Klasifikace vozidel na základě dat z magnetometrů

Abstract

Cílem této práce je navrhnout klasifikátor vozidel pracující na základě dat ze sady tříosých magnetometrů instalovaných napříč vozovkou. Jako reference byla použita data z blízkého WIM systému. V práci je seznámení s problematikou použití magnetometrů pro detekci vozidel i s problematikou klasifikace vozidel do různých tříd. Vozidla jsou klasifikovány podle tří způsobů klasifikace. Dále jsou v práci popisovány metody zpracování datasetů měřených vozidel, metody zpracování signálů a použití metod strojového učení včetně konvolučních neuronových sítí a rozhodovacích stromů. V práci jsou popsány možné technické problémy a vnější vlivy ovlivňující výsledek.

The aim of this thesis is to design a vehicle classifier based on data from a set of tri-axial magnetometers installed across the roadway. Data from a nearby WIM system was used as reference. This work introduces the problem of using magnetometers for vehicle detection as well as the problem of classifying vehicles into different classes. Vehicles are classified according to three classification methods. Furthermore, the paper describes methods for processing datasets of measured vehicles, signal processing methods and the use of machine learning methods including convolutional neural networks and decision stems. Possible technical problems and external influences affecting the result are described.