基于机器学习的道路平整度估计
机器学习
2021-07-05 v1 信号处理
摘要
道路平整度是基础设施中一项非常重要的道路状况，因为平整度影响乘客的安全与乘坐舒适性。道路随时间退化，这意味着必须持续监测道路平整度，以准确掌握道路基础设施状况。本文提出一种利用车辆垂向加速度与车速进行道路平整度预测的机器学习流水线。我们比较了知名的监督式机器学习模型，如线性回归、朴素贝叶斯、k近邻、随机森林、支持向量机与多层感知机神经网络。模型在时域与统计域计算出的经最优选取的特征集上进行训练。结果表明，利用常规乘用车中安装的低成本车载传感器记录数据，机器学习方法可准确预测道路平整度。我们的发现表明，该技术通过实现对广泛路网的连续监测，非常适于满足未来的路面状况监测需求。
引用
@article{arxiv.2107.01199,
title = {Road Roughness Estimation Using Machine Learning},
author = {Milena Bajic and Shahrzad M. Pour and Asmus Skar and Matteo Pettinari and Eyal Levenberg and Tommy Sonne Alstrøm},
journal= {arXiv preprint arXiv:2107.01199},
year = {2021}
}