AG体育机械设备有限公司欢迎您!

AI深入日常生活,仅凭Wi-Fi信号就能预测出行方式

时间:2021-08-31
本文摘要:历史告诉他,我们可以从人们的电子设备中学到很多东西,包括他们移动的方式。加拿大多伦多瑞尔森大学的研究人员在预先打印的服务器Arxiv.org(“无线信号模式检测的半监督深度残留网络”)上发表的一篇论文中描述了一种神经网络(即基于生物神经元的数学功能层),该网络可以从无线数据中获取智能手机用户的信息,特别是他们的交通模式,无论他们是可以自由选择步行、骑自行车还是在几个街区内。研究人员认为,无线网络比普通的模式分类方案更有优势。

AG体育官网

历史告诉他,我们可以从人们的电子设备中学到很多东西,包括他们移动的方式。加拿大多伦多瑞尔森大学的研究人员在预先打印的服务器Arxiv.org(“无线信号模式检测的半监督深度残留网络”)上发表的一篇论文中描述了一种神经网络(即基于生物神经元的数学功能层),该网络可以从无线数据中获取智能手机用户的信息,特别是他们的交通模式,无论他们是可以自由选择步行、骑自行车还是在几个街区内。研究人员认为,无线网络比普通的模式分类方案更有优势。首先,它无处不在,即使在城市高楼这样具有挑战性的环境下,它也能在室内可靠工作。

本文作者解释道:“Wi-Fi网络由于其普遍性,很可能在多式联运客货中采集大规模、低成本、非单体的数据。在这项研究中,我们开发了一个原型,它需要使用从智能手机获得的无线通信来检测流量模式。

”团队自由选择的神经网络架构是深度残差网络,是一种原本用于图像识别的人工智能。它包括快捷方式或跳过连接以跳过网络中的一些功能层。(它的灵感来源于大脑皮层的脊椎细胞。

在这种情况下,该算法是半监督的,这意味着它依赖于标记的数据来分析确认的流量模式。为了汇编数据集,研究人员使用了一个名为UrbanFlux的系统,该系统由半径为50米的Wi-Fi探测器组成,部署在多伦多市区的一个拥挤区域。

(他们回应说他们自由选择这些地方是因为有自行车道、人行道、双车道和一车道的街道,还有电车。在2017年6月和2018年8月的几天内,他们记录了四名志愿者的个人智能手机的MAC地址、信号强度和连接次数,这些志愿者以不同的方式在登录路线周围移动了10次,即步行、骑自行车和开车。最后,他们完成了2838次旅行。

在测试了人工智能系统的一些数据后,研究人员设法提取了15个特征(基于时间和速度、信号强度和连接数量),然后在单独的测试集上进行测试。他们回应称,该系统成功预测出三种交通方式的准确率分别高达80%,——,徒步81.8%,骑马82.5%,汽车86.0%。他们指出,驾驶具有最准确的回忆和准确性,而骑自行车则低于——。

这可能是因为骑自行车和开车有很多关节特征,很有可能被人工智能系统识别出来。本文作者写道:“这种方法可以被城市决策者、运营者和规划者用来更好地了解用户的通勤习惯和趋势。交通模式检测在城市中无处不在的传感器中也很简单,因为它可以提供对能源消耗、污染跟踪和预测以及自燃卡路里估计的洞察。

”研究人员将预测模型扩展到不同的交通方式,如地铁、电车和公共汽车,并整合来自交通时刻表的动态数据,这是他们未来的工作。


本文关键词:深入,日常生活,仅凭,Wi-Fi,AG体育,信号,就能,预测

本文来源:AG体育-www.fxnh.net