Американські і корейські інженери створили систему відстеження автомобільного трафіку на основі двох ноутбуків з W-Fi і нейромережевого алгоритму. Завдяки зміні рівня сигналу між передавачем і приймачем алгоритм здатний виявляти проїжджаючий автомобіль або мотоцикл з точністю 99,4 відсотка і визначати його тип з точністю 91,1 відсотка, розповідають автори статті, опублікованої на arXiv.org.
Системи відстеження трафіку на автомобільних дорогах, як правило, складаються з камер, радарів та інших інструментів, що дозволяють відстежувати переміщення автомобілів, їх швидкість, тип та інші параметри. Ці дані надходять в єдиний центр, де фахівці або алгоритми аналізують їх. В результаті аналізу можна розрахувати ефективність використання існуючих доріг, а також визначити регіони, де необхідні нові дороги. Для повної картини розподілу трафіку необхідно обладнати системами відстеження якомога більше ділянок доріг, але це вкрай дорого при використанні існуючої техніки.
Інженери під керівництвом Ген-Чжун Пака (Kyung-Joon Park) з Інституту науки і технологій Тегу-Кьонбука показали, що це завдання можна вирішувати з порівнянною точністю, але використовуючи набагато дешевше обладнання. Створений розробниками прототип складається з двох ноутбуків, що встановлюються по різні боки дороги і використовуються як приймач і передавач Wi-Fi. Крім того, поруч з цими ноутбуками були встановлені ще два ноутбуки з підключеними камерами - вони використовувалися для запису відео, з якого потім розробники розрахували реальну кількість і типи автомобілів, що проїхали повз.
Принцип роботи системи заснований на тому, що при проходженні автомобіля між приймачем і передавачем, що обмінюються сигналами, характеристики сигналу змінюються, причому специфічним для кожного автомобіля чином. За допомогою аналізу цих змін можна зрозуміти як сам факт проїзду автомобіля, так і його тип. Для цього розробники використовували згорточну нейромережу, яка була навчена на даних, які автори збирали протягом 120 годин на дорозі. Сигнал попередньо оброблявся - його перетворювали на зображення, в якому ряди відповідають амплітуді і фазі сигналів з різних приймачів (в одному ноутбуці).
Інженери навчили нейромережу виявляти проїзд автомобіля або мотоцикла, а також визначати його тип. Розробники обрали п'ять найбільш популярних типів транспортних засобів для класифікації: легковий автомобіль, SUV, пікап, вантажівка і мотоцикл. Випробування системи показали, що вона здатна виявляти проїзд транспортного засобу з точністю 99,4 відсотка. При визначенні типу транспортного засобу точність нижче - від 83,3 відсотка для пікапа до 99,7 відсотка для вантажівки, середня точність склала 91,1 відсотка. Інженери з'ясували, що точність класифікації незначно підвищує навчання окремих нейромережевих моделей для кожної смуги дороги.
Раніше інша група інженерів навчилася використовувати приймальники Wi-FI для підрахунку пішоходів на вулиці. Алгоритм навчили визначати як перетин прямої між пристроями, так і перебування поруч з нею. Крім того, він здатний визначати взаємне розташування людей поруч з прийомопередавачами.