一个用视频输入训练的光纤交通监控网络

科学领域:

• 工程 工程师 工程师 工程师
• 计算机科学 计算机科学
• 运输科学 运输科学

背景情况:

• 实时交通监控对于城市规划和智慧城市倡议至关重要.
• 分布式声学传感 (DAS) 提供了一种新的,具有成本效益的数据收集方法.
• 整合各种传感器数据可以增强交通监控能力.

研究的目的:

• 开发和验证用于仅使用DAS数据的车辆检测和分类的神经网络模型.
• 利用共定位的视频数据进行培训和实地验证基于DAS的模型.
• 评估该模型在各种城市环境中的性能及其对智能城市应用的潜力.

主要方法:

• 从视频中利用YOLO衍生的车辆数据作为标记的训练数据.
• 训练了一个神经网络,仅使用DAS光纤传感器数据来检测和分类车辆.
• 在有和没有视频监控的地区应用和评估受过训练的模型.

主要成果:

• 与基于视频的YOLO输出相比,在车辆检测和分类方面取得了很高的成功率.
• 仅用于DAS模型的虚假报警率较低.
• 从长达一周的监测期间生成的统计交通洞察力.

结论:

• 拟议的方法有效地结合了DAS和视频数据,以进行可靠的交通监控.
• 只有DAS的模型为智慧城市提供了一个实用,可扩展,保护隐私和具有成本效益的解决方案.
• 共享的数据集将促进对智能交通系统的传感器融合的进一步研究.