基于 GPS 追踪自行车活动的路面类型估计
机器学习
2018-09-27 v1 计算机视觉与模式识别
人机交互
摘要
道路状况影响机器驱动和人力驱动的交通工具。在人力驱动交通的情况下，糟糕的道路状况增加了个人出行的做功。先前对这些参数的估计使用了计算昂贵的卫星图像分析。在本工作中，我们采用了一种计算廉价且简单的方法，仅使用人力自行车手的 GPS 数据。通过估计用户所经道路的方向向量是否具有高或低的变化，我们将用户分类为在铺装道路或未铺装小径上。为此，采用了三种方法：给定路径段中坡度方向频率的变化、对路径段进行拟合、以及求每段的一阶导数和零点交叉点数。诸如支持向量机、K-近邻和决策树等机器学习模型被用于路径分类。我们在方法中显示，决策树表现最好，准确率为 86\%。路面类型的估计可用于许多应用，例如理解用于功率估计的滚动阻力，或通过用户画像构建锻炼推荐系统，如文中详述。
引用
@article{arxiv.1809.09745,
title = {Surface Type Estimation from GPS Tracked Bicycle Activities},
author = {Nitish Nag and Vaibhav Pandey and Aishwarya Manjunath and Avinash Vaka and Ramesh Jain},
journal= {arXiv preprint arXiv:1809.09745},
year = {2018}
}