ProxiCycle：使用智能车把被动绘制 cyclist 安全性以检测险情

研究背景与问题

• 问题与挑战: 作者发现，许多潜在的自行车使用者由于对交通安全的担忧，特别是害怕与汽车发生碰撞，而不愿选择骑自行车作为交通方式。现有方法主要依赖稀疏且滞后的交通事故数据或骑行者的自我报告，缺乏实时、标准化和可扩展的方法来量化和评估道路安全。
• 研究重要性: 自行车作为一种积极的交通方式，对个人健康和环境可持续性都有积极影响。然而，由于自感安全问题，骑行未被广泛采用。在美国，自行车出行仅占所有出行方式的不到1%，而其安全性与用户感知的安全性密切相关。这种感知安全对初学者尤为重要。
• 研究动机与相关工作:
  • 现有研究表明，改善的自行车基础设施可能直接提高骑行安全，但实施通常需要时间和资金。
  • 一些基于人群感知的骑行安全地图虽然提出了方向，但缺乏大规模的定量数据支持，且自我报告的数据容易受到主观偏差影响。
  • 为此，实施一种被动式、规模化、便捷安装的传感方法，能填补现有方法的不足，同时促进骑行的普及和安全改进。

解决方案

• 方法与创新:

  1. 提出了一种名为 ProxiCycle 的智能自行车手柄传感装置，使用双传感器设计来测量骑行过程中汽车超车的距离。
  2. 该系统能够无感采集数据，不依赖用户主动标记，具有低成本和可扩展的特点，是一种被动测量车辆过近超车事件的创新方式。
  3. 此外，这一新方法能通过集合式用户数据，为城市道路安全提供实时、高分辨率的见解。

• 实施步骤和关键技术:

  1. 硬件设计:
     • 设备安装在自行车车把手的末端，利用红外基于时间飞行（ToF）传感器准确测量汽车与自行车之间的距离。
     • 设备包含侧向和后向两个传感器，用于检测汽车从后方靠近并超车的轨迹。
     • 硬件小型化、低成本（<25 美元），支持蓝牙低功耗（BLE）通信和电池供电。
  2. 信号处理链:
     • 原始数据采集后，通过流式信号处理检测到传感器事件（例如，汽车在传感器视场中触发的动态变化）。
     • 使用距离阈值及后-侧传感器触发先后顺序来识别“近距离超车”事件。
  3. 验证与部署:
     • 控制实验验证传感器读数的准确性。
     • 真实骑行环境中进行7人试点，并进一步进行15人的长期部署，用于收集城市范围的两个月“近距离超车”数据。

研究成果

• 具体成果:

  1. 在技术评估中，设备在实验室和实际环境中表现出较高精度，对近距离超车（<1.3 米）和安全超车（1.3-3 米）事件的 F1 分数分别为 0.915 和 0.868。
  2. 在对2050次超车事件的长期部署中，设备成功绘制了城市范围内超车区域的热点分布图。
  3. 研究表明，近距离超车的位置与历史5年内的自行车事故数据显著相关（Pearson 相关系数为 0.6, P<0.0001），且与感知安全调查的回答也高度一致（PR-AUC 0.85）。

• 优势:

  1. 相较传统自行车事故数据的收集，ProxiCycle 提供了一种更实时、密集的数据收集机制。
  2. 设备安装简单、使用被动数据采集且成本低廉，易于大规模部署。
  3. 数据具备隐私保护性，无需采集视频或图像，仅测量物理距离。

• 局限性与未来方向:

  1. 覆盖范围的局限性: 当前方法仅捕捉到侧向的“近距离超车”，无法完全反映其他形式的危险，例如“开门撞击”或“右转钩挂”。
  2. 行为偏差的影响: 骑行者本身的行为（例如靠道路中心骑行或尽量贴边骑行）可能对安全数据产生偏差。
  3. 数据聚合: 虽然单一用户的数据可能存在误差，但通过数据的群体聚合，可以筛选并增强可靠性。
  4. 针对未来改进，研究可整合环境和时间上下文（例如交通流量、天气）或引入低分辨率视频等其他传感器来扩展功能。

总结

ProxiCycle 为解决自行车相关的交通安全问题提出了一种具有高现实可操作性的方案。它能够以低成本、自动化的方式实时生成自行车道路安全数据，并与权威数据高度一致，其研究成果为推动城市骑行的安全性和普及度提供了新的工具和数据支持。同时，该研究为未来城市级别的交通监测和改进提供了一个有效的案例。