基于智能手机的交通方式识别的研究与设计

发布时间：2017-08-06 15:03

  本文关键词：基于智能手机的交通方式识别的研究与设计

  更多相关文章： 交通方式识别 智能手机 随机森林算法

【摘要】：随着移动互联网的普及,各种有关移动互联网的应用蕴含着巨大的商机。交通方式的自动判别显而易见在交通规划领域和基于位置的服务(Location Based Service,LBS)领域拥有着广阔的应用价值。现阶段的智能手机拥有越来越强大的功能,通信不再是手机的唯一功能。智能手机的强大在于其不仅拥有通信功能,还有强大的感知、运算和存储能力。然而,在当前有关基于智能手机的交通方式识别研究中,单一的数据来源是难以使交通方式识别算法有很好的适应性的。另外,模式识别算法本身对于不同的场景也有着不同的适应能力,这些对交通方式识别精度的提高是很大的阻碍。本文提出基于智能手机并利用随机森林算法以判别交通方式的识别方法,主要包括以下几个方面的研究内容:1、引入多种数据来源,解决交通方式识别中数据来源单一的问题,并研究在新的数据来源被引入后,对识别准确率的影响。2、研究不同交通方式识别算法对识别准确率的影响,特别是比较随机森林算法和支持向量机算法在性能上的异同。3、基于智能手机的交通方式识别系统设计,主要包括系统总体设计、系统详细设计等内容。在设计思路方面,详细研究了本系统的数据采集、特征提取和基于随机森林的模型构建。在详细设计方面,主要完成了系统交互、存储、数据采集、特征提取、方式判别、主控制的设计。4、基于智能手机的交通方式识别系统,主要包括系统软硬件运行环境、系统功能模块实现、系统测试环境的搭建、交通方式判别结果测试等内容。本文是基于智能手机的交通方式识别系统的研究与设计。经过测试,对多种交通方式的判别准确率可以达到90%,具有很好的使用价值。
【关键词】：交通方式识别 智能手机 随机森林算法
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TN929.53
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究的背景和意义10-11
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11
• 1.2 国内外研究现状11-14
• 1.3 本文的主要研究内容14
• 1.4 论文的组织结构14-16
• 第二章 交通方式识别关键技术研究16-28
• 2.1 交通方式识别概述16-17
• 2.2 定位技术研究17-20
• 2.2.1 基站定位技术18-19
• 2.2.2 GPS定位技术19-20
• 2.2.3 AGPS定位技术20
• 2.3 典型识别算法研究20-25
• 2.4 本章小结25-28
• 第三章 基于改进随机森林的交通方式识别28-40
• 3.1 随机森林算法28-31
• 3.1.1 单棵决策树的生成28-29
• 3.1.2 随机森林的数学模型29-31
• 3.2 算法比较31-36
• 3.3 随机森林算法的改进36-38
• 3.3.1 随机森林算法存在的问题36
• 3.3.2 随机森林算法改进36-38
• 3.4 本章小结38-40
• 第四章 基于智能手机的交通方式识别系统设计40-62
• 4.1 系统概述40
• 4.2 系统模型构建40-52
• 4.2.1 数据采集40-43
• 4.2.2 特征提取43-47
• 4.2.3 基于改进随机森林算法的模式识别47-49
• 4.2.5 特征量有效性的验证49-50
• 4.2.6 模型简化50-52
• 4.3 系统总体设计52-53
• 4.4 系统软硬件开发环境53
• 4.5 系统详细设计53-60
• 4.5.1 交互模块详细设计54-55
• 4.5.2 存储模块详细设计55-56
• 4.5.3 数据采集模块详细设计56-57
• 4.5.4 特征提取模块详细设计57-58
• 4.5.5 方式判别模块详细设计58-59
• 4.5.6 主控制模块详细设计59-60
• 4.6 本章小结60-62
• 第五章 基于智能手机的交通方式识别系统测试62-68
• 5.1 系统界面测试62-64
• 5.1.1 系统页面组成62
• 5.1.2 交通方式判别主页面62-63
• 5.1.3 历史交通轨迹列表页面63-64
• 5.2 系统功能测试64-66
• 5.3 交通方式识别结果测试66-67
• 5.4 本章小结67-68
• 第六章 总结与展望68-70
• 6.1 全文总结68-69
• 6.2 对进一步研究工作的展望69-70
• 参考文献70-74
• 致谢74-76
• 附录A 攻读学位期间发表的论文和参与的科研项目76

【参考文献】

中国期刊全文数据库 前10条

1 孙世超;杨东援;;基于朴素贝叶斯分类器的公交通勤人群辨识方法[J];交通运输系统工程与信息;2015年06期

2 温剑锋;陶顺;肖湘宁;骆晨;廖坤玉;;基于出行链随机模拟的电动汽车充电需求分析[J];电网技术;2015年06期

3 习文星;汤心溢;;基于随机森林和支持向量机的快速行人检测算法[J];计算机应用;2014年S2期

4 邱一卉;林成德;;基于随机森林和单类支持向量机的电信行业客户流失预测[J];厦门大学学报(自然科学版);2013年05期

5 耿晓平;;基于本体的决策树算法在应急决策系统中的研究[J];机械管理开发;2011年04期

6 张晶;;基于决策树的知识获取方法研究[J];制造业自动化;2011年08期

7 付忠良;赵向辉;;分类器动态组合及基于分类器组合的集成学习算法[J];四川大学学报(工程科学版);2011年02期

8 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期

9 毛敏;;GPS卫星定位系统简介[J];陕西国防工业职业技术学院学报;2010年01期

10 韩磊;吴树芳;王子贤;;贝叶斯网络[J];电脑知识与技术;2009年21期

，

本文编号：630287