基于智能手机的大规模急刹车事件检测用于道路安全服务
机器学习
2022-02-07 v1
摘要
道路碰撞是全球伤残调整生命年(DALYs)损失的第六大原因。交通安全研究的一大挑战是碰撞的稀疏性，这使得难以精细理解碰撞成因并及时预测未来碰撞风险。急刹车事件因其相对高发且易于通过车载嵌入式传感器检测，已被广泛用作安全替代指标。作为使用车载固定传感器的替代方案，本文提出一种可扩展方法，利用智能手机传感器采集的运动学数据检测急刹车事件。我们使用在Google Maps中导航时连接车辆与手机的驾驶员所提供智能手机与车辆传感器的同步读数，训练了一个基于Transformer的机器学习模型用于急刹车事件检测。该检测模型表现出优越性能，精确率-召回率曲线下面积(PR-AUC)达，比基于GPS速度的启发式模型好，比基于加速度计的启发式模型好。检测到的急刹车事件与公开数据集中的碰撞强相关，支持其作为安全替代指标的使用。此外，我们进行了模型公平性与选择偏差评估，以确保安全收益被平等共享。所开发的方法可惠及诸多安全应用，如识别路网级安全热点、评估新用户界面的安全性，以及利用路径规划改善交通安全。
引用
@article{arxiv.2202.01934,
title = {Smartphone-based Hard-braking Event Detection at Scale for Road Safety Services},
author = {Luyang Liu and David Racz and Kara Vaillancourt and Julie Michelman and Matt Barnes and Stefan Mellem and Paul Eastham and Bradley Green and Charles Armstrong and Rishi Bal and Shawn O'Banion and Feng Guo},
journal= {arXiv preprint arXiv:2202.01934},
year = {2022}
}