本文關(guān)鍵詞：基于智能手機的交通方式識別的研究與設(shè)計

  更多相關(guān)文章： 交通方式識別 智能手機 隨機森林算法

【摘要】：隨著移動互聯(lián)網(wǎng)的普及,各種有關(guān)移動互聯(lián)網(wǎng)的應用蘊含著巨大的商機。交通方式的自動判別顯而易見在交通規(guī)劃領(lǐng)域和基于位置的服務(wù)(Location Based Service,LBS)領(lǐng)域擁有著廣闊的應用價值�，F(xiàn)階段的智能手機擁有越來越強大的功能,通信不再是手機的唯一功能。智能手機的強大在于其不僅擁有通信功能,還有強大的感知、運算和存儲能力。然而,在當前有關(guān)基于智能手機的交通方式識別研究中,單一的數(shù)據(jù)來源是難以使交通方式識別算法有很好的適應性的。另外,模式識別算法本身對于不同的場景也有著不同的適應能力,這些對交通方式識別精度的提高是很大的阻礙。本文提出基于智能手機并利用隨機森林算法以判別交通方式的識別方法,主要包括以下幾個方面的研究內(nèi)容:1、引入多種數(shù)據(jù)來源,解決交通方式識別中數(shù)據(jù)來源單一的問題,并研究在新的數(shù)據(jù)來源被引入后,對識別準確率的影響。2、研究不同交通方式識別算法對識別準確率的影響,特別是比較隨機森林算法和支持向量機算法在性能上的異同。3、基于智能手機的交通方式識別系統(tǒng)設(shè)計,主要包括系統(tǒng)總體設(shè)計、系統(tǒng)詳細設(shè)計等內(nèi)容。在設(shè)計思路方面,詳細研究了本系統(tǒng)的數(shù)據(jù)采集、特征提取和基于隨機森林的模型構(gòu)建。在詳細設(shè)計方面,主要完成了系統(tǒng)交互、存儲、數(shù)據(jù)采集、特征提取、方式判別、主控制的設(shè)計。4、基于智能手機的交通方式識別系統(tǒng),主要包括系統(tǒng)軟硬件運行環(huán)境、系統(tǒng)功能模塊實現(xiàn)、系統(tǒng)測試環(huán)境的搭建、交通方式判別結(jié)果測試等內(nèi)容。本文是基于智能手機的交通方式識別系統(tǒng)的研究與設(shè)計。經(jīng)過測試,對多種交通方式的判別準確率可以達到90%,具有很好的使用價值。
【關(guān)鍵詞】：交通方式識別 智能手機 隨機森林算法
【學位授予單位】：湖南科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TN929.53
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 研究的背景和意義10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 本文的主要研究內(nèi)容14
• 1.4 論文的組織結(jié)構(gòu)14-16
• 第二章 交通方式識別關(guān)鍵技術(shù)研究16-28
• 2.1 交通方式識別概述16-17
• 2.2 定位技術(shù)研究17-20
• 2.2.1 基站定位技術(shù)18-19
• 2.2.2 GPS定位技術(shù)19-20
• 2.2.3 AGPS定位技術(shù)20
• 2.3 典型識別算法研究20-25
• 2.4 本章小結(jié)25-28
• 第三章 基于改進隨機森林的交通方式識別28-40
• 3.1 隨機森林算法28-31
• 3.1.1 單棵決策樹的生成28-29
• 3.1.2 隨機森林的數(shù)學模型29-31
• 3.2 算法比較31-36
• 3.3 隨機森林算法的改進36-38
• 3.3.1 隨機森林算法存在的問題36
• 3.3.2 隨機森林算法改進36-38
• 3.4 本章小結(jié)38-40
• 第四章 基于智能手機的交通方式識別系統(tǒng)設(shè)計40-62
• 4.1 系統(tǒng)概述40
• 4.2 系統(tǒng)模型構(gòu)建40-52
• 4.2.1 數(shù)據(jù)采集40-43
• 4.2.2 特征提取43-47
• 4.2.3 基于改進隨機森林算法的模式識別47-49
• 4.2.5 特征量有效性的驗證49-50
• 4.2.6 模型簡化50-52
• 4.3 系統(tǒng)總體設(shè)計52-53
• 4.4 系統(tǒng)軟硬件開發(fā)環(huán)境53
• 4.5 系統(tǒng)詳細設(shè)計53-60
• 4.5.1 交互模塊詳細設(shè)計54-55
• 4.5.2 存儲模塊詳細設(shè)計55-56
• 4.5.3 數(shù)據(jù)采集模塊詳細設(shè)計56-57
• 4.5.4 特征提取模塊詳細設(shè)計57-58
• 4.5.5 方式判別模塊詳細設(shè)計58-59
• 4.5.6 主控制模塊詳細設(shè)計59-60
• 4.6 本章小結(jié)60-62
• 第五章 基于智能手機的交通方式識別系統(tǒng)測試62-68
• 5.1 系統(tǒng)界面測試62-64
• 5.1.1 系統(tǒng)頁面組成62
• 5.1.2 交通方式判別主頁面62-63
• 5.1.3 歷史交通軌跡列表頁面63-64
• 5.2 系統(tǒng)功能測試64-66
• 5.3 交通方式識別結(jié)果測試66-67
• 5.4 本章小結(jié)67-68
• 第六章 總結(jié)與展望68-70
• 6.1 全文總結(jié)68-69
• 6.2 對進一步研究工作的展望69-70
• 參考文獻70-74
• 致謝74-76
• 附錄A 攻讀學位期間發(fā)表的論文和參與的科研項目76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫世超;楊東援;;基于樸素貝葉斯分類器的公交通勤人群辨識方法[J];交通運輸系統(tǒng)工程與信息;2015年06期

2 溫劍鋒;陶順;肖湘寧;駱晨;廖坤玉;;基于出行鏈隨機模擬的電動汽車充電需求分析[J];電網(wǎng)技術(shù);2015年06期

3 習文星;湯心溢;;基于隨機森林和支持向量機的快速行人檢測算法[J];計算機應用;2014年S2期

4 邱一卉;林成德;;基于隨機森林和單類支持向量機的電信行業(yè)客戶流失預測[J];廈門大學學報(自然科學版);2013年05期

5 耿曉平;;基于本體的決策樹算法在應急決策系統(tǒng)中的研究[J];機械管理開發(fā);2011年04期

6 張晶;;基于決策樹的知識獲取方法研究[J];制造業(yè)自動化;2011年08期

7 付忠良;趙向輝;;分類器動態(tài)組合及基于分類器組合的集成學習算法[J];四川大學學報(工程科學版);2011年02期

8 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

9 毛敏;;GPS衛(wèi)星定位系統(tǒng)簡介[J];陜西國防工業(yè)職業(yè)技術(shù)學院學報;2010年01期

10 韓磊;吳樹芳;王子賢;;貝葉斯網(wǎng)絡(luò)[J];電腦知識與技術(shù);2009年21期

，

本文編號：630287