Smartphone transportation mode recognition using a hierarchical machine learning classifier and pooled features from time and frequency domains
بالعربية
تطور الدراسة مصنفاً هرمياً من طبقتين للتعرف على وسيلة التنقل من بيانات حساسات الهاتف الذكي دون GPS، لتوفير البطارية وتجنب انقطاع الإشارة. وتجمع بين خصائص جديدة في نطاق التردد وخصائص النطاق الزمني، وتدمج مخرجات الطبقتين بقاعدة بايز. وقورنت عدة خوارزميات لتعلم الآلة، وحسّن الإطار المقترح دقة التصنيف مقارنة بالأساليب التقليدية.
English summary
A two-layer hierarchical classifier is developed to recognize transportation modes from smartphone sensor data without GPS, to save battery and avoid signal loss. New frequency-domain features are combined with time-domain features, and the outputs of the two layers are merged using Bayes’ rule. Several machine learning methods were compared, and the proposed framework improved classification accuracy over traditional approaches.
تطوّر الدراسة مصنفاً هرمياً للتعرف على وسيلة النقل من حساسات الهاتف دون الاعتماد على GPS. وتجمع خصائص زمنية وترددية لتحسين التمييز بين أنماط الحركة.
English
A hierarchical classifier identifies travel modes from phone sensors without relying on GPS. Time- and frequency-based features are combined to improve mode recognition.
Publication details | بيانات النشر
Huthaifa I Ashqar, Mohammed H Almannaa, Mohammed Elhenawy, Hesham A Rakha, Leanna House (2018). Smartphone transportation mode recognition using a hierarchical machine learning classifier and pooled features from time and frequency domains. IEEE Transactions on Intelligent Transportation Systems, 20 (1), 244-252.
تحلل الدراسة استبانة دولية شملت 15,312 من راكبي الدراجات البالغين في 44 دولة، بنمذجة المعادلات الهيكلية، لاختبار علاقة استخدام الهاتف أثناء القيادة بالحوادث المبلغ عنها ذاتياً،…
تقارن الدراسة خطر الحوادث بين سائقين مصابين بالتهاب المفاصل وغير مصابين. وتعتمد على بيانات قيادة طبيعية تسجل حركة المركبة وسلوك السائق.
مشاركة مؤتمر تتناول التحكم الأمثل بالتقاطعات للمركبات الآلية والتعاونية.