La reciente expansión de dispositivos inteligentes, como teléfonos inteligentes y relojes inteligentes, familiariza a los humanos con la detección de sus actividades. Hemos estado desarrollando un sistema de evaluación de accesibilidad vial inspirado en tecnologías de detección humana. Este documento presenta nuestra metodología para estimar la accesibilidad vial a partir de los datos de aceleración en tres ejes obtenidos por un teléfono inteligente colocado en el asiento de una silla de ruedas, como factores ambientales, por ejemplo, bordillos y huecos, que influyen directamente en los cuerpos de las sillas de ruedas, y factores humanos, por ejemplo, las sensaciones de cansancio y esfuerzo de los usuarios de sillas de ruedas. Nuestro objetivo es realizar un sistema que proporcione servicios de visualización de accesibilidad vial a los usuarios mediante emparejamiento de patrones en línea/fuera de línea utilizando modelos impersonales, mientras aprende gradualmente a mejorar la precisión del servicio utilizando nuevos datos proporcionados por los usuarios. Como primer paso, este documento evalúa las características adquiridas por la DCNN (red neuronal convolucional profunda), que aprende el estado de la superficie de la carretera a partir de los datos en técnicas de aprendizaje automático supervisado. Los resultados evaluados muestran que las características pueden capturar la diferencia en la condición de la superficie de la carretera con más detalle que la etiqueta que nosotros adjuntamos y son efectivas como medio para expresar cuantitativamente la condición de la superficie de la carretera. Este documento desarrolló y evaluó un sistema prototipo que estimó tipos de superficies de terreno centrándose en la extracción de conocimiento y visualización.