Detecção de baixo custo de travessias de pedestres e animais em rodovias rurais usando sensoriamento WiFi e deep learning.

• Ano de defesa: 2024
• Autor(a) principal: Ducca, Samuel Vieira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Animal detection system; Aprendizado computacional; Detecção de animais; Internet das cosas; IoT; Machine learning; Road safety; Segurança de estradas; Sensoriamento; WiFi sensing
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-11112024-103331/

Acidentes de trânsito envolvendo animais causam grandes danos ambientais, econômicos e de saúde pública, especialmente em áreas rurais. Os sistemas de monitoramento de tráfego e de detecção de animais atuais sofrem de problemas como baixa acurácia, alto custo ou difícil escalabilidade, impedindo com que sejam usados de maneira mais pervasiva nos milhares de quilômetros de rodovias rurais do país. Recentemente, o uso de dados de Channel State Information (CSI) de WiFi emergiu como uma alternativa promissora para o sensoriamento, permitindo o monitoramento de tráfego veicular usando apenas dispositivos de baixo custo com antena de WiFi. Entretanto, este método ainda não foi aplicado para monitoramento de travessias de animais em rodovias. Visando fechar essa lacuna, este trabalho tem como objetivo projetar, implementar e avaliar um sistema de detecção e classificação de riscos ao motorista, como animais e pedestres na pista, baseado em dados de CSI de WiFi, utilizando técnicas de machine learning e dispositivos IoT (Internet das Coisas) de baixo custo. Essa abordagem visa a implementação em vias de menor movimento e com acesso limitado à infraestrutura, como rodovias vicinais. Os resultados obtidos mostram que os dados de CSI são discriminativos, permitindo detectar travessias em estradas e classificá-las corretamente entre animais de pequeno e grande porte, pessoas e veículos em mais de 95% dos casos. Nossos resultados também incluem a análise de simulações de rede tanto de camada física, para garantir a coexistência entre sensoriamento WiFi e comunicação wireless, como de topologias de rede, de maneira a identificar a melhor arquitetura para implementação da rede de sensores em rodovias rurais.