首款經(jīng)實驗室與現(xiàn)實生活驗證的應(yīng)力傳感器結(jié)合了加速度計、電流皮膚響應(yīng)和心率信息，可用于評估使用者的壓力程度，及其選擇的交通工具…
法國研究機構(gòu)CEA-Leti開發(fā)出可用于提供交通運輸數(shù)據(jù)的新工具，包括一個可讓通勤使用者佩戴的腕帶型穿戴式應(yīng)力監(jiān)測器，以及與其搭配的智能手機應(yīng)用程序(App)，可用于偵測佩戴者所使用的交通運輸方式，并評估使用者的決定對于環(huán)境的影響。
CEA-Leti傳感器和系統(tǒng)實驗室(Sensors and Systems Lab)主管StephanieRiche表示，從經(jīng)過驗證可行且可靠的實驗協(xié)議來看，這是全世界首款從實驗室與現(xiàn)實生活實驗中獲得驗證的應(yīng)力傳感器。
Richie說：“去年有許多應(yīng)力監(jiān)測計劃陸續(xù)發(fā)布，但以穿戴式裝置監(jiān)測應(yīng)力的大小是非常具有挑戰(zhàn)性的。其關(guān)鍵在于以可靠和可重復(fù)的方式設(shè)定實驗協(xié)議。”
新的應(yīng)力監(jiān)測器結(jié)合了加速度計、電流皮膚響應(yīng)和心率信息，以評估用戶的壓力程度。CEA-Leti的研究著重于信號處理(無需指定傳感器硬件)，以及產(chǎn)生成新的指標(biāo)，以便追蹤在現(xiàn)實生活情況中的壓力程度。
CEA-Leti的Mobility Observer App有助于讓使用了解其所擇的交通運輸方式對于環(huán)境的影響。
當(dāng)人們在行進中，想要取得可靠的生物辨識信息極其困難，因此，CEA-Leti研究了現(xiàn)有穿戴式傳感器在實際使用情況下的特征，以排除錯誤或不相關(guān)的數(shù)據(jù)。研究人員還利用著名的“特里爾社會壓力測試”(Trier Social Stress Test)，以實驗室采集的信號制作了參考數(shù)據(jù)庫。根據(jù)這個數(shù)據(jù)庫，機器學(xué)習(xí)算法可分類不同的壓力程度。
Riche說：“我們觀察到在先進的社會中，令人緊張的情況越來越多，我們想看看利用我們的信號處理方法如何提供有利的技術(shù)途徑，協(xié)助解決這些新的社會問題。”
減少溫室氣體排放
CEA-Leti開發(fā)的智能手機App——Mobility Observer，使用了智能型手機的加速度計、磁力計、陀螺儀，有時也加入GPS，可決定使用者是否站穩(wěn)了，或者采用了什么交通工具——走路、騎腳踏車、駕駛汽車或電動車，還是搭公交車、捷運或火車等。該App可透過振動或其他參數(shù)辨識來自不同交通工具的特征，為機器學(xué)習(xí)算法產(chǎn)生14種輸入功能，以確定用戶所使用的交通運輸方式。
據(jù)了解，交通運輸約占整個歐洲溫室氣體排放量的23%，研究人員希望透過該App能因應(yīng)永續(xù)發(fā)展面對的挑戰(zhàn)。因此，該App提供了使用者的日常交通運輸方式選擇(例如以騎自行車取代駕車），如何影響環(huán)境的量化信息。
Riche說：“例如，如果你本來每天開車上班，然后改成每周有一天騎自行車上班，我們就可以每天或每個月定期通知你對于減少溫室氣體排放量的貢獻。”
結(jié)合應(yīng)力傳感器和Mobility Observer App，發(fā)揮了特殊的協(xié)同作用。CEA-Leti一直致力于與歐洲市政府和交通運輸機構(gòu)合作，將這套系統(tǒng)應(yīng)用于收集以往在其基礎(chǔ)設(shè)施下難以取得的資料。
Riche說：“交通運輸機構(gòu)可以觀察特定公車站所承受的應(yīng)力，或公交車的內(nèi)部安排如何影響一群人的壓力。該系統(tǒng)真的能夠改變市政府決定基礎(chǔ)設(shè)施投資的方式。”目前，他們正針對人們的交通運輸習(xí)慣進行人工觀察——在城市中的特定地點派人員計算有多少車輛、自行車或行人通過。當(dāng)Mobility Observer App以較大的規(guī)模部署時，就能實時產(chǎn)生用戶習(xí)慣的信息。
數(shù)據(jù)的組合也可在日后使用，讓交通運輸公司提供更先進的服務(wù)。例如，Riche建議該App可以根據(jù)使用者的壓力程度確定他是否快遲到了，并為他建議一個更靠近火車站的停車位(即使這樣的方式可能會更花錢些)。用戶還可以取得健康和健身信息，例如騎自行車比開車可燃燒的卡路里更多多少？或者采用哪一種交通運輸方式比較不那么緊張等等。
推薦閱讀：
P6SMB系列TVS二極管受寵有何緣由？
不是加密專家也可實現(xiàn)安全認(rèn)證
具備機器學(xué)習(xí)與深度學(xué)習(xí)，離真正的人工智能還差多遠？
物聯(lián)網(wǎng)浪潮來襲，傳感器技術(shù)的研究方向有哪些？
