Atualmente existe uma crescente procura por meios de transportes urbanos mais saudáveis e sustentáveis. Devido a isto, a popularidade de bicicletas elétricas e bicicletas inteligentes tem aumentado. Esta dissertação visa o desenvolvimento de uma solução para bicicletas inteligentes, que melhore a segurança do ciclista e contribua para serviços de perceção coletiva em cidades inteligentes. Para alcançar estes objetivos são propostos serviços de ADAS (Advanced Driver Assistance System). O primeiro serviço desenvolvido é um serviço de agregação de dados de sensores. Este serviço recolhe dados de ritmo cardíaco, luminosidade, giroscópio, acelerómetro e GPS, fornecendo-os para os restantes serviços. O serviço seguinte opera à base de LiDAR (Light Detection and Ranging), integrando um algoritmo de identificação veicular à retaguarda, desenvolvido usando aprendizagem automática. O penúltimo serviço desenvolvido faz uso de uma câmara frontal e de modelos de visão por computador, para identificar peões e veículos. O último serviço desenvolvido utiliza dados do giroscópio e acelerómetro, com técnicas de aprendizagem automática supervisionadas, para a deteção de irregularidades no pavimento de estradas e ciclovias. Estes componentes e serviços foram desenvolvidos de forma adequada às limitações impostas, sendo estas limitar o consumo energético, reduzir o tamanho, peso e custo, com otimizações para satisfazer os requisitos de deteção em tempo real. As experiências realizadas sobre os sistemas de sensorização e os mecanismos e serviços desenvolvidos mostram que: (1) o sistema de identificação de veículos com base em informação do LiDAR tem a capacidade de identificar veículos na retaguarda com um F1-score de 0.98, sendo aplicável em soluções para a perceção cooperativa e o desenvolvimento de sistemas ADAS para ciclistas; (2) o sistema de avaliação da qualidade da estrada baseado em acelerómetro conseguiu distinguir entre segmentos de estrada suaves e irregularidades graves com um F1-score de 0.75, apresentando uma funcionalidade base para desenvolvimento de sistemas mais avançados; (3) o sistema de identificação de peões por visão por computador obteve uma precisão de 0.85 para os dois modelos comparados. Em suma, o trabalho desenvolvido apresenta soluções inovadoras e facilmente integráveis em bicicletas inteligentes para desenvolver sistemas no âmbito de segurança rodoviária e perceção coletiva.

Currently there is an increasing demand for healthier and more sustainable methods of urban transport. Due to this increased demand, electric bicycles and smart bicycles have increased in popularity. This dissertation aims to develop a solution applicable to smart bikes, that improves cyclist safety and contribute to cooperative perception services. To achieve these goals, a set of ADAS (Advanced Driver Assistance System) services were proposed. The first of the services is a sensor data gathering service. It is responsible for the collection of heart rate, luminosity, gyroscope, accelerometer and GPS data. The next service, utilizes LiDAR (Light Detection and Ranging) data and machine learning algorithm to perform vehicle detection at the rear. The third developed service utilizes a frontal camera, along with computer vision object classification to detect pedestrians and vehicles. The last developed service uses gyroscope and accelerometer data, along with supervised machine learning techniques to detect potholes in roads and bike paths. All these components and services were developed according to the imposed limitations, those being; limiting power usage, reducing size, weight and cost, with optimizations to meet real time detection requirements. The experiences performed on our sensing systems and mechanisms show that: (1) the LiDAR based rear vehicle identification systems has the capability to identify vehicles with a F1-score of 0.98, being applicable in cooperative perception and development of ADAS for cyclists; (2) The accelerometer based road quality assessment system managed to distinguish between smooth roads and potholes with an F1-score of 0.75, showing a fair functionality for the development of more advanced systems; (3) the computer vision based pedestrian identification service achieved an accuracy of 0.85. In summary, the developed work presents innovative and easily implementable solutions for smart bicycles to develop systems for road safety and collaborative perception.

Mestrado em Engenharia de Computadores e Telemática