基于联邦对比学习的自然态电动滑板车 maneuver 识别

智能微出行，特别是电动滑板车，已成为北美和欧洲城市重要的 ubiquitous 出行方式。本研究提出 FCRIL，一种联邦 maneuver 识别与对比骑手交互学习系统。该系统利用附着在电动滑板车上的智能手机或嵌入式物联网设备的惯性测量单元（IMU）数据，通过时间序列、频谱图和统计特征提取骑行动作模式，并采用对比学习网络进行分类识别。同时，为解决隐私问题和提升训练效率，设计了异步联邦学习模块。实验结果表明，FCRIL 能有效学习和识别电动滑板车的骑行动作。