Прогнозування висоти дерев через Згорткову Нейронну Мережу
Відомо, що чим вища частота, тим більше перешкоди впливають на поширення радіосигналу, тобто, будь-який об’єкт між передавачем і приймачем працює як бар’єр. Тому такий вплив слід враховувати при розгортанні мереж 5G із діапазоном частот від 450 МГц до 6 ГГц і від 24,25 ГГц до 52,6 ГГц.
Як правило, сучасне місто — це багато парків, скверів, зон відпочинку, деревних насаджень тощо. Таким чином, постає завдання правильно, точно і детально відобразити рослинність в моделі перешкод. Мережі, розгорнуті без урахування 3D-дерев, не відповідають вимогам планування 5G і очікуваній якості і стабільності сигналу.
Рослинність, як масив крон дерев і також, кожне окреме дерево та кущ, має бути взято до уваги та включено в картографічну модель місцевості.
Одним із наших проєктів було створення 3D-моделей 146 міст Німеччини для розгортання мережі 5G одного з національних операторів мобільного зв’язку. Відповідно, 3D-моделі дерев мали бути створені для площі понад 1500 кв.км з високою якістю та точністю, та з урахуванням особливостей ландшафту.
Найкращими та найнадійнішими джерелами для визначення точної висоти рослинності є дані LIDAR та стереоаерофотознімки. Але ці дані, зазвичай, дорогі і не завжди наявні для повного покриття великих територій.
Для цього проєкту наш відділ досліджень і розробок створив технологію попередньо навченої моделі Згорткової Нейронної Мережі (Convolutional Neural Network or CNN), навченої для двох міст Баутцен і Плауен, де аерофотознімки та дані LIDAR були доступні. Після відповідного навчання CNN була застосована для прогнозування висот рослинності в інших міст з високим коефіцієнтом вірогідності.
Читайте більше: Visicom_Convolution_Neural_Networks.pdf (eng)
