wearable Sensor Data Analysis},
author = {Hrishikesh Balkrishna Karande and Ravikiran Arasur Thippeswamy Shivalingappa and Abdelhafid Nassim Yaici and Iman Haghbin and Niravkumar Bavadiya and Robin Burchard and Kristof Van Laerhoven},
journal= {arXiv preprint arXiv:2410.02790},
year = {2025}
}
备注
submitted to iWOAR 2024