廖思静-基于智能手机的交通模式判别系统的设计与实现-盲审V1-2(修改).docxVIP

北京邮电大学学位论文 第一章 密级： 保密期限： 硕士学位论文 题目： 基于智能手机的交通模式 判别系统的设计与实现 学 号： 2011111413 姓 名： 廖思静 专 业： 通信与信息系统 导 师： 程时端 学 院： 网络技术研究院 2013年 12月21日  独创性（或创新性）声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名： 日期： 关于论文使用授权的说明 学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。（保密的学位论文在解密后遵守此规定） 保密论文注释：本学位论文属于保密在 年解密后适用本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。 本人签名： 日期： 导师签名： 日期：   PAGE \* MERGEFORMATVI PAGE VII PAGE 7 基于智能手机的交通模式判别系统的设计与实现 摘 要 交通模式是一种用户的上下文信息，随着信息化与智能化社会的发展，自动判别用户的交通模式具有越来越重要的研究意义。交通模式判别主要应用于交通规划领域和基于位置的服务领域。随着智能终端的发展和普及，智能手机具有越来越强大的通信和运算能力，而且集成了GPS、加速度传感器、声音传感器、陀螺仪等传感模块，使用用户每天都会随身携带的智能手机进行用户交通模式判别，是目前研究的热门话题。 当前的交通模式识别研究普遍存在识别依赖的数据不够充分、分类模型适应性差、识别准确率低、不易实施的问题。本文提出了一种基于智能手机和随机森林算法的交通模式识别方法，并且基于该方法完成交通模式判别系统的设计与实现，取得了如下的研究成果： 1．针对当前交通模式识别方法依赖的数据不够充分的问题，引入了陀螺仪、声音传感器和公共交通站点位置信息。除了常用的GPS和加速度传感器，本文引入了两种在此研究领域中较少被使用的传感器：声音传感器和陀螺仪，实验结果表明，两种传感器的加入使得识别准确率提高3.1%至14.7%；公共交通站点位置信息被用于计算公共交通相关特征，该类特征的加入使得公共交通模式的平均识别准确率提高4.2%。 2. 为了实现公共交通相关特征的提取，提出了一种基于用户交通轨迹和公共交通站点位置信息的公共交通拟合方法。其中，交通站点拟合度用于表征用户停靠站的可能性，交通线路拟合度用于表征用户轨迹与交通线路的拟合程度。 3. 针对当前交通模式识别分类算法准确率不高、适应性不强的问题，提出一种基于随机森林的识别方法，随机森林被用于模型构建和特征选择。本文在样本集上对比了朴素贝叶斯、贝叶斯网络、决策树、支持向量机共 4种单一分类算法和随机森林组合分类算法，实验结果表明随机森林算法具有最好的分类效果；通过对比实验验证了随机森林在本文的特征选择研究中优于信息增益法和reliefF法。 4. 基于本文提出的交通模式识别方法，完成了基于智能手机的交通模式判别系统的设计与实现。本文的交通模式判别系统，能够识别包括静止、走路、跑步、骑自行车、乘坐公交车、乘坐小汽车、乘坐地铁和乘坐城铁共8种交通模式，识别准确率达到89.8%。本系统不仅能够实现实时的交通模式判别，而且能够记录和展示用户历史交通模式信息，判别结果结合地图进行友好的展示。 关键词 模式识别 陀螺仪 声音传感器 公共交通信息 随机森林 TRAFFIC MODE RECOGNITION SYSTEM DESIGN AND