DeepWiTraffic：基于WiFi的低成本的深度学习交通监控系统
计算机与社会
2020-04-28 v2 机器学习
摘要
交通监控系统（TMS）是智能交通系统（ITS）的组成部分，是交通分析与规划的重要工具。然而，最大的挑战之一是成本高昂，尤其在覆盖庞大的农村道路网络时。本文中，我们提出通过开发一种名为DeepWiTraffic的新型TMS来解决该问题。DeepWiTraffic是一种仅由两台WiFi收发器构建的低成本、便携、非侵入式方案。它利用过往车辆的独特WiFi信道状态信息（CSI）进行车辆检测与分类。使用机器学习技术识别并分析CSI幅度与相位数据的时空相关性，将车辆分为五类：摩托车、乘用车、SUV、皮卡和大型卡车。我们在一个真实的双车道农村道路上收集了一个月的海量CSI数据与真值视频数据，以验证DeepWiTraffic的有效性。结果证实，与最先进的（SOTA）非侵入式TMS相比，DeepWiTraffic是一种有效的TMS，平均检测准确率达99.4%，平均分类准确率达91.1%。
引用
@article{arxiv.1812.08208,
title = {DeepWiTraffic: Low Cost WiFi-Based Traffic Monitoring System Using Deep Learning},
author = {Myounggyu Won and Sayan Sahu and Kyung-Joon Park},
journal= {arXiv preprint arXiv:1812.08208},
year = {2020}
}
备注
Accepted for publication in the 16th IEEE International Conference on Mobile Ad-Hoc and Smart Systems (MASS), 2019