Mobile Sensing for Multipurpose Applications in Transportation
Mobile Sensing for Multipurpose Applications in Transportation
复制标题
交通运输中多用途应用的移动传感
DOI：
10.1007/s42421-022-00061-8
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Adu-Gyamfi, Yaw
中科院分区：
文献类型：
--
作者：
Aboah, Armstrong;Boeding, Michael;Adu-Gyamfi, Yaw
常规和一致的数据收集是解决当代交通问题的必要条件。当使用复杂的机器收集数据时，数据收集的成本会显著增加。由于这一限制，国家交通部门很难收集一致的数据，以便及时分析和解决交通问题。智能手机中集成传感器的最新进展使数据收集方法更加经济实惠。本研究的主要目标是开发和实现一个基于智能手机的交通相关数据收集应用程序。该应用程序由三个主要模块组成：前端图形用户界面（GUI）、传感器模块和后端模块。虽然前端GUI可以与应用程序交互，但传感器模块可以在应用程序使用时收集相关数据，如视频，陀螺仪，运动和加速度计读数。后端利用实时数据库来传输和存储来自传感器的数据，并提供支持应用程序所需的计算资源。与其他开发的交通数据收集应用程序相比，这款应用程序不过度依赖互联网，可以在互联网受限的地区使用。此外，该应用程序是为交通运输的多用途应用而设计的。收集到的数据用于各种目的进行分析，包括计算国际粗糙度指数（IRI），识别路面问题，以及了解驾驶员的行为和环境。从传感器数据中，我们检测到转弯运动，车道变化和估计IRI值。此外，还利用机器学习技术从视频数据中识别出了几条路面事故。
Routine and consistent data collection is required to address contemporary transportation issues. The cost of data collection increases significantly when sophisticated machines are used to collect data. Due to this constraint, State Departments of Transportation struggle to collect consistent data for analyzing and resolving transportation problems in a timely manner. Recent advancements in sensors integrated into smartphones have resulted in a more affordable method of data collection. The primary objective of this study is to develop and implement a smartphone-based application for transportation-related data collection. The app consists of three major modules: a frontend graphical user interface (GUI), a sensor module, and a backend module. While the frontend GUI enables interaction with the app, the sensor modules collect relevant data such as video, gyroscope, motion and accelerometer readings while the app is in use. The backend leverages a real-time database to stream and store data from sensors, together with providing the computational resources needed to support the application. In comparison to other developed apps for transportation data collection, this app is not overly reliant on the internet enabling the app to be used in internet-restricted areas. Additionally, the app is designed for multipurpose applications in transportation. The collected data were analyzed for a variety of purposes, including calculating the International Roughness Index (IRI), identifying pavement distresses, and understanding driver’s behaviors and environment. From the sensor data, we detected turning movements, lane changes and estimated IRI values. In addition, several pavement distresses were identified from the video data with machine learning.
登录
查看更多内容
使用深度学习和实体嵌入进行基于智能手机的路面粗糙度估计
DOI：
10.1142/s2424922x20500072
发表时间：
2020
期刊：
Adv. Data Sci. Adapt. Anal.
影响因子：
--
作者：
Armstrong Aboah;Y. Adu
通讯作者：
Y. Adu
影响因子：
1.7
作者：
Flintsch, Gerardo W.;Valeri, Stephen M.;Medina-Flintsch, Alejandra
通讯作者：
Medina-Flintsch, Alejandra
DOI：
10.1061/jpeodx.0000058
发表时间：
2018-09-01
影响因子：
2.3
作者：
Aleadelat, Waleed;Ksaibati, Khaled;Saha, Promothes
通讯作者：
Saha, Promothes
基于智能手机的道路粗糙度估算应用程序的可行性评估
影响因子：
2.2
作者：
Huanghui Zeng;Hyungjun Park;Brian L. Smith;E. Parkany
通讯作者：
E. Parkany
农村路网路面状况指数与国际粗糙度指数关系的发展
影响因子：
1.8
作者：
Sasan Adeli;Vahid Najafi moghaddam Gilani;Mohammad Kashani Novin;Ehsan Motesharei;Reza Salehfard
通讯作者：
Reza Salehfard