【摘要】：交通模式是一種用戶上下文信息。隨著智能化社會的發(fā)展,自動判別用戶的交通模式具有越來越重要的研究意義,其被廣泛應(yīng)用于交通規(guī)劃領(lǐng)域和基于位置的智能服務(wù)領(lǐng)域。智能終端的發(fā)展和普及,使得智能手機(jī)具有越來越強大的感知、運算、存儲和通信能力,使用用戶隨身攜帶的智能手機(jī)進(jìn)行交通模式判別是目前研究的熱門話題。當(dāng)前的交通模式識別研究普遍存在數(shù)據(jù)來源單一、分類算法適應(yīng)性差、識別準(zhǔn)確率低等問題。本文提出了一種基于隨機(jī)森林的交通模式識別方法,并且根據(jù)該方法完成了基于智能手機(jī)的交通模式判別系統(tǒng)的設(shè)計與實現(xiàn),取得了如下成果： 第一,針對當(dāng)前交通模式識別方法中數(shù)據(jù)來源單一的問題,引入了聲音傳感器、陀螺儀和公共交通站點位置信息。聲音傳感器和陀螺儀在此研究領(lǐng)域中較少被使用,實驗結(jié)果表明兩種傳感器的加入使得識別準(zhǔn)確度提高3.1%至14.7%。公共交通站點位置信息被用于計算公共交通相關(guān)特征,為此本文提出了一種用戶交通軌跡的獲取方法,以及一種基于公共交通站點位置和用戶交通軌跡的公共交通擬合度計算方法。公共交通相關(guān)特征表征用戶乘坐公共交通工具的可能性,可以使識別準(zhǔn)確度提高4.2%。 第二,針對當(dāng)前交通模式識別中分類算法適應(yīng)性差、識別準(zhǔn)確率低的問題,提出了一種基于隨機(jī)森林的交通模式識別方法,隨機(jī)森林被用于模型構(gòu)建和特征選擇兩個過程。本文在樣本集上對樸素貝葉斯、貝葉斯網(wǎng)絡(luò)、決策樹、支持向量機(jī)共四種單一分類算法和隨機(jī)森林組合分類算法進(jìn)行了對比實驗,結(jié)果表明隨機(jī)森林算法具有最好的分類效果；另外,通過對比實驗驗證了隨機(jī)森林在本文的特征選擇研究中優(yōu)于信息增益法和reliefF法。 第三,基于本文提出的交通模式識別方法,完成了基于智能手機(jī)的交通模式判別系統(tǒng)的設(shè)計與實現(xiàn)。本文的交通模式判別系統(tǒng),能夠識別靜止、步行、跑步、騎自行車、乘坐公交車、開車、乘坐地鐵和乘坐城鐵共八種交通模式,平均判別準(zhǔn)確率達(dá)到89.8%。該系統(tǒng)不僅能夠?qū)崿F(xiàn)實時的交通模式判別,而且提供了友好的用戶接口,判別結(jié)果結(jié)合地圖進(jìn)行展示,用戶歷史交通模式信息能夠以交通軌跡為單位進(jìn)行存儲和展示。
【圖文】：

是指通過獲取和分析相關(guān)數(shù)據(jù)，自動識別出用戶的交通模式，如靜止、步行、騎車、開車、乘坐公交車等，如圖1-1所示。交通模式識別可應(yīng)用于以下幾個方面。首先，在交通規(guī)劃領(lǐng)域，用戶的出行數(shù)據(jù)是交通規(guī)劃的基礎(chǔ)數(shù)據(jù)[1]，傳統(tǒng)的出行數(shù)據(jù)收集方式是電話訪問和問卷式，給用戶帶來較大的壓力和負(fù)擔(dān)，用戶交通模式的自動判別為收集用戶出行數(shù)據(jù)提供了極大便利。其次，在基于位置(LBS)的智能服務(wù)領(lǐng)域[21，為滿足越來越強烈的個性化需求，，準(zhǔn)確地判別出用戶所處的位置以及當(dāng)前的狀態(tài)至關(guān)重要；根據(jù)用戶日常的交通模式，可以挖掘出用戶的行為習(xí)慣，進(jìn)而提供個性化與智能化的服務(wù)。再次，判別用戶的交通模式，在分享GPS軌跡的社交網(wǎng)絡(luò)、運動類產(chǎn)品以及智能監(jiān)控系統(tǒng)中，都有一定的應(yīng)用。例如，將用戶的交通模式添加到GPS軌跡中，可以讓用戶更直觀清晰的分析自己的歷史運動。一一 、?、、/ A —、 ￡,、、/p

本文編號：2564354