【文章內(nèi)容簡介】 ........................................................................... 57 系統(tǒng)運(yùn)行介紹 ......................................................................................................... 59 應(yīng)用程序頁面交互 .............................................................................................. 59 交通模式判別 ...................................................................................................... 60 歷史交通軌跡列表 .............................................................................................. 62 歷史交通軌跡詳細(xì)信息 ...................................................................................... 63 VII 本章總結(jié) ................................................................................................................. 63 第五章 交通模式判別系統(tǒng)的測試 .............................................................................. 64 系統(tǒng)測試環(huán)境 ......................................................................................................... 64 操作流程測試 ......................................................................................................... 64 交通模式判別結(jié)果測試 ......................................................................................... 65 交通模式判別準(zhǔn)確 率 .......................................................................................... 65 手機(jī)放置位置 ...................................................................................................... 67 本章總結(jié) ................................................................................................................. 67 第六章 總結(jié)與展望 ...................................................................................................... 68 論文工作總結(jié) ......................................................................................................... 68 進(jìn)一步的研究工作 ................................................................................................. 69 參考文獻(xiàn) ........................................................................................................................ 70 攻讀學(xué)位期間發(fā)表或已錄用的學(xué)術(shù)論文 .................................................................... 73 第一章 緒論 1 第一章 緒論 課題 的 研究背景和意義 近年來，隨著社會智能化與信息化的發(fā)展，自動判別用戶的交通模式具有越來越重大的意義。自動判別用戶的 交通模式 ， 指 通過獲取和分析相關(guān)數(shù)據(jù)， 自動識別 出用戶當(dāng)前的交通模式 ，如 靜止、走路、 騎車、開車、乘坐公交車等 。 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，給用戶造成較大的壓力和負(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 [2]，為滿足越來越強(qiáng)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(yùn)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(yùn)動。 圖 11 不同類別的交通模式 在 識別 用戶交通模式的研究中，高識別 準(zhǔn)確率、豐富的識別種類和便于實施的要求非常重要 [3]。一方面，以高準(zhǔn)確率識別多種類別是它被應(yīng)用的基礎(chǔ)，另一方面，由于成本與實施問題因此要求方法是易于被普通用戶接受的。近年來已經(jīng)有不少相關(guān)研究。然而，這些研究均不能同時滿足以上三方面的需求。 Shuangquan Wang 提出一種基于加速度傳感器的交通模式識別方法 [4]，能夠識別豐富的類別（包括地鐵），僅依賴加速度傳感器數(shù)據(jù)實施簡便，但是準(zhǔn)確率僅有 70%。 S. Reddy 提出一種基于手機(jī)的 GPS 和加速度傳感器的交通模式識別方法 [5]，準(zhǔn)確率北京郵電大學(xué)工學(xué)碩士學(xué)位論文 2 高達(dá) %，且僅依賴于手機(jī)傳感器數(shù)據(jù)滿足便于實施的要求；但是，它只能區(qū)分靜止、走路、跑步、自行車和機(jī)動車等 5 種模式，不能將機(jī)動化的交通模式區(qū)分開來。 Leon Stenh提出一種基于 GPS和 GIS的識別方式 [6]，準(zhǔn)確率高達(dá) %，能夠?qū)⒌孛嫔系臋C(jī)動化交通區(qū)分開來 (不包括地鐵 )，但識別需借助于 后臺服務(wù)器的運(yùn)算， 不易實施。 隨著智能終端的發(fā)展和普及，智能終端具有越來越強(qiáng)大的通信和運(yùn)算能力，而且集成了 GPS、加速度傳感器等傳感模塊 [7]，使用用戶每天都隨身攜帶的智能終端進(jìn)行用戶交通模式判別，這為用戶提供便利，減少了佩戴專門傳感器的麻煩。目前基于手機(jī)的交通模式識別方法普遍 使 用 手機(jī)的 GPS 模塊和加速度傳感器進(jìn)行研究， 使用 手機(jī)其他相關(guān)傳感器的研究較少。 因此，基于當(dāng)前交通模式識別的研究現(xiàn)狀和智能手機(jī)的發(fā)展情況， 本文 對基于智能手機(jī)的交通模式識別進(jìn)行了研究， 目標(biāo)是 找到一種能夠滿足 高識別準(zhǔn)確率、豐富的識別種類和便于實施的要求的交通模式識別方法，并且將該方法應(yīng)用 到 交通模式判別 系統(tǒng)的設(shè)計與實現(xiàn)中 。 課題 的 主要研究內(nèi)容 研究內(nèi)容 本文 針對基于智能手機(jī)的交通模式判別系統(tǒng) 的設(shè)計與實現(xiàn) 提出了以下主要研究內(nèi)容： 1） 陀螺儀和聲音傳感器用于交通識別： 目前的研究已經(jīng)證明了 GPS 和加速度傳感器對交通模式識別的有益效果，在此基礎(chǔ)上，本文著重對其他內(nèi)置于手機(jī)的傳感器進(jìn)行研究，驗證它們在識別中的作用。 陀螺儀與 加速度傳感器結(jié)合，可以去將用戶加速度與重力加速度區(qū)分開來， 不同交通模式的應(yīng)用場景具有不同的環(huán)境特點， 可以通過聲音傳感器進(jìn)行分析， 本文通過實驗驗證這兩種傳感器是否在識別中起到重要作用，并確定參與識別的特征。 2） 加速度合成與分解算法 ： 三軸加速度是針 對手機(jī)特定方向的加速度，因此，要通過對獲取到的加速度進(jìn)行預(yù)處理 ，即去除 重力方向的影響后，才能運(yùn)用于決策算法中。 目前提出了 分解和合成 兩種加速度 預(yù)處理算法，有研究表明分別分解算法更好，但也有研究表明合成算法更好。 因此， 需 針對本 文的特征集比較兩種算法的優(yōu)劣，并選擇最優(yōu)的算法來進(jìn)行預(yù)處理。 3）基于智能手機(jī)的室內(nèi)外定位：一方面，本文結(jié)合公共交通站點信息研究用戶位置與交通線路的關(guān)系，而獲取精確的用戶位置是公共交通擬合研究的前提；第一章 緒論 3 另一方面，本文的交通模式判別系統(tǒng)應(yīng)用的環(huán)境包括室內(nèi)（如地鐵）， GPS 是目前最精準(zhǔn)的室外定位方式，但在室內(nèi)無法獲取到 GPS 數(shù)據(jù) [8]。因此，本文對當(dāng)前的定位技術(shù)、 GPS 誤差修正、基站定位方法進(jìn)行了研究，重點的對基于 GPS和基站的混合 定位方法進(jìn)行了研究，并提出適用于室內(nèi)外的混合定位策略。 4）基于位置的公共交通擬合：本文將一段時間內(nèi)用戶位置與公共交通線路的關(guān)系作為交通模式識別研究的特征，因此，本文對基于位置的公共交通擬合方法進(jìn)行了研究，并確定交通擬合度的算法，該研究分為交通站點擬合和交通線路擬合兩個方面。 5）分類算法的 選擇 ：在交通模式判別中，最常用的 分類算法為決策樹，但是決策樹過于簡單，依賴于固定的閾值 。因此本研究通過對幾種不同的 分類算法（如隨機(jī)森林、決策樹、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)等） 進(jìn)行 研究和對比 ， 確定一種最適合于本系統(tǒng)的方法 。 借助專業(yè)的分析軟件對實驗數(shù)據(jù)進(jìn)行分析，并 訓(xùn)練 本系統(tǒng)的 分類判別規(guī)則。 6）分類特征選擇方法的選擇： 本文涉及的參與識別的特征包括五個類別，每個類別又包含 多個 特征，如何快速從眾多特征中選出對識別最有效果的特征成為了研究的目標(biāo)之一。因此，本文對分類特征的選擇方法進(jìn)行了調(diào)研，對幾種特征選擇方法進(jìn)行了對比實驗。 7） 交通模式判別 系統(tǒng)的設(shè)計、開發(fā)、實現(xiàn)與測試 ： 本文旨在開發(fā)出一個基于智能手機(jī)的交通模式識別系統(tǒng)，在完成對交通模式識別方法的研究后，如何 完成系統(tǒng)的設(shè)計與實現(xiàn) 成為了本文的一個研究的重點。 本文的交通模式識別系統(tǒng)是一個 基于 iPhone 的應(yīng)用程序，該系統(tǒng)由六個模塊組成，本文對六個模塊的詳細(xì)設(shè)計與實現(xiàn)進(jìn)行了 研究，系統(tǒng)的可行性和有效性 通過系統(tǒng)測試進(jìn)行驗證 。 面臨的挑戰(zhàn)和 本文 貢獻(xiàn) （ 1）面臨的挑戰(zhàn) 本文的研究面臨著一些挑戰(zhàn)，其中 最大的挑戰(zhàn)是部分交通模式不易被識別。首先 ，因為室內(nèi)的 GPS 信號不易被獲取到，因此 ， 室內(nèi)的交通模式（如地鐵）的識別準(zhǔn)確率非常低； 其次 ，公交車和小汽車都是機(jī)動化的交通模式，具有非常相似的特征，不易通過短時間的速度與加速度信息予以區(qū)分。 因此，本文 旨在從豐富的數(shù)據(jù) 中找出能夠?qū)⑦@些交通模式區(qū)分開來的有效特征 ，引入了陀螺儀和聲音傳感器， 以及 城市公共交通站點信息。 （ 2）本文的貢獻(xiàn) 本文提出了一種交通模式識別方法，并基于該方法設(shè)計并實現(xiàn)了一個交通模式判別系統(tǒng)，因此，本文的貢獻(xiàn)主要包括以下 幾 個方面 ： 北京郵電大學(xué)工學(xué)碩士學(xué)位論文 4 ? 聲音傳感器、 陀螺儀 應(yīng)用研究 聲音傳感器和陀螺儀是兩種 之前 較少 被應(yīng)用于此研究領(lǐng)域的傳感器，本文評估了它們 對交通模式識別的有益效果。 ? 公共交通站點信息的引入和 公共交通擬合方法 利用 目前已開放的公共交通站點信息， 本文提出公共交通站點擬合度和公共交通線路擬合度的計算方法 ，該擬合度 對乘坐 公交車、 地鐵和城鐵等公共交通方式的識別具有一定的作用。 ? 分類算法與特征選擇方法 本文使用分類組合算法隨機(jī)森林來進(jìn)行模型構(gòu)建，比單一分類算法適應(yīng)力強(qiáng)；使用隨機(jī)森林來進(jìn)行特征選擇，針對隨機(jī)森林模型，該方法更具有針對性和有效性。 ? 高 準(zhǔn)確率 的判別 在交通模式豐富的前提下， 本系統(tǒng)的 平均判別準(zhǔn)確率高達(dá) 90%。 ? 實時的判別 本系統(tǒng)針 即 可 應(yīng)用 于 交通調(diào)查領(lǐng)域，也可應(yīng)用于 基于位置服務(wù)領(lǐng)域，提供實時的交通模式判別，判別時間窗口約為 1 分鐘 。 ? 豐富的交通模式 本系統(tǒng)能夠?qū)?8 種交通模式進(jìn)行區(qū)分 ，分別是靜止、走路、跑步、騎自行車、乘坐公交車、 開車、乘坐地鐵和乘坐城鐵，滿足了識別種類豐富的要求。 ? 基于手機(jī) 的判別 判別依賴的數(shù)據(jù)均可直接通過手機(jī)獲取到，判別的分析和運(yùn)算都在手機(jī)中完成，判別結(jié)果通過手機(jī)地圖基于位置進(jìn)行展示。本系統(tǒng) 充分利用 了手機(jī)強(qiáng)大的感知、運(yùn)算 、 存儲 、 交互 能力 ，以及攜帶 方便 的特性。 ? 手機(jī)放置的影響 當(dāng)手機(jī) 以不同的姿態(tài) 放置在 褲兜、衣兜、手上、包中 等 不同 位置 時，均能獲得較高判別的準(zhǔn)確性。 論文 的 組織結(jié)構(gòu) 本文 詳細(xì)分析了現(xiàn)有技術(shù)的優(yōu)缺點，在此基礎(chǔ)上，提出了基于 智能手機(jī)的交通模式判別系統(tǒng)設(shè)計與實現(xiàn)的方法 。 本文 的組織結(jié)構(gòu)如