热点事件持续更新
研究人员提出基于传感器与机器学习的电动滑板车醉酒检测方案
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出了一种结合车载六轴IMU、油门与刹车传感器及机器学习算法的实时运动学检测方法，用于识别电动滑板车骑手的醉酒状态。在对25名受试者处于不同酒精浓度（0.05%与0.08%）的测试中，基于熵的逻辑回归分类器实现了85%的准确率与0.94的加权AuROC，其中清醒与高浓度对比的AuROC达到1.00。研究发现转向速率和侧向加速度是核心预测特征，该项研究为未来车载自动醉酒监测系统提供了重要技术基础。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究人员利用车载传感器与机器学习实现电动滑板车骑手醉酒实时检测，准确率达85%。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 机器学习基于传感器数据与机器学习的电动滑板车骑手醉酒检测研究
研究人员利用车载六轴 IMU 与油门刹车传感器结合机器学习，实现了对电动滑板车骑手醉酒状态的实时运动学检测。在对 25 名受试者不同酒精浓度（0.05% 和 0.08%）的测试中，基于熵的逻辑回归分类器达到 85% 准确率与 0.94 加权 AuROC，清醒与高浓度对比 AuROC 达 1.00。转向速率和侧向加速度为关键预测特征，为车载自动醉酒监测系统提供了基础。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。