Dissertação de Mestrado

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.

Road traffic accidents involving animals cause great health, environmental, and monetary costs every year, specially on rural areas. Current animal detection systems suffer from either cost, scalability or accuracy issues, which prevent their effective use in a more extensive manner. Recently, the use of WiFi Channel State Information (CSI) data for sensing applications has emerged as a promising alternative, allowing to monitor traffic only using the embedded antennas of low cost devices, but there are no studies employing this method for monitoring animal crossings in roads. In this research, we propose to develop and evaluate a system capable of detecting risky situations in rural roads, such as animals or pedestrians crossing the roadway, which could endanger drivers and other road users. Our system is based on WiFi sensing using low-cost IoT devices, which enables a scalable and cost-effective solution for monitoring multiple kilometers of roads. Our results show that CSI data is discriminative, enabling the detection and correct classification of small and large animals, people and vehicles crossing the road in more than 95% of cases. We have also conducted simulations to demonstrate coexistence between WiFi sensing and wireless communications, and to analyze edge and cloud processing wireless sensor network topologies, in order to identify the most suitable architecture for deployment over rural roads.