人工智能通过Wi-Fi信号预测出行方式 准确率超过80%

　　【CNMO新闻】从人们身上的电子设备中，可以了解到很多关于他们的东西，包括他们的动作。在赖尔森大学的研究人员发表的一篇论文中，描述了一个神经网络，它可以从Wi-Fi数据中获得有关智能手机用户的信息，特别是他们的出行方式，是选择步行、骑自行车，还是开车。
　　研究人员指出，Wi-Fi比常用的模式分类方案有更多优势。首先，它无处不在，即使在城市高楼等环境中，它也能可靠地在室内工作。论文作者解释说：“由于Wi-Fi网络的普适特性，它有潜力在多式联运中收集大规模、低成本和非聚合的数据。在这项研究中，我们开发了一个框架，利用从智能手机获取的Wi-Fi通信来检测交通模式。”

Wi-Fi

　　为了编制数据集，研究人员建立了一个名为UrbanFlux的系统，该系统由半径为50米的Wi-Fi探测器组成，部署在多伦多市中心一个拥挤的城区，之所以选择这些地点，是因为这里有自行车道、人行道、双车道和单车道街道，以及有轨电车。在2017年6月和2018年8月分别进行了几次试验，他们记录了四名志愿者的MAC地址、信号强度和个人智能手机的连接次数，这些志愿者绕着指定的圆圈走了10圈，行动方式分为走路、骑车和开车。
　　训练后的人工智能系统提取部分数据进行分析，它的预测精度超过80%，其中，对开车的预测准确率最高，而骑自行车的准确率最低。
　　该论文的作者写道：“他的方法可以被市政府、运营商和规划者用来更好地了解用户的出行习惯和他们的出行趋势。交通模式检测，还可以了解能源消耗、跟踪和预测污染源以及估算燃烧的卡路里。”他们将模型扩展到不同的交通方式，如地铁、有轨电车和公共汽车，并整合来自交通时间表的实时数据，这将是他们未来的工作。