# 以電腦視覺輔助自行車道服務水平評估模型
###### tags: `idea`

## Goal
自行車道服務水平評估模型(Bicycle Level of Service, BLOS)，以騎車人滿意度調查結果為訓練資料，評估一自行車路段安全與滿意度。BLOS透過分析各種道路屬性（包含：寬度、車道數、車流量等）以及騎車人特徵，預測一自行車路段的服務水平。然而，此模型中的道路屬性資料，多為人為手動測量、紀錄，而車流量與車速也是以影片手動計算，效率極低。

因此，我們的研究希望能利用電腦視覺的技術，以街景圖片分析道路屬性資料，評估一路段之自行車安全程度。

## Todo
Image Segmentation
1. 透過街景照片，計算道路（柏油路）寬度
2. 分割人行道與大型車車道，計算剩餘的、能讓自行車騎乘的道路寬度
3. 分析路面平整程度

### 分析重點
* 最外側車道
* 有雙車道比較安全

## Data

* [台北市道路寬度資料集](https://data.gov.tw/dataset/137761)
* Google Street View API
* [台北市市區自行車道](https://data.gov.tw/dataset/127189)

## Notes

### Bicycle Levels of Service (BLOS)
Paper: Defining Bicycle Levels of Service Criteria Using Levenberg–Marquardt and Self-organizing Map Algorithms
#### 分析
* 道路屬性：
* 幾何
* 交通
* 建築環境
* 騎車人特徵：
* 社會人口學
* 旅行特徵

#### Dataset
* 74個城市路段的自行車環境
* 4個中等城市
* 10360名騎車人
* 感知滿意度評分
* 社會人口統計信息
* 旅行特徵
* 騎自行車經歷
* 旅行目的

#### 技術
1. Levenberg‒Marquardt（LMNN）神經網路技術開發BLOS模型
2. 神經網路集群技術中的自組織映射(SOM)定義服務等級

結果：分數->A~F字母分級

#### 評估指數
1. ⾃⾏⾞安全指數評級（BSIR）
2. 道路路段指數（RSI）：考量路段各種參數：交通量、車道數、限速、外側車道寬度、路面因素、位置因素
3. 交叉⼝評價指數（IEI）模型：考慮交叉⼝參數來評估道路交叉⼝的性能
4. Bicycle Suitability Rating (BSR)模型也是基於RSI模型的概念背景開發的
5. 交互⾵險評分（IHS）
* 路邊⼟地利⽤強度
* 路緣切割頻率

流量和速度在BLOS標準中的重要性

[Assessing bikeability with street view imagery and computer vision](https://arxiv.org/pdf/2105.08499)

### 政府規定
[交通部自行車道系統規劃設計參考手冊](https://taiwanbike.taiwan.net.tw/Download/自行車道系統規劃設計參考手冊(2017修訂版).pdf)

#### 相關法規：
台北市道路名牌暨門牌編訂辦法第3條：
道路寬度超過15公尺以上者為路，在8至15公尺間為街；道路寬度未達8公尺者為巷弄；此外，路寬超過25公尺且具重要性（如堤頂大道）或跨區性者（如仰德大道、市民大道）則可編訂為大道。

自行車道型態：