Upload
cs-center
View
33
Download
1
Embed Size (px)
Citation preview
Создание прототипа
датчика подсчета
проехавших машин
Тримасова Лада
Руководители:
Алексей Шатерников
Владислав Миронов
Актуальность
Оценка нагрузки проезжей части востребована в большом диапазоне задач.
Проблема существующих решений:
• стоимость
• инсталляция
• автономность
2/14
Цели
• Построение модели подсчета автомобильного трафика по аудио
потоку с точностью более 90 процентов
• Получение прототипа автономного сенсора для оценки нагрузки
проезжей части
3/14
Этапы работы
1. Сбор данных
2. Разметка данных
3. Feature engineering
4. Подбор алгоритма машинного обучения
4/14
Входные данные:
• 5 x 10 минут аудиозаписей (различная интенсивность движения)
Обработка данных:
• Аудиозаписи делятся на интервалы по 1 минуте со скользящим
окном 5 секунд.
Предобработка данных
7/14
В качестве фичей с помощью библиотеки Essentia извлекаем из
аудио потока:
- Mel-frequency cepstrum Coefficients
- Linear predictive Coefficient
8/14
Предобработка данных
Оценка модели
kfold-кроссвалидация:
• перемешиваем данные аудиозаписей всех типов дорог, делим на
фолды
• перемешиваем аудиозаписи всех типов дорог, кроме одного,
тестируем на оставшемся
10/14
Результаты CV
Sklearn
LinearModel
xgboost Microsoft
LightGBM
все типы
перемешаны
16% 9-10% 9-10%
тестируем на
неизвестном модели
типе
72% 29-30% 29-30%
Метрика: средняя относительная ошибка
11/14
Датчик для подсчета машин
Планируется использовать
Raspberry Pi
- запись аудио сигнала
- получение LPC & MFCC
- оценка нагрузки дорожного
движения
12/14
Планы
1. Исследовать влияние погодных условий на модель
2. Собрать и разметить больше данных, увеличить временной
интервал предсказания
3. Улучшить результаты тестирования на неизвестном модели
участке дороги
4. Попробовать другие устройства аудиозаписи
13/14