Um Estudo sobre a Aplicação de LSTM para Avaliar Acidentes de Bicicleta para Inflar Airbags Vestíveis

A taxa de ocorrência de acidentes de trânsito está aumentando em relação ao aumento no número de pessoas utilizando dispositivos de mobilidade pessoal (PM). Este artigo propõe um sistema de airbag com um algoritmo mais eficiente para decidir sobre a ativação de um airbag vestível em caso de acidente. Os airbags vestíveis existentes são acionados por meio do julgamento das situações de acidente usando limites dos sensores. No entanto, neste caso, a precisão do julgamento pode cair em relação a vários movimentos. Este estudo utilizou o modelo de memória de longo prazo e curto prazo (LSTM), usando os valores de sensores da unidade de medição inercial (IMU) como valores de entrada para julgar a ocorrência de acidentes, que obtém dados em tempo real a partir dos três eixos de aceleração e três eixos de velocidade angular dos estados de movimento do condutor e julga se um acidente ocorreu ou não usando os dados obtidos. A rede neural (NN) existente ou o modelo de rede neural convolucional (CNN) julga apenas os dados de entrada. Este estudo confirmou que este modelo tem uma precisão de julgamento superior à da NN ou CNN existentes, mesmo ao considerar "informações passadas" através do LSTM, tratando o movimento do condutor como dados de série temporal.