[发明专利]一种基于手机多传感器的用户出行方式分析方法

摘要

本发明公开了一种基于手机多传感器的用户出行方式分析方法，该方法对手机内置传感器如加速度、陀螺仪、GPS等进行数据采集、过滤，根据多传感器观测结果形成的特征向量与特征基准向量进行比较，利用加权的多维判决方法进行初步分类，利用改进的AdaBoost集成学习算法对初步分类结果进行组合，最终分析出最优化的决策结果，实现识别用户出行方式的功能。本发明设计的数据集成学习分析算法，不是对多种数据的简单平均，而是利用手机采集到的多传感器原始数据进行训练学习，进而对数据进行分类识别，最终做出最优决策的过程。

主权项

1.一种基于手机多传感器的用户出行方式分析方法，包括如下步骤：(1)利用手机中的传感器采集获取用户大量出行过程中关于GPS坐标、三轴加速度、三轴角速度的三种传感数据并保存；(2)对采集到的上述三种传感数据进行预处理得到用户每次出行过程的速度、加速度以及角速度；(3)针对用户基于单一出行模式的每一次出行过程，通过计算提取出每次出行过程中关于速度、加速度、角速度各自对应的特征向量；进而通过随机重采样和滑动平均法计算出速度、加速度、角速度在每一种出行模式下对应的特征基准向量；(4)对于每一次出行过程中每一种传感数据的特征向量，通过与特征基准向量比较得到对应的初步分类结果，从而构建出大量的样本；(5)分别为速度、加速度、角速度三种传感数据建立对应的弱分类器，利用样本通过AdaBoost算法对弱分类器进行训练，使用弱分类器的正确率最小化损失函数，从而迭代更新每个弱分类器的权重值α及其输入对应的权重向量D，使其中被正确分类的出行模式对应的权重升高，被错误分类的出行模式对应的权重降低；(6)将未知出行模式的一次出行过程中关于速度、加速度、角速度的特征向量分别输入至对应训练完成的弱分类器中，使三个弱分类器的输出结果与其对应的权重值α进行加权求和，加权求和后结果中最大概率值所对应的出行模式即为该次出行过程的出行模式判别结果。