要約
最も人気のあるマイクロ モビリティ オプションの 1 つとして、e スクーターは、米国および世界中の何百もの大都市や大学の町に広がっています。
その一方で、e スクーターも交通安全に新たな課題をもたらしています。
一般に、e スクーターは自転車レーン/歩道を走るか、歩行者や自転車よりも柔軟性があり、速度が速い約 15 ～ 20 mph の最高速度で車と道路を共有することをお勧めします。
これらの機能により、e スクーターは、人間のドライバー、歩行者、車両のアクティブ セーフティ モジュール、および自動運転モジュールが見たり操作したりすることが難しくなります。
この新しいモビリティ オプションを研究し、e スクーターのライダーやその他の道路利用者の安全上の懸念に対処するために、このホワイト ペーパーでは、自然主義的な道路環境におけるマイクロレベルの e スクーターの動作挙動を調査するためのウェアラブル データ収集システムを提案します。
ロボット オペレーティング システム (ROS) を使用して、LiDAR、カメラ、および GPS を統合することにより、e-Scooter ベースのデータ収集システムが開発されました。
ハードウェア インターフェイス、センサー操作、センサー同期、およびデータ保存をサポートするソフトウェア フレームワークが開発されています。
統合されたシステムは、データを何時間も連続して収集でき、キャリブレーションの精度、車両および e-スクーターの遭遇データを収集する能力など、すべての要件を満たします。
要約(オリジナル)
As one of the most popular micro-mobility options, e-scooters are spreading in hundreds of big cities and college towns in the US and worldwide. In the meantime, e-scooters are also posing new challenges to traffic safety. In general, e-scooters are suggested to be ridden in bike lanes/sidewalks or share the road with cars at the maximum speed of about 15-20 mph, which is more flexible and much faster than the pedestrains and bicyclists. These features make e-scooters challenging for human drivers, pedestrians, vehicle active safety modules, and self-driving modules to see and interact. To study this new mobility option and address e-scooter riders’ and other road users’ safety concerns, this paper proposes a wearable data collection system for investigating the micro-level e-Scooter motion behavior in a Naturalistic road environment. An e-Scooter-based data acquisition system has been developed by integrating LiDAR, cameras, and GPS using the robot operating system (ROS). Software frameworks are developed to support hardware interfaces, sensor operation, sensor synchronization, and data saving. The integrated system can collect data continuously for hours, meeting all the requirements including calibration accuracy and capability of collecting the vehicle and e-Scooter encountering data.
arxiv情報
| 著者 | Avinash Prabu,Dan Shen,Renran Tian,Stanley Chien,Lingxi Li,Yaobin Chen,Rini Sherony |
| 発行日 | 2022-12-22 18:58:54+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google