Американские и корейские инженеры создали систему отслеживания автомобильного трафика на основе двух ноутбуков с W-Fi и нейросетевого алгоритма. Благодаря изменению уровня сигнала между передатчиком и приемником алгоритм способен обнаруживать проезжающий автомобиль или мотоцикл с точностью 99,4 процента и определять его тип с точностью 91,1 процента, рассказывают авторы статьи, опубликованной на arXiv.org.

Системы отслеживания трафика на автомобильных дорогах, как правило, состоят из камер, радаров и других инструментов, позволяющих отслеживать перемещения автомобилей, их скорость, тип и другие параметры. Эти данные поступают в единый центр, где специалисты или алгоритмы анализируют их. В результате анализа можно рассчитать эффективность использования существующих дорог, а также определить регионы, где необходимы новые дороги. Для полной картины распределения трафика необходимо оборудовать системами отслеживания как можно больше участков дорог, но это крайне дорого при использовании существующей техники.

Инженеры под руководством Гён-Чжун Пака (Kyung-Joon Park) из Института науки и технологий Тэгу-Кёнбука показали, что эту задачу можно решать со сравнимой точностью, но используя гораздо более дешевое оборудование. Созданный разработчиками прототип состоит из двух ноутбуков, устанавливаемых по разные стороны дороги и используемых в качестве приемника и передатчика Wi-Fi. Кроме того, рядом с этими ноутбуками были установлены еще два ноутбука с подключенными камерами — они использовались для записи видео, из которого затем разработчики рассчитали реальное количество и типы проехавших мимо автомобилей.

Компоненты системы / Myounggyu Won et al. / arXiv.org, 2018

Принцип работы системы основан на том, что при прохождении автомобиля между приемником и передатчиком, обменивающимися сигналами, характеристики сигнала меняются, причем специфичным для каждого автомобиля образом. С помощью анализа этих изменений можно понять как сам факт проезда автомобиля, так и его тип. Для этого разработчики использовали сверточную нейросеть, которая была обучена на данных, которые авторы собирали на протяжении 120 часов на дороге. Сигнал предварительно обрабатывался — его превращали в изображение, в котором ряды соответствуют амплитуде и фазе сигналов с разных приемников (в одном ноутбуке).

Схема работы системы / Myounggyu Won et al. / arXiv.org, 2018

Инженеры обучили нейросеть обнаруживать проезд автомобиля или мотоцикла, а также определять его тип. Разработчики выбрали пять наиболее популярных типов транспортных средств для классификации: легковой автомобиль, SUV, пикап, грузовик и мотоцикл. Испытания системы показали, что она способна обнаруживать проезд транспортного средства с точностью 99,4 процента. При определении типа транспортного средства точность ниже — от 83,3 процента для пикапа до 99,7 процента для грузовика, средняя точность составила 91,1 процента. Инженеры выяснили, что точность классификации незначительно повышает обучение отдельных нейросетевых моделей для каждой полосы дороги.