当前位置: X-MOL 学术Transp. Res. Part C Emerg. Technol. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
A network-level sidewalk inventory method using mobile LiDAR and deep learning
Transportation Research Part C: Emerging Technologies ( IF 7.6 ) Pub Date : 2020-09-01 , DOI: 10.1016/j.trc.2020.102772
Qing Hou , Chengbo Ai

Sidewalks are a critical infrastructure to facilitate essential daily trips for pedestrian and wheelchair users. The dependence on the infrastructure and the increasing demand from these users press public transportation agencies for cost-effective sidewalk maintenance and better Americans with Disabilities Act (ADA) compliance. Unfortunately, most of the agencies still rely on outdated sidewalk mapping data or manual survey results for their sidewalk management. In this study, a network-level sidewalk inventory method is proposed by efficiently segmenting the mobile light detection and ranging (LiDAR) data using a customized deep neural network, i.e., PointNet++, and followed by integrating a stripe-based sidewalk extraction algorithm. By extracting the sidewalk locations from the mobile LiDAR point cloud, the corresponding geometry features, e.g., width, grade, cross slope, etc., can be extracted for the ADA compliance and the overall condition assessment. The experimental test conducted on the entire State Route 9, Massachusetts has shown promising performance in terms of the accuracy for the sidewalk extraction (i.e., point-level intersect over union (IoU) value of 0.946) and the efficiency for network analysis of the ADA compliance (i.e., approximately 6.5 min/mile). A case study conducted in Columbus District in Boston, Massachusetts, demonstrates that the proposed method can not only successfully support transportation agencies with an accurate and efficient means for network-level sidewalk inventory, but also support wheelchair users with accurate and comprehensive sidewalk inventory information for better navigation and route planning.



中文翻译:

使用移动LiDAR和深度学习的网络级人行道清点方法

人行道是至关重要的基础设施,可为行人和轮椅使用者提供便利的日常出行。对基础设施的依赖以及这些用户不断增长的需求,促使公共交通部门寻求成本效益的人行道维护和更好的《美国残疾人法》(ADA)合规性。不幸的是,大多数机构仍然依靠过时的人行道地图数据或人工调查结果来进行人行道管理。在这项研究中,通过使用定制的深度神经网络(即PointNet ++)有效地分割移动光检测和测距(LiDAR)数据,然后集成基于条带的人行道提取算法,提出了一种网络级人行道清点方法。通过从移动LiDAR点云中提取人行道位置,可以得到相应的几何特征,例如 可以提取宽度,坡度,坡度等信息,以确保ADA符合性和整体状况评估。在整个马萨诸塞州9号州际公路上进行的实验测试显示,从人行道提取的准确性(即,联合上的点级相交(IoU)值为0.946)和ADA的网络分析效率方面来看,其性能令人鼓舞合规性(即大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。可以提取出来用于ADA合规性和总体状况评估。在整个马萨诸塞州9号州际公路上进行的实验测试显示,从人行道提取的准确性(即,联合上的点级相交(IoU)值为0.946)和ADA的网络分析效率方面来看,其性能令人鼓舞合规性(即大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。可以提取出来用于ADA合规性和总体状况评估。在整个马萨诸塞州9号州际公路上进行的实验测试显示,从人行道提取的准确性(即,联合上的点级相交(IoU)值为0.946)和ADA的网络分析效率方面来看,其性能令人鼓舞合规性(即大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。在整个马萨诸塞州9号州际公路上进行的实验测试显示,从人行道提取的准确性(即,联合上的点级相交(IoU)值为0.946)和ADA的网络分析效率方面来看,其性能令人鼓舞合规性(即大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一项案例研究表明,该方法不仅可以通过网络级人行道库存的准确,高效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。在整个马萨诸塞州9号州际公路上进行的实验测试显示,从人行道提取的准确性(即,联合上的点级相交(IoU)值为0.946)和ADA的网络分析效率方面来看,其性能令人鼓舞合规性(即大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。点级相交的联合(IoU)值为0.946)和ADA遵从性的网络分析效率(即,大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。点级相交的联合(IoU)值为0.946)和ADA遵从性的网络分析效率(即,大约6.5分钟/英里)。在马萨诸塞州波士顿的哥伦布区进行的一个案例研究表明,该方法不仅可以通过网络级人行道库存的准确,有效手段为运输机构提供成功的支持,而且还可以为轮椅使用者提供准确,全面的人行道库存信息,以支持更好的导航和路线规划。

更新日期:2020-09-01
down
wechat
bug