面向更好道路的感知与建图：利用联邦学习与实现数字孪生识别发展中国家——斯里兰卡道路状况的初步计划

我们提出了一个像斯里兰卡这样的发展中国家如何受益于隐私保护的机器学习技术（如联邦学习），以利用众包数据收集来检测道路状况，并提出了为斯里兰卡国家道路系统实现数字孪生的构想。与发达国家相比，诸如斯里兰卡的发展中国家在实施智能道路系统与智能城市方面远远落后。本文所讨论的拟议工作契合联合国可持续发展目标（SDG）9：“建设韧性基础设施，促进包容与可持续的工业化，推动创新”。我们拟议的工作讨论了政府和私营部门车辆如何进行日常出行，利用智能手机设备收集众包数据，以识别道路状况并检测道路上坑洼、表面不平整（粗糙度）及其他主要病害的位置。我们探索了移动边缘计算（MEC）技术，其可将机器学习智能拉近至存储所产生数据的边缘设备，并展示了如何应用联邦学习来检测和改善道路状况。在本研究的第二阶段，我们计划为斯里兰卡道路系统实现数字孪生。我们打算在拟议的道路系统数字孪生中使用专用与非专用系统提供的数据。在撰写本文时，据我们所知，斯里兰卡尚未实现用于道路及其他基础设施系统的数字孪生。拟议的数字孪生将是斯里兰卡此类系统的最早实现之一。从这一试点项目汲取的经验将惠及其他希望走相同道路并做出数据驱动决策的发展中国家。