論文の概要: Kinematic signatures of impairment: Detecting alcohol intoxication in e-scooter riders using sensor data and machine learning
- arxiv url: http://arxiv.org/abs/2609.38276v1
- Date: Tue, 29 Sep 2026 15:40:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.469352
- Title: Kinematic signatures of impairment: Detecting alcohol intoxication in e-scooter riders using sensor data and machine learning
- Title（参考訳）: 障害の運動学的特徴:センサデータと機械学習を用いた電動スクーターライダーのアルコール中毒の検出
- Abstract要約: アルコール中毒は、致命的かつ重傷を負ったe-scooteristのクラッシュの原因となる。
現在の対策は、E-Scooteristの物理的運動制御や障害をリアルタイムで継続的に評価することはできない。
実験では,25名の被験者が体調を崩しながらテストコースを走行し,計器式eスクータを装着した。
- 参考スコア（独自算出の注目度）: 40.71158897892531
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Alcohol intoxication is a leading contributor to fatal and severe-injured e-scooterist crashes. Current countermeasures, such as temporal restrictions or pre-ride cognitive screening, cannot continuously assess an e-scooterist's physical motor control or impairment in real time. We conducted a controlled experiment in which 25 participants rode an instrumented e-scooter through a test track while sober and at two targeted blood alcohol concentration levels (0.05% and 0.08%). The e-scooter was instrumented with a six-axis inertial measurement unit (IMU), and throttle and brake lever position sensors, all sampled at 100 Hz. Two complementary signal features were computed: normalised permutation entropy, which quantifies temporal complexity, and standard deviation, which quantifies signal amplitude. Repeated measures correlation identified seven kinematic features (all IMU and throttle signals) whose entropy decreased (p < 0.001) while standard deviation increased (p < 0.01) with increasing intoxication, indicating that intoxicated riders shift from continuous, low-amplitude micro-corrections to fewer, high-amplitude reactive corrections. An entropy based multi-class logistic regression classifier, evaluated through leave-one-participant-out cross-validation, achieved 85% overall accuracy and a weighted one-vs-rest area under the receiver operating characteristic curve (AuROC) of 0.94, with a sober-vs-high AuROC of 1.00. Steering rate and lateral acceleration were the most important predictive features, indicating that alcohol induces a distinct collapse in lateral equilibrium during riding. Ultimately, these results demonstrate that onboard kinematic sensing combined with entropy-based signal analysis can reliably distinguish sober from intoxicated e-scooter riding, providing a foundation for automatic intoxication detection systems that preserve mobility for sober riders.
- Abstract（参考訳）: アルコール中毒は、致命的かつ重傷を負ったe-scooteristのクラッシュの原因となる。
時間的制約やプレライド認知スクリーニングといった現在の対策は、E-Scooteristの物理的運動制御や障害をリアルタイムで継続的に評価することはできない。
実験では,25名の被験者が体調を呈し,2種類の血中アルコール濃度(0.05%,0.08%)で測定した。
E-Scooterは6軸慣性測定ユニット(IMU)とスロットルとブレーキレバーの位置センサーを備え、すべて100Hzでサンプリングされた。
2つの補完信号の特徴は、時間的複雑さを定量化する正規化置換エントロピーと、信号振幅を定量化する標準偏差である。
反復測定では, エントロピーが低下する7つのキネマティックな特徴 (全IMUおよびスロットル信号) を同定し, 標準偏差は酔いの増加とともに増加した (p < 0.001) 。
エントロピーをベースとしたマルチクラスロジスティック回帰分類器は,0.94の受信操作特性曲線 (AuROC) の下で, 完全精度85%, 重み付き1-vs-rest領域を実現し, ソベルvs高AuROCは1.00。
ステアリング速度と横方向加速度は最も重要な予測的特徴であり, アルコールは乗用中に横方向平衡の明確な崩壊を引き起こすことが示唆された。
最終的に,これらの結果は,車載キネマティックセンシングとエントロピーに基づく信号解析を組み合わせることで,酔っぱらと酔っぱらったE-スクータライディングを確実に区別できることを示す。
関連論文リスト
- Predictive Conformal Slip Monitoring: An Empirical Evaluation of Rolling Split Conformal Prediction for Pre-Incident Traction Loss Detection [0.0]
本稿では, 転がり分割等角予測が, 統計的に起因前警告信号として機能するかどうかを考察する。
19人以上のドライバーと55,563人のテストフェーズのテレメトリサンプルで、このローリング揮発性検出器は基本的に0.0の精度を達成する。
我々はこれを方法論的に厳密な否定的な発見として報告し、その原因を診断し、このアプローチの真に予測可能なバージョンが要求されるものの概要を述べる。
論文 参考訳（メタデータ） (2026-07-02T13:02:34Z) - Enhancing Clinician Decision-Making via Uncertainty-Aware Multi-Expert Fusion for Stroke Rehabilitation [0.32553561239735207]
臨床的判断に取って代わるのではなく、拡張するように設計されたエンジンであるxAARAを提示する。
xAARAは、タスク、ムーブメントフェーズ、ムーブメント品質のレベルを越えて、キャリブレーションされた不確実性と説明でARATアセスメントを返します。
105回のストロークサバイバー(788回の運動)では、xAARAは94.2%のタスク精度と81.3%の移動位相精度を達成した。
論文 参考訳（メタデータ） (2026-06-23T09:00:15Z) - Detecting Drunk Driving Using Off-the-Shelf Smartwatches [7.484358451123682]
消費者スマートウォッチを使った飲酒運転検出は、予防的介入を誘発するスケーラブルな方法を提供する。
アルコール関連運転障害を検出するために,手首加速度計データと心拍変動による生理的信号を利用するシステムを提案する。
論文 参考訳（メタデータ） (2026-05-22T14:13:28Z) - Sit-to-Stand Transitions Detection and Duration Measurement Using Smart Lacelock Sensor [0.9550762588304383]
Sit-to-Stand(SiSt)遷移は、下肢の強度、筋骨格の健康、転倒リスクの重要指標である。
本研究では,Smart Lacelockセンサを用いたSiSt遷移検出と持続時間測定手法を提案する。
論文 参考訳（メタデータ） (2026-03-31T19:28:02Z) - TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception -- Don't Treat All Uncertainty the Same [2.755751829139168]
ほとんどの不確実性を認識したロボットシステムは、予測の不確実性を単一のスカラースコアに分解し、それを使って一様に修正された応答をトリガーする。
このアグリゲーションは、破損した観測結果から不確実性が生じるか、あるいは学習されたモデルと真のシステム力学とのミスマッチから生じるのかを曖昧にしている。
本研究では,不確かさを動脈およびてんかん成分に分解する軽量なポストホックフレームワークを導入し,これらの信号を用いて推論時のシステム応答を調節する。
論文 参考訳（メタデータ） (2026-03-09T09:07:43Z) - Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。
検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。
本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
論文 参考訳（メタデータ） (2026-01-28T08:33:10Z) - Calibration-Free EEG-based Driver Drowsiness Detection with Online Test-Time Adaptation [43.83587667787693]
ドローシー・ドライビングは交通事故の増大の原因であり、脳波に基づくドローシー検知システム(EEG)の最近の探索を促している。
特に,脳波信号の物体間変動は,領域シフトの問題を引き起こす。
そこで本稿では,オンラインテスト時間適応手法を利用して対象対象の分布に動的に適応する新しいドライバの眠気検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-27T02:27:10Z) - Thermal Imaging and Radar for Remote Sleep Monitoring of Breathing and Apnea [42.00356210257671]
睡眠モニタリングのためのレーダとサーマルイメージングの初回比較を行った。
熱画像法では,0.99,精度0.68,リコール0.74,F1スコア0.71,クラス内相関0.73が検出された。
マルチモーダル・セットアップを活用して閉塞性および中枢性睡眠時無呼吸を分類するための新しい提案を提案する。
論文 参考訳（メタデータ） (2024-07-16T17:26:50Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳（メタデータ） (2020-07-13T20:05:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。