基于物联网与人工智能协同的公共交通质量监测系统框架及其性能验证

《IEEE Open Journal of Vehicular Technology》：An AI-Driven IoT Solution for Public Transport Quality Monitoring and Driving Style Estimation

　　**摘要：** 提升公共交通的乘客满意度对于激励可持续出行和减少城市温室气体排放至关重要。为解决这一挑战，本研究提出了一种创新的运输质量监测系统（TQMS）框架，该框架协同运用物联网（IoT）和人工智能（AI）技术，系统地收集和评估客观指标与用户感知质量指标。所提出的TQMS采用三层中心架构，涵盖硬件层、边缘层和云层，并将以人为本的反馈直接嵌入服务的数字复制中。在操作层面，通过专用车载传感器捕获的车辆遥测数据提供了驾驶动态的客观洞察，同时通过智能手机收集乘客的定性反馈。随后，该异构数据在边缘层通过所提出的物联网解决方案进行综合分析，该方案运行智能分析以实现实时质量评估和异常检测。系统性能通过在城市公交车运营线路上进行的实地测试进行评估，测试涉及60名参与者、1,200个乘车区段和20条线路。在预测建模方面，我们提出了一种一对余神经网络集成，该网络采用一种新颖的时间连贯性损失函数进行优化，旨在最小化连续估计区间之间的抖动。在采用逐折特征选择以防止数据泄漏的情况下，基于独立于受试者、独立于路线以及受试者与路线联合的评估方案所获得的实证结果表明，该定制损失函数在收集的数据集上始终优于标准的类加权二元交叉熵（BCE），使宏F1值提高0.06–0.07，并在五个不同质量维度上将近乎整体运输服务和驾驶风格的加权平均F1分数提高最多8.2%，其中最大增益出现在表示最不充分的质量类别上。