论文题目:基于细粒度无线网络信息的智能交通监测
摘要:随着私家车的普及和交通体量的增大,智能交通监测技术已经得到了越来越多的关注,智能交通监测可以支持一系列应用例如交通堵塞疏导,智能交通管理和自动驾驶辅助等。而针对于一些需要低投入,部署范围广,方便扩展的特定场景如乡村道路监测,特定时间和路段的交通量调查等,如何实现便携的,有效的,易扩展的,低成本的,便于部署的以及鲁棒性强的智能交通监测就尤为重要。通过测量细粒度的无线信号信道状态信息的变化实现智能交通参数的测量主要包括数据预处理,车辆检测,车型分类和车速估计四个模块,该方法具有低成本,易部署,易扩展,易携带,具有一定的鲁棒性和准确性等优点。首先为了去除噪音和中心频率的影响,采用低通滤波和数据归一化的方法对于原始的无线信号信道状态信息进行预处理。然后利用移动方差结合阈值判断的方法实现车辆的检测。接着对于检测到的车辆采用卷积神经网络的方法实现车辆类型的划分,将车辆类型主要分为两轮车,客车和货车三个类别。最后对于同一类别的车辆采用基于梯度的边界检测方法确定车辆对于无线信号的影响时间,并利用多项式拟合的方法完成车辆速度的估计。在实验时,采用在校园周边道路上采集的将近700辆车的真实数据。通过分析实验结果可以得出移动方差的方法可以有效的实现车辆检测,在车辆类型分类时,卷积神经网络的方法分类的准确率要优于传统的机器学习方法,针对车速估计,二项式曲线拟合的车辆速度估计的准确率效果更好。实验结果表明基于信道状态信息的智能交通监测可以有效的实现交通参数的测量,对于特定场景的智能交通监测具有重要意义。
关键词:智能交通监测;WiFi;信道状态信息;移动方差;卷积神经网络;多项式拟合
学科专业:计算机系统结构
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 研究内容
1.4 论文组织结构
2 相关技术概述
2.1 信道状态信息简介
2.2 识别分类算法简介
2.3 本章小结
3 基于信道状态信息的智能交通监测系统
3.1 系统总体框架
3.2 数据预处理
3.3 基于移动方差的车辆检测
3.4 基于CNN的车型判断
3.5 基于曲线拟合的车速估计
3.6 本章小结
4 实验结果与分析
4.1 实验环境设置
4.2 车速标记方法
4.3 相关评价指标
4.4 车辆检测结果分析
4.5 车型分类结果分析
4.6 车速估计结果分析
4.7 系统整体评估
4.8 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献