How We Perceive Places: Measuring Biomarkers of Stress in Urban Environments Using Personal Exposure Sensors, Deep Learning and Functional Data Analysis

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F24%3A00140293" target="_blank" >RIV/00216224:14310/24:00140293 - isvavai.cz</a>

Výsledek na webu

<a href="https://dl.acm.org/doi/10.1145/3675231.3678876" target="_blank" >https://dl.acm.org/doi/10.1145/3675231.3678876</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3675231.3678876" target="_blank" >10.1145/3675231.3678876</a>

Jazyk výsledku

angličtina

Název v původním jazyce

How We Perceive Places: Measuring Biomarkers of Stress in Urban Environments Using Personal Exposure Sensors, Deep Learning and Functional Data Analysis

Popis výsledku v původním jazyce

This study investigates the impact of visual stimuli and other environmental factors in urban settings on physiological markers of stress. Forty-four participants walked a predefined urban route while wearable sensors recorded street-level noise, air pollutants, and video footage. Stress responses were measured via heart rate, heart rate variability, and electrodermal activity. Urban scenes were categorized using the SegFormer model, and an LSTM model was applied to predict stress markers. Functional data analysis provided an interpretable model of heart rate responses to environmental variables. Data collection and analyses are ongoing.

Název v anglickém jazyce

How We Perceive Places: Measuring Biomarkers of Stress in Urban Environments Using Personal Exposure Sensors, Deep Learning and Functional Data Analysis

Popis výsledku anglicky

This study investigates the impact of visual stimuli and other environmental factors in urban settings on physiological markers of stress. Forty-four participants walked a predefined urban route while wearable sensors recorded street-level noise, air pollutants, and video footage. Stress responses were measured via heart rate, heart rate variability, and electrodermal activity. Urban scenes were categorized using the SegFormer model, and an LSTM model was applied to predict stress markers. Functional data analysis provided an interpretable model of heart rate responses to environmental variables. Data collection and analyses are ongoing.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10511 - Environmental sciences (social aspects to be 5.7)

Projekt

<a href="/cs/project/LM2023069" target="_blank" >LM2023069: Výzkumná infrastruktura RECETOX</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

SAP '24: ACM Symposium on Applied Perception 2024

ISBN

9798400710612

ISSN

—

e-ISSN

—

Počet stran výsledku

3

Strana od-do

1-3

Název nakladatele

Association for Computing Machinery, Inc

Místo vydání

New York

Místo konání akce

Dublin (Ireland)

Datum konání akce

30. 8. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001325273000020