无障碍出行感知调查数据集

本研究构建了一个大规模在线图像调查数据集，包含五个行动辅助设备用户群体——使用拐杖的用户、步行者、行动 scooter、手动轮椅和电动轮椅用户对52张 sidewalk 障碍图像的评估。数据集由华盛顿大学艾伦计算机科学学院、芝加哥伊利诺伊大学残疾与人类发展学院和伯克利城市与区域规划学院的研究人员共同构建，旨在为创建个性化的无障碍地图和路由工具提供用户画像信息。数据集通过 Project Sidewalk 平台收集图像，并按照障碍类型和严重程度进行分类。研究结果表明，不同行动辅助设备用户群体对 sidewalk 障碍的感知存在差异，这些数据可以用于优化导航系统和城市规划，以更好地满足不同群体的需求。

This study developed a large-scale online image survey dataset comprising evaluations of 52 sidewalk obstacle images from five groups of mobility aid users: cane users, pedestrians, mobility scooter users, manual wheelchair users, and electric wheelchair users. The dataset was co-constructed by researchers from the Paul G. Allen School of Computer Science & Engineering at the University of Washington, the Department of Disability and Human Development at the University of Illinois Chicago, and the Department of City and Regional Planning at the University of California, Berkeley, with the goal of providing user profile data for building personalized accessibility mapping and routing tools. Images were collected through the Project Sidewalk platform, and the dataset is categorized based on obstacle type and severity level. Research results show that perceptions of sidewalk obstacles vary across different mobility aid user groups; these data can be used to optimize navigation systems and urban planning to better meet the needs of diverse populations.

AI搜集汇总

数据集介绍

构建方式

本研究通过大规模在线图像调查，收集了五组行动障碍人群对人行道障碍物的感知情况。研究人员从在线众包平台Project Sidewalk收集了52张人行道障碍物图像，并让受访者根据他们的实际经验和使用的行动辅助工具对这些场景进行评估。调查采用了评分、排序和自适应成对比较的方法，以及开放式文本问题。调查结果揭示了不同群体在障碍物感知上的差异，并确定了所有用户都面临的共同问题。此外，研究还展示了如何利用这些数据生成可访问性评级地图和个性化路线规划工具的原型。

特点

无障碍出行感知调查数据集的特点在于它关注了不同行动障碍人群对城市环境中障碍物的感知差异。该数据集包含了52张不同类型和严重程度的人行道障碍物图像，覆盖了九个类别，包括消防栓和电线杆、植被、停放的自行车/汽车/滑板车、裂缝/高度差、砖块/鹅卵石+公用设施面板、沙子/砾石+草地、狭窄、路缘坡道和缺失的路缘坡道。调查结果揭示了不同行动障碍人群在障碍物感知上的差异，为开发更准确、个性化的路线规划算法提供了基础。

使用方法

无障碍出行感知调查数据集可以用于开发可访问性评级地图和个性化路线规划工具。研究人员可以根据不同行动障碍人群的感知数据，生成可访问性评级地图，以帮助人们选择合适的居住地点，并为官员提供优先改善可访问性的数据。此外，该数据集还可以用于开发个性化路线规划算法，为不同行动障碍人群提供更准确、个性化的路线规划服务。

背景与挑战

背景概述

无障碍出行感知调查数据集的创建旨在解决当前地图工具无法满足不同移动设备用户多样化需求的挑战。该数据集由华盛顿大学艾伦计算机科学学院的研究团队于2025年开发，核心研究问题是如何帮助不同移动设备用户（如拐杖、步行者、电动滑板车、手动轮椅和电动轮椅用户）更好地感知人行道障碍，从而设计个性化的地图和路线规划工具。该数据集通过对52张人行道障碍图像的在线调查，收集了190名不同移动设备用户的感知数据，揭示了不同用户群体对障碍的感知差异。此外，该数据集还被用于开发两个自定义原型：一个可视化分析工具和一个个性化路线规划工具，以展示其数据的价值。无障碍出行感知调查数据集的创建对无障碍地图、路线规划和城市规划领域产生了重要影响，为研究人员和开发者提供了重要的数据支持，以进一步促进移动设备用户的无障碍解决方案。

当前挑战

无障碍出行感知调查数据集面临的主要挑战包括：1) 不同移动设备用户对障碍的感知差异较大，如何准确捕捉和反映这些差异，以便设计出更个性化的地图和路线规划工具；2) 数据集的构建过程中，如何确保数据的质量和可靠性，尤其是在在线调查中可能出现的虚假数据问题；3) 数据集的应用过程中，如何将用户感知数据与城市规划相结合，以实现更有效的障碍清除策略，并为不同用户群体提供更安全、更便捷的出行环境。

常用场景

经典使用场景

该数据集主要用于研究不同移动设备用户对街道障碍物的感知，并据此生成个性化的可访问性地图和路径规划工具。通过对五个移动设备群体（拐杖使用者、步行者、电动滑板车使用者、手动轮椅使用者和电动轮椅使用者）进行大规模在线调查，收集他们对52个街道障碍物图像的评估，了解他们使用各自移动设备时的信心程度。这一数据集为开发更加精确、个性化的路径规划算法提供了重要数据支持，同时也为城市规划者和政策制定者提供了关于如何优先考虑和实现无障碍设施改进的关键信息。

实际应用

该数据集在实际应用场景中可以用于开发个性化的可访问性地图和路径规划工具。例如，研究人员可以利用该数据集开发出一个基于用户群体感知的可访问性评分地图，帮助不同移动设备用户了解城市各地区的可访问性水平，并据此选择合适的居住地点。此外，该数据集还可以用于开发个性化的路径规划算法，为不同移动设备用户提供更加安全和便捷的出行路线。

衍生相关工作

该数据集的发布为无障碍环境研究、路径规划和城市设计等领域的研究人员提供了宝贵的数据资源。基于该数据集的研究成果，研究人员可以进一步开发出更加精确、个性化的路径规划工具，为不同移动设备用户提供更加安全和便捷的出行服务。此外，该数据集还可以为城市规划者和政策制定者提供关于如何优先考虑和实现无障碍设施改进的关键信息，从而推动城市无障碍环境的改善。