Crowd-based Road Irregularity Mapping using Low-Cost Sensors

Road irregularities such as potholes, cracks and uneven surfaces pose a significant risk to vulnerable road users (VRUs) such as cyclists, wheelchair users, e-bikes and e-scooter users. Unlike with cars and other heavier vehicles, VRUs have limited physical protection and are more susceptible to accidents and costly damages resulting from poor road conditions. This work proposes a low-cost, scalable approach to detect and map road irregularities by using low-cost sensors (accelerometers, sonar, cameras, GPS etc.) mounted on soft-mobility vehicles (bicycles, e-bikes, e-scooters etc.) to generate crowd-sourced geo-tagged road anomaly data. The work can be structured into three main stages: synthetic data generation, aggregated data processing and anomaly estimation (which encompasses the identification of each anomaly's location, severity and spatial extent).The core challenge lies in designing a robust data aggregation algorithm capable of processing tens of thousands of low-cost sensor readings to accurately detect and characterize road irregularities. To develop and evaluate this approach, we adopt a simulation-driven methodology enabling controlled testing and validation before deployment in real-world scenarios. First, a ground-truth model of road irregularities is established, specifying their locations, severity levels, and spatial extents. We then simulate multiple vehicles runs along these trajectories under varying speeds and GPS accuracies, generating synthetic sensor data that closely replicates real-world conditions. This controlled environment enables synthetic testing and refinement of the aggregation algorithm as well as an evaluation of it's detection accuracy before real-world deployment. By providing VRUs with reliable information on road surface conditions and equipping municipal authorities with a data-driven tool for road condition monitoring, this work contributes to enhancing road safety, maintenance efficiency and urban accessibility.

Le irregolarità stradali, come buche, crepe e superfici irregolari, rappresentano un rischio significativo per gli utenti vulnerabili della strada (VRU), come ciclisti, utenti di sedie a rotelle, e-bike e monopattini elettrici. A differenza delle automobili e di altri veicoli più pesanti, i VRU hanno una protezione fisica limitata e sono più vulnerabili agli incidenti e ai danni costosi derivanti dalle cattive condizioni stradali. Questo lavoro propone un approccio economico e scalabile per rilevare e mappare le irregolarità stradali utilizzando sensori a basso costo (accelerometri, sonar, telecamere, GPS ecc.) montati su veicoli a mobilità dolce (biciclette, e-bike, monopattini elettrici ecc.) per generare dati geolocalizzati sulle anomalie stradali, raccolti tramite crowdsourcing. Il lavoro può essere strutturato in tre fasi principali: generazione di dati sintetici, elaborazione di dati aggregati e stima delle anomalie (che comprende l'identificazione della posizione, della gravità e dell'estensione spaziale di ciascuna anomalia). La sfida principale risiede nella progettazione di un robusto algoritmo di aggregazione dei dati in grado di elaborare decine di migliaia di letture di sensori a basso costo per rilevare e caratterizzare accuratamente le irregolarità stradali. Per sviluppare e valutare questo approccio, adottiamo una metodologia basata sulla simulazione che consente test e validazioni controllati prima dell'implementazione in scenari reali. Innanzitutto, viene definito un modello di verità sul campo delle irregolarità stradali, specificandone la posizione, i livelli di gravità e l'estensione spaziale. Successivamente, simuliamo il percorso di più veicoli lungo queste traiettorie a velocità e precisioni GPS variabili, generando dati sintetici dei sensori che replicano fedelmente le condizioni reali. Questo ambiente controllato consente test sintetici e il perfezionamento dell'algoritmo di aggregazione, nonché una valutazione della sua accuratezza di rilevamento prima dell'implementazione reale. Fornendo alle VRU informazioni affidabili sulle condizioni del manto stradale e dotando le autorità comunali di uno strumento basato sui dati per il monitoraggio delle condizioni stradali, questo lavoro contribuisce a migliorare la sicurezza stradale, l'efficienza della manutenzione e l'accessibilità urbana.