由韩裔和美国科学家组成的联合小组仅使用两台带有活动WiFi和神经网络模块的笔记本电脑
创建了流量跟踪系统。 这种系统的成本远远低于交通监控网络的标准基础设施的价格，该基础设施包括摄像头，雷达和专用软件。
使用新系统的移动车辆的识别精度很高。 确定的车辆类型的准确度为91.1％。 该系统以几乎100％的精度区分不同类型的汽车和摩托车之间的差异。
为了使系统正常工作，您需要两台笔记本电脑，它们分别位于道路和WiFi的相对两侧。 没错，科学家再安装了两台带有连接摄像头的笔记本电脑，这使我们能够计算出经过的汽车数量并确定车辆类型。
该系统的原理是分析变化的无线电信号，其特性会受到行驶中的车辆的影响。 为了确定机器的类型，开发人员使用了卷积神经网络，该网络经过训练可以在120小时内识别出车辆的类型。 在此过程中，已经在路上的“现场条件”中收集了用于训练的数据。
开发人员的目标不是学习识别所有类型的车辆。 首先，
训练了神经网络
来识别汽车，SUV，皮卡车，卡车和摩托车。 如上所述，确定各种类型的车辆沿着道路通过的准确性非常高-约为99.4％。 确定运输类型的准确性已经较低，从83.3％降至99.7％。 平均准确度为91.1％。
根据该项目的作者，还可以对该系统进行更复杂的任务培训，之后，例如由运输警察可以使用该系统。 该系统的准确性略低于标准基础设施，但是很有可能在道路的偏远地区使用神经网络，这使您可以将大量新的地区连接到交通监控中。
该系统不适用于解决违反交通规则的问题，但适用于确定交通密度，完全使用个别路段的效率。 “我们相信我们的系统对于评估远离中心的数千公里长的路段的工作非常有用，”项目参与者说。 该系统的价格（包括训练神经网络的过程和神经网络本身）的价格约为1000美元。 固定观察点的成本超过35,000美元。