Un equipo de investigadores de la Universidad de Memphis ha desarrollado recientemente un sistema de monitoreo de tráfico (TMS) portátil y de bajo costo llamado DeepWiTraffic. Este nuevo sistema, presentado en un artículo publicado previamente en arXiv, combina dispositivos Wi-Fi y aprendizaje profundo.

Los TMS son un componente clave de los sistemas de transporte inteligentes (ITS), que tienen como objetivo mejorar la seguridad y la eficiencia del transporte. Los TMS recopilan datos de tráfico relacionados con el rendimiento de un sistema de carreteras, medir parámetros como el número de vehículos que pasan, así como la densidad de vehículos, velocidad, y clase.

En los Estados Unidos, el Departamento de Transporte (DOT) de cada estado tiene la tarea de recopilar información sobre el tráfico de los vehículos que circulan por carreteras y caminos. Los TMS utilizados para contar y clasificar vehículos automáticamente pueden ser temporales o permanentes.

"Un problema endémico para muchos DOT estatales es el alto costo de implementar una cantidad suficiente de TMS para cubrir la gigantesca área terrestre de los EE. UU., especialmente considerando las enormes millas (119, 247) de carreteras rurales, "escribieron los investigadores en su artículo". Según el Departamento de Transporte de Georgia, el costo mínimo para instalar un TMS continuo en una carretera rural de dos carriles es de aproximadamente $ 25, 000, y la clasificación de vehículos de 365 días en una carretera rural de dos carriles es más costosa, cuesta alrededor de $ 35, 770. "

En su estudio reciente, Los investigadores abordaron los desafíos asociados con el alto costo de los TMS existentes mediante el desarrollo de un enfoque innovador y de bajo costo para el monitoreo del tráfico basado en la información del estado del canal Wi-Fi (CSI) y el aprendizaje profundo. Su TMS emplea técnicas de clasificación y detección de vehículos no intrusivas, utilizando características distintivas de canales inalámbricos para clasificar los vehículos que pasan.

"DeepWiTraffic permite la detección y clasificación precisas de vehículos mediante la explotación de la información de estado del canal WiFi (CSI) única de los vehículos que pasan, Los investigadores explicaron en su artículo. Las correlaciones espaciales y temporales de los datos de fase y amplitud de CSI preprocesados ​​se identifican y analizan mediante el aprendizaje profundo para clasificar los vehículos en cinco tipos diferentes:motocicleta, vehículo de pasajeros, SUV, camioneta, y camioneta grande ".

En comunicaciones inalámbricas, CSI se refiere a las propiedades de canal de un enlace de comunicación, describiendo cómo viaja la señal desde el transmisor al receptor. CSI incluye información valiosa sobre los cambios en las propiedades del canal causados ​​por los vehículos que pasan, que se puede utilizar para clasificar vehículos.

Los investigadores diseñaron una red neuronal convolucional (CNN) que puede capturar automáticamente las características óptimas de los datos CSI y luego entrenaron un modelo de clasificación de vehículos en datos CSI preprocesados. También utilizaron otras técnicas para mejorar la precisión de clasificación del modelo, por ejemplo, mitigando los efectos causados ​​por los obstáculos que rodean a los vehículos, incluidos objetos o personas que se mueven a baja velocidad.

DeepWiTraffic se probó en una gran cantidad de datos CSI de vehículos que pasaban y los correspondientes datos de video de verdad en tierra. durante un total de aproximadamente 120 horas. Alcanzó una precisión de detección promedio del 99,4 por ciento y una precisión de clasificación promedio del 91,1 por ciento, a pesar de su bajo costo de aproximadamente $ 1000.

"A pesar del bajo costo del sistema propuesto, la precisión de clasificación promedio para cinco tipos de vehículos diferentes fue del 91,1 por ciento, que es comparable a las recientes soluciones de clasificación de vehículos no intrusivas, ", escribieron los investigadores en su artículo." Esperamos que DeepWiTraffic contribuya a resolver el problema del costo de implementar una gran cantidad de TMS para cubrir las enormes millas de carreteras rurales ".

© 2019 Science X Network