arXiv · 机器人与计算机视觉· Hongsen Cao, Chia-Yen Chiang, Mona Jaber, Meihui Wang, Yasmin Fathy·· 13 天前AI 评分35
Edge-Assisted Crowdsensing for Explainable Cyclist Safety Perception 系统发布
Edge-Assisted Crowdsensing for Explainable Cyclist Safety Perception
AI 导读
该系统利用车把摄像头与视觉语言模型(VLM)提取交通属性,结合开放街图数据通过可解释增强机器(EBM)预测骑行安全评分。在伦敦两条路线的 1,362 帧标注数据上,模型 CPU 推理耗时 0.4ms,二元分类准确率达 72.2%,物理车道分离贡献 +0.97 分。重编码后以 54 Mbit/s 支持千名骑手连续监测,误差仅增加 1.4 个评分点,为基础设施成本效益分析提供直接依据。
来源:arXiv · 机器人与计算机视觉 · arxiv.org