手机应用程序APP可以检测你乘坐什么交通工具，手机用户并自动提供相关建议将成为现实后广泛的数据采集。
苏塞克斯大学的研究人员相信,可穿戴技术实验室的机器学习技术在全球研究开发竞争,他们也可能导致启动智能手机能够预测即将到来的道路条件和交通水平,提供路线或停车的建议,甚至检测食品和饮料被手机用户在移动。
教授丹尼尔•Roggen读者在苏塞克斯大学的传感器技术,说:“这在规模数据集是真正独一无二的,它包含丰富的传感器数据和注释的质量。先前的研究一般只收集GPS和运动数据。我们的研究是在更广泛的范围:我们收集了所有智能手机的传感器模式,我们收集的数据与手机放置在四个地点同时人们通常携带手机如手,背包,手提包,口袋里。
“这是非常重要的设计健壮的机器学习算法。各种运输方式、条件和大量的传感器测量范围和小时的数据记录是前所未有的。”
Roggen教授和他的团队收集了相当于超过117天的数据监控方面的乘客的旅行在英国使用多种方法来创建最大的公开数据集。
项目的结果将会在新加坡的主要会议周五(10月12日),收集了大量数据,这些数据来自于四个手机由研究人员作为他们日常通勤超过七个月的时间。
团队发起了一项全球竞争挑战团队开发最准确的算法来识别八的运输模式(静坐,散步,跑步,骑自行车或者乘公共汽车,汽车,火车或地铁)从收集的数据来自15个传感器测量从运动环境的压力。
支持的项目,中国电信巨头华为与学者在日本立命馆大学和九州理工学院和圣西里尔Methodius马其顿斯科普里大学,看到17个队参加,两个条目实现结果准确率超过90%,8成在 80%至80%,九成在50%和80%之间。
由获胜的团队：JSI-Deep约瑟夫Stefan研究所的斯洛文尼亚,取得最高分数的93.9%通过使用深和古典的结合机器学习模型。一般深度学习技术往往比传统的机器学习方法,虽然不是任何很大程度上如此。
高度通用的大学现在希望Sussex-Huawei Locomotion-Transportation(SHL)数据集将被用于广泛的研究电子记录装置探索交通模式识别、移动模式挖掘、定位、跟踪和传感器融合。
Roggen教授说:“通过组织一个机器学习的竞争有了这个数据集,我们可以分享经验在科学界,为未来的工作设置一个基线。自动识别模式的交通工具是非常重要的改善几个移动服务的例子来保证视频质量尽管隧道或进入地铁,或主动显示连接时间表或交通状况的信息。
“我们相信其他研究人员将利用这一独特的数据集对许多创新研究和小说移动应用在智能运输之外,例如测量能量消耗,发现社会互动与社会隔离,或开发新的低功耗本地化技术和移动通信研究更好的流动模型。”
知了科学，为您提供第一手最新科学资讯。
閱讀更多 知了科學 的文章
