1. Αρχική σελίδα
  2. Αναζήτηση

Αναγνώριση του μέσου μεταφοράς από δεδομένα έξυπνου τηλεφώνου με τη χρήση αλγορίθμων μηχανικής μάθησης

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό Μετσόβιο Πολυτεχνείο   

Αποθετήριο :
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Αναγνώριση του μέσου μεταφοράς από δεδομένα έξυπνου τηλεφώνου με τη χρήση αλγορίθμων μηχανικής μάθησης (EL)
Ευθυμίου, Αλέξανδρος (EL)
Efthymiou, Alexandros (EN)
ntua (EL)
Γκόλιας, Ιωάννης (EL)
Γιαννής, Γεώργιος (EL)
Βλαχογιάννη, Ελένη (EL)
bachelorThesis
2017-11-03
2018-02-14T10:47:10Z
2018-02-14
Σκοπός της παρούσας διπλωματικής εργασίας είναι η πρόβλεψη του μέσου μεταφοράς που χρησιμοποιούν οι χρήστες σε κάθε τους ταξίδι με τη χρήση δεδομένων από τους αισθητήρες έξυπνων κινητών. Για το σκοπό αυτό αναπτύσσεται μια μεθοδολογία που αποτελείται από δύο βήματα: Αρχικά, οι χρονοσειρές από το επιταχυνσιόμετρο, το γυροσκόπιο και τον αισθητήρα προσανατολισμού του κινητού ανά ταξίδι αναλύονται σε κυλιόμενα χρονικά παράθυρα και υπολογίζονται τα βασικά στατιστικά μεγέθη των χρονοσειρών αυτών σε κάθε παράθυρο. Στη συνέχεια, αναπτύσσονται πρότυπα μηχανικής μάθησης που χρησιμοποιούν ως δεδομένα τα υπολογισμένα στατιστικά μεγέθη με στόχο την πρόβλεψη του μέσου μετακίνησης του χρήστη ο οποίος χρησιμοποίησε είτε τα Μέσα Μαζικής Μεταφοράς είτε κάποιο άλλο μέσο. Η μεθοδολογία αυτή εφαρμόζεται σε ταξίδια διαφορετικών χρηστών και αναλύονται τα αποτελέσματα. Τέλος, παρατίθεται σχολιασμός για τους περιορισμούς της παρούσας έρευνας και τις προεκτάσεις για περαιτέρω έρευνα. (EL)
The purpose of this diploma thesis is the prediction of transportation mode on each trip completed by users, using data from mobile sensors. For this purpose, a two-step methodology is developed: First, time series from accelerometer, gyroscope and orientation sensor are analysed on sliding time windows and, for each time window, the basic statistical measures of these time series are calculated. Then, machine learning models are developed to predict whether the user travels with public transport or other means of transport by using the calculated statistical measures. This methodology is applied on trips completed by different users and the results are analysed. Finally, discussion is made about the limitations of this research and further research is proposed. (EN)
Εντοπισμός μέσου μεταφοράς (EL)
Τυχαίο δάσος (EL)
Μηχανική μάθηση (EL)
Αισθητήρες (EL)
Έξυπνα κινητά τηλέφωνα (EL)
Smartphones (EN)
Machine learning (EN)
Transportation mode detection (EN)
Random forest (EN)
Sensors (EN)
Ελληνική γλώσσα
Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής (EL)
Default License
Εθνικό Μετσόβιο Πολυτεχνείο
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διπλωματικές Εργασίες



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.