Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Effektiv identifiering av misskötsel av elsparkcyklar och elcyklar och underhållsbehov av cykelinfrastruktur
Chalmers Tekniska Högskola .
Responsible organisation
2024 (Swedish)Report (Other academic)
Abstract [sv]

Slutrapporten är framtagen med ekonomiskt stöd från Trafikverket Skyltfonden. Ståndpunkter, slutsatser och arbetsmetoder i rapporten reflekterar författaren och överensstämmer inte med nödvändighet med Trafikverkets ståndpunkter, slutsatser och arbetsmetoder inom rapportens ämnesområde.

Det här projektet belyser säkerhetsfrågor kopplat till elektriska mikromobilitetsfordon, specifikt elsparkcyklar, som stod för 1 % av resor men nästan 4% av trafikolyckorna 2019.  För att reducera potentiella risker från ökad användning av mikromobilitet utvecklade vi robusta AI-algoritmer för att upptäcka osäkra beteenden såsom rattfylleri och tandemåkning. Vår metod kombinerade virtuella verklighetssimuleringar (VR) och verkliga banor. VR-simuleringarna, som hade 30 deltagare, använde handspårningsteknik för att öka realismen och minska illamående. Resultaten visade att vår LSTM (Long Short-Term Memory network) modell framgångsrikt identifierade 86 % av de berusade förarna, medan en annan LSTM-modell upptäckte 93 % av tandemåkarna. Vi har testat en Transformer-metod med ytterligare aggregerade data där vi har uppnått 100 % precis identifiering av berusade förare. LSTM-metoden som vi testade i projektet har visat betydande förbättringar för att upptäcka berusade förare eller tandemåkare, jämfört med nuvarande industriella applikationer som mestadels är byggda på maskininlärningsmetoder, t.ex. Random Forest. Verkliga vägtester bekräftade ytterligare dessa fynd och framhöll vägunderlagets påverkan på elsparkcykelbanor. Även om datakvaliteten utgjorde vissa utmaningar, visar vår studie betydande potential för AI-drivna säkerhetsinterventioner. Dessutom utvecklade vi en prototyp av en instrumentpanel för att övervaka underhåll och infrastrukturbehov för elsparkcyklar. Denna forskning bidrar till Nollvisionen genom att tillhandahålla tillförlitliga verktyg för att identifiera missbruk av elsparkcyklar, med framtida arbete som fokuserar på att förfina modeller, utöka datainsamling och integrera avancerade neurala nätverk. Våra resultat ger värdefulla insikter för intressenter som Trafikverket och delade elsparkcykelperatörer och administrationer för att förbättra säkerheten inom urban mobilitet.

Place, publisher, year, edition, pages
2024. , p. 21
Series
Skyltfonden
Keywords [sv]
Trafiksäkerhet, mikromobilitet, elsparkcyklar, VR, rattfylleri, datainslamling
National Category
Vehicle and Aerospace Engineering
Research subject
Skyltfonden, Skyltfonden - Fordonet
Identifiers
URN: urn:nbn:se:trafikverket:diva-16330OAI: oai:DiVA.org:trafikverket-16330DiVA, id: diva2:1898223
Funder
Swedish Transport Administration, TRV 2023/26002Available from: 2024-09-17 Created: 2024-09-17 Last updated: 2025-09-04

Open Access in DiVA

fulltext(626 kB)141 downloads
File information
File name FULLTEXT01.pdfFile size 626 kBChecksum SHA-512
19512c23686bc162fda2e41bb57129c753d6e32bc3a8b41ba2b8e152f381ae8e99160a6327c3a94e1d744283337805e4b2dc1eb0e03f3873a22abe13de733550
Type fulltextMimetype application/pdf

Vehicle and Aerospace Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 142 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 558 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf