新闻动态

正规的足球外围网站开发栏目:用于智能校园中车辆和行人跟踪的低成本物联网网络物理系统

作者:小编时间:2022-10-26 15:33:00

今天,世界上大部分人口居住在城市已成为事实。特定地理区域的人员和车辆高度集中,加剧了与居民流动性和货物运输相关的问题的重要性。在这种情况下,智慧城市倡议应运而生。他们的主要目标之一是通过应用智能移动解决方案来解决以移动为中心的挑战。大多数提议的智能移动服务都由负责检测、预测和有效管理道路交通资源的智能系统提供支持。例如,可以通过智能交通灯管理系统提供解决道路拥堵问题的潜在解决方案,该系统可以减少交通灯处的等待时间并提高驾驶效率。


image.png

需要人类跟踪和交通监控系统来构建先进的智能、创新的移动服务。在这项研究中,我们介绍了一个基于低成本硬件的物联网系统,该系统已安装在西班牙马拉加大学的校园内。传感器收集智能无线设备的匿名信息和它们周围的环境噪音水平。本研究将校园中的人的时空行为和噪声污染作为一个小尺度的智慧城市,即智慧校园进行研究。应用特定的机器学习算法,我们分析了两个月的捕获数据。分析的主要结果表明,大多数大学社区成员在相似的时间穿过校园,产生了拥堵问题。此外,校园按规定受到声污染;因此,我们得出结论,所提议的系统对于为大学社区成员和管理人员收集有用的信息很有用。由于其成本低廉,它可以轻松扩展,甚至可以在其他类似环境中使用,从而可以民主地访问智慧城市服务,这是一项出色的附加值。


这些应用于移动挑战的智能系统需要持续收集准确的交通/移动数据才能运行,这在今天仍然是一个巨大的挑战。重要的有价值的移动数据,例如每条街道的汽车数量、城市的起点/目的地矩阵和行人行为,是稀缺且难以获得的。如今,获取此类数据的最常见系统仅执行车辆计数或提供给定区域内道路交通密度的估计值;因此,目前在我们的城市中使用最广泛的移动性评估方法是:传统的道路测量硬件,它价格昂贵、安装困难、几乎不可用,并且仅适用于车辆检测;相机也很昂贵,收集数据的准确性可能取决于气象等外部因素;浮动车。


此外,使用摄像头跟踪车辆和人的运动需要分别提取和识别车辆牌照和人脸/身体的特征向量。这些数据在系统中存储和处理。由于这些数据可直接用于唯一识别车辆和人员,因此可能导致侵犯用户隐私并引发通用数据保护条例问题。


近年来,随着智能移动设备的普及,获取车辆/行人移动信息的另一种方式是使用手机位置信息服务。因此,为了共享位置,用户必须激活手机中的服务来交换全球定位系统模块检索到的信息。这些基于GPS的系统的主要好处是它不需要安装传感器或摄像头。这种方法的主要问题是:用于交换GPS位置的服务消耗大量能量和该服务通常与管理服务的第三方共享私人信息。


收集车辆/行人移动性的一个有前途的替代方案是安装能够检测蓝牙信号并通过其智能设备的媒体访问控制硬件地址识别车辆和行人的传感器。因此,传感器通过捕获人们携带的智能设备或位于车辆内部产生的波信号来检测车辆和行人。这种选择正在快速发展,因为它非常便宜且易于维护;然而,所提供的精度受限于BT设备的低信号范围和目标BT设备的市场渗透率。之前的一项研究估计BT渗透率在27%到29%之间。


本文的主要目的是提出一种低成本的替代环路检测器、摄像头和基于GPS的系统的替代方案,以收集车辆/行人的移动性。因此,提出了一种新颖的信息物理系统。我们的系统通过收集Wi-Fi信号来扩展基于BT检测的传感器,以减轻BT检测器的不准确性。越来越多的汽车制造商将无线接入点作为其汽车设备的一部分,这一事实鼓励了同时检测Wi-Fi信号的想法。此外,我们还包括一个噪声传感器,用于监测和获取与交通相关的声污染。因此,我们提出了一种创新的道路交通监测方法,该方法结合了从不同来源感知的信息,以提高测量的准确性,从而提高有关道路网络状态的信息。


因此,使用提议的自组织网络物理系统来跟踪移动性,我们在清华大学校园部署了无线传感器网络来分析其适用性。该基础设施的安装是清华大学智能校园计划的一部分,智能校园计划旨在应用智能系统为大学社区成员提供高级服务。


本文的其余部分组织如下:概述了相关工作。描述了传感器收集的数据以及提取有关人类跟踪和环境噪声信息的主要操作。介绍了本文提出的IoT系统的主要组件。介绍了清华大学用于评估我们系统的用例。介绍了数值评估和提取数据的分析。最后,讨论了从本研究中得出的结论,并概述了未来工作的主要方向。


image.png

本文的主要目的是:

详细介绍一种新的物联网网络物理系统,用于车辆和行人的运动跟踪,该系统基于先前提出的仅计算给定点的车辆数量的物联网系统。本文中介绍的网络物理系统的主要优点是它聚合了来自多个传感器的数据,以允许车辆/人员移动跟踪,而不仅仅是计数。请注意,如果使用一些深度学习或机器学习算法,收集和处理的数据可以进一步用于预测车辆和行人的运动。使用这样的算法将为所提议的系统创建一个更加动态的应用程序。

提出一个案例研究,以展示智能校园环境中网络物理系统的功能。该案例研究分析了清华大学校园内的车辆/行人流动性,尽管传感器的使用可以很容易地适应在任何其他校园中使用。这个用例是相关的,因为高道路交通密度情况和拥挤区域会给大学社区成员带来不适。此外,这很重要,因为由于正在经历新冠病毒大流行,大学管理人员正试图衡量封闭空间的占用情况,例如教室、自助餐厅、图书馆等,以及人员流动;因此,可以确定哪里和何时拥挤。这样,

评估系统评估环境噪声的能力,并讨论向大学管理人员提供此类信息的重要性。

为了进一步了解这项工作的主要贡献,手稿首先介绍了传感器收集哪些数据以及这些数据是如何收集和处理的;其次,介绍了物联网信息物理系统的主要组成部分和主要操作;第三,它描述了此处应用的用例,以展示所提出的系统在智能校园环境中的适用性。


本文与智能城市物联网领域的相关性在于,它提出了一种基于传感器的信息物理系统,用于基于简单、模块化、可扩展和低成本的硬件来跟踪车辆和人员。此外,在基于摄像头的跟踪系统之上,我们的方法的优势在于它不会传输或存储私人信息,例如车牌或人的图像,从而减轻可能的GDPR问题。


此外,在清华大学展示了一个实际用例,该用例在智能校园的背景下采用建议的系统来评估车辆和人员的运动并测量大学校园内的噪音.大学管理人员使用系统提供的信息来评估道路交通、大学社区成员的流动性和环境噪音水平。


研究人员和智慧城市从业者提出了不同的方法来获取有关居民在不同环境和不同尺度上的流动性信息。传统上,这些信息是通过不同的方法获得的,例如收集旅行日记和调查。尽管这种类型的方法能够提供准确的信息,但它也存在不同的缺点,例如,随机抽样不可行,并且限制了结果的代表性;高昂的收集成本;它们对获取实时数据很有用。


image.png

本研究侧重于依靠收集无线信号来监控移动性的方法,因为它们可以获得准确的实时信息,不涉及高昂的安装成本,并且不会侵入道路。基于此想法的最有前途的方法使用Wi-Fi、BT和射频识别。


RFID技术主要用于在室内环境中跟踪人类。它的主要优点是定位精度高;然而,RFID在大规模户外环境中的使用受到限制,因为它需要用户携带RFID标签才能被检测到,这大大降低了通用性。反过来,RFID基于低距离通信,减少了对一定距离或相对高速移动的设备的检测。由于这些问题,RFID未被考虑用于所提议的信息物理系统。


一些研究人员已经使用BT和Wi-Fi信号来跟踪各种领域和环境中的时空行为;然而,大多数现有的研究只使用其中之一。结合使用BT和Wi-Fi的主要优点是大多数居民已经配备了使用这些无线技术的智能设备,因此,它简化了他们的非参与式跟踪。


使用BT和Wi-Fi检测和跟踪设备的方法非常相似。它包括使用安装在一组给定感兴趣位置的扫描仪连续收集无线信标。这些扫描器通过存储信标源设备的唯一MAC地址和精确的检测时间来记录每次检测。这种方法基于邻近原理,即认为被跟踪设备与扫描仪非常接近或位于同一点;因此,给定设备行进的路径是通过使用某种数据分析方法结合所有扫描仪的信息来聚合每个传感器的位置来计算的。


BT扫描仪已被应用于研究游客在城市中的行为、评估用户在机场、户外节日中的活动,以及其他用途。最近,在冠状病毒爆发下,出现了接触者追踪应用程序,以识别与感染者接触的人。这些安装在移动设备中的应用程序收集附近设备的BTMAC地址,以与政府机构共享信息。所有这些方法都通过注册他们设备的MAC地址来单独识别每个用户,并且它们提供了非常有竞争力的结果;但是,检测率取决于BT设备的操作状态。BT有三种不同的:关闭、打开-不可见和打开-可见。BT扫描仪只能检测到处于可见模式的设备。因此,研究人员在检测率方面提出了不同的结果,例如,7%、8%和11%。在跟踪总体时,这种低检测率会降低样本量。此外,BT扫描受限于BT的检测范围受到信号干扰的负面影响。这些干扰是由其他电子设备、物理对象等产生的。


基于Wi-Fi扫描的传感器也被应用于通过使用与BT类似的方法从人类在不同环境中的时空运动中提取特征。使用Wi-Fi接口的设备的检测率比扫描BT时更具竞争力。这是由于不同的原因:用户通常倾向于保持设备的Wi-Fi开启,以增加连接到附近任何Wi-Fi网络的机会;BT发现时间是Wi-Fi发现时间的十倍;Wi-Fi的通信范围比BT的要长得多,因此可以检测到更远的设备。当使用这些通信接口监控用户时,Wi-Fi连接的更扩展的通信范围也是一个缺点。跟踪系统的准确性受到限制,因为设备应该与传感器位于同一点;但是,由于它不是为BT等短距离通信而设计的,因此Wi-Fi设备可能位于给定的相当距离处。


我们的方法与文献中提出的其他系统之间的主要区别在于来自检测BT和Wi-Fi信号的数据与声音噪声水平的组合。这些数据源的组合提供了关于给定点的道路交通状况和人员密度及其流动性的全局知识:系统捕获MAC地址和噪声数据,将其转换为聚合信息,然后从中构建知识。


因此,与文献中提出的系统相比,所提出的系统的主要优点是:


与公路硬件相比:我们的传感器由简单的硬件设备组成,在市场上很容易找到,成本低,易于安装和维护。传感器消耗低能量。此外,我们的信息物理系统还能检测车辆和人员。通常,道路硬件仅收集有关车辆的信息。

与摄像头相比:我们的系统不传输或存储车辆牌照或行人面部/身体的图像或数据;因此,它减轻了可能的GDPR问题。此外,基于相机的系统应用高计算成本的算法来处理图像并获取数据。相比之下,我们的方法使用基本方法从收集的数据包/数据报中提取MAC地址。

与基于无线信号检测的跟踪系统相比:我们的提议提高了文献中其他系统的准确性,因为我们决定同时捕获来自两种网络接口的信号。检测这两种类型的无线信号提高了检测设备的可能性。

与所有其他系统相比:除了检测无线设备外,我们的网络物理系统还收集噪声水平,因为噪声污染与道路交通之间存在相关性;因此,传感器收集的噪声水平可用于提高道路交通估计的准确性。此外,已经证明高噪音水平会导致健康问题;因此,在我们的智慧城市中,它是衡量和控制的一个关键方面。


光电训练系统

相关推荐