热点事件持续更新
传感器与机器学习检测电动滑板车酒驾
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv cs.LG 发布一项控制实验研究，探索用传感器数据与机器学习检测电动滑板车骑行者酒精中毒。研究让25名参与者在清醒及血液酒精浓度0.05%和0.08%状态下骑行装有六轴IMU与油门、刹车位置传感器的电动滑板车，采样率100 Hz。基于熵的多分类逻辑回归分类器经留一参与者交叉验证，达到85%总体准确率，加权AuROC为0.94，清醒与高浓度对比AuROC达1.00。转向速率与横向加速度是最重要的预测特征，表明酒精会引发骑行中横向平衡的明显崩溃。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
新研究用IMU与操控传感器数据，以逻辑回归分类器检测滑板车骑手酒驾，准确率85%。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.LG（机器学习，全量分类）利用传感器数据与机器学习检测电动滑板车骑行者酒精中毒的运动学特征
一项控制实验让 25 名参与者在清醒及血液酒精浓度 0.05% 和 0.08% 状态下骑行装有六轴 IMU 与油门、刹车位置传感器的电动滑板车，采样率 100 Hz。基于熵的多分类逻辑回归分类器经留一参与者交叉验证达到 85% 总体准确率，加权 AuROC 为 0.94，清醒与高浓度对比 AuROC 达 1.00。转向速率与横向加速度是最重要的预测特征，表明酒精会引发骑行中横向平衡的明显崩溃。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2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。