Lec 10 — 坑洞检测（Pothole Detection / Pothole Patrol）

MIT 6.1820/MAS.453 · Mobile and Sensor Computing 阅读材料：Pothole Patrol [MobiSys'08] — MIT CSAIL

1. 问题背景与动机

道路衰退（Road Decay）不可避免，坑洞（Pothole）危害行车安全并造成经济损失，而传统人工巡检方式成本高昂、覆盖有限。

P2（Pothole Patrol）的核心思想：利用出租车等已在道路上行驶的车辆作为机会性移动传感平台（Opportunistic Mobile Sensing Platform），以极低额外成本实现大规模路面质量监测。

定义 — 机会性感知（Opportunistic Sensing）
不专门部署感知平台，而是搭载在已有移动载体（出租车、公交车、行人手机）上，利用其自然移动行为收集城市级感知数据，数据上传也可延迟到经过 Wi-Fi 热点时进行（Delay-Tolerant Networking）。

2. 系统架构

2.1 硬件平台

P2 实验平台（2008 年，早于 iPhone）：

7 辆波士顿/剑桥出租车
车载小型电脑（置于杂物箱）
380 Hz 三轴加速度计（仪表盘固定）
802.11a/b/g 无线接口（机会性数据上传）
车顶 GPS 接收器

记录格式：<时间戳, 位置, 朝向, 速度, ax, ay, az>

2.2 传感器放置研究

例题 — 最佳加速度计安装位置

位置	信号质量	实用性
仪表盘固定	最优（信号最干净）	乘客视野内偏大
挡风玻璃贴附	良好（易安装）	挡视线
嵌入式电脑上	差（电脑减震）	无需额外安装

Sol：实验选择固定在仪表盘，信号质量最优；挡风玻璃次之，也是实际部署的可接受方案；附在电脑上信号不可预测，不推荐。

2.3 坐标轴定义

{\begin{cases} a_{y} & : 沿行驶方向（加速/制动） \\ a_{x} & : 垂直于行驶方向（转弯） \\ a_{z} & : 垂直于路面方向（坑洞！） \end{cases}

3. P2 检测器设计

3.1 滑窗分析

以 256 个采样点（约 0.67 s）为一个分析窗口，大多数坑洞事件持续时间远短于此，窗口内包含完整的冲击响应。

3.2 四级级联过滤器

原始信号 \to 速度高通 \to z -峰值滤波 \to x z -比率滤波 \to 速度vs.z比率 \to 坑洞检测

第一级：速度高通（Speed High-Pass）

排除低速事件（停车位、减速带）
只保留高速行驶时的冲击

第二级： $z$ -峰值（z-Peak）

检测 $z$ 轴加速度的峰值超过阈值 $θ_{z}$
排除平稳路段和关门声

第三级： $x z$ -比率（xz-Ratio）

坑洞主要体现在 $a_{z}$ 方向；转弯和急加速主要体现在 $a_{x}$ ， $a_{y}$
若 $a_{x} / a_{z} > t_{x}$ ，判断为转弯/制动，不是坑洞

第四级：速度 vs. $z$ 比率（Speed vs. z-Ratio）

速度越高，同等坑洞产生的 $z$ 加速度越大
用速度归一化 $a_{z}$ ，消除速度依赖

3.3 参数训练

三个可调阈值 ${θ_{z}, t_{x}, t_{s}}$ ，通过有标签训练数据穷举搜索最优化：

目标函数 ： s (t) = correct - {incorrect}^{2}

平方惩罚假阳性（False Positive），强迫系统宁缺毋滥。

训练数据：

手工标注（Hand-Labeled）数据：约 280 个事件，5 类（坑洞、井盖、膨胀缝、铁轨交叉、平坦路面）
松散标注（Loosely-Labeled）数据：大量行驶轨迹，无逐事件标注，用于防止过拟合

推论 — 假阳性的危害远大于假阴性　如果系统误报过多（假阳性高），道路部门会失去信任，整个系统就失去实用价值；漏报（假阴性）只是没发现某个坑洞，危害相对可控。因此 $s(t)$ 对 incorrect 取平方，重点压制假阳性。

4. 聚类与报告（Clustering & Reporting）

单次检测可能因传感器噪声产生误报；P2 要求同一地点至少有 4 次独立检测才报告为坑洞：

报告条件： 同一 GPS 位置（10 m 范围）的检测次数 \geq 4

聚类（Clustering）过程在中央服务器端运行，车辆只上传原始检测记录。

5. 实验结果

覆盖规模（10 天）：

9730 km 总行驶里程
2492 km 独特道路（去重后）
1.4 百万个分析窗口

精确率验证（48 个现场勘查）：

类别	数量
真实坑洞	39
下沉井盖	3
铁轨/膨胀缝	4
无法判断	2

精确率（Precision）：≥ 81%（39/48）。

假阳性率估算（Storrow Dr. 等平坦路面）：< 0.2%。

6. 广义 IoT 感知设计原则

P2 体现的设计原则：

原则	说明
机会性移动（Opportunistic Mobility）	复用已有交通工具
延迟容忍通信（Delay-Tolerant）	遇到 Wi-Fi 才上传
机器学习分类器	结合有标签和松散标签数据
中心聚类去噪	多次确认提升可靠性

本讲总结

Pothole Patrol 通过在出租车上安装低成本加速度计，以机会性移动感知实现波士顿城区的大规模路面质量监测；四级级联滤波器结合有标签/松散标签训练数据实现坑洞识别，现场验证精确率 > 81%，展示了将惯性传感器用于城市基础设施监测的巨大潜力。

Lec 10 — 坑洞检测（Pothole Detection / Pothole Patrol） ​

1. 问题背景与动机 ​

2. 系统架构 ​

2.1 硬件平台 ​

2.2 传感器放置研究 ​

2.3 坐标轴定义 ​

3. P2 检测器设计 ​

3.1 滑窗分析 ​

3.2 四级级联过滤器 ​

3.3 参数训练 ​

4. 聚类与报告（Clustering & Reporting） ​

5. 实验结果 ​

6. 广义 IoT 感知设计原则 ​

本讲总结 ​