该文综述基于智能手机与可穿戴传感器的多项研究：利用深度神经网络与低成本IMU估算城市车辆速度并辅助航位推算；用CNN约束惯性测距以提升精度；基于加速度计步态数据以随机森林识别用户身份，准确率达0.9679；结合Carla模拟器与机器学习识别风险驾驶行为；多摄像头深度学习测速优于单摄像头；融合加速度计与陀螺仪的步态认证降低错误率；SpeedNet以自监督方式预测视频对象速度并支持自适应加速；DeepSense框架处理移动感应噪声，用于汽车追踪、活动识别等；三轴加速度计结合深度网络评估轮椅人行道可达性；两阶段流程用RNN与扩展卡尔曼滤波实现手机定位定向。