Smartphone-Beschleunigungsmesser unterscheiden zwischen verschiedenen motorisierten Transportmodalitäten

Smartphone-Beschleunigungsmesser unterscheiden zwischen verschiedenen motorisierten Transportmodalitäten
Smartphone-Beschleunigungsmesser unterscheiden zwischen verschiedenen motorisierten Transportmodalitäten
Anonim

Die Identifizierung des individuellen Fortbewegungsverh altens ist ein grundlegendes Problem, da es Informationen über die körperliche Aktivität des Benutzers, den persönlichen CO2 -Fußabdruck und die bevorzugte Art der Fortbewegung preisgibt. In größerem Maßstab könnten diese Informationen aggregiert werden, um Informationen über die Nutzung verschiedener Transportmöglichkeiten zu erh alten, um die Stadtplanung zu unterstützen.

Forscher der Universität Helsinki haben Methoden entwickelt, um Informationen über Fahrzeugbewegungsmuster aus Messungen eines Smartphone-Beschleunigungsmessers zu extrahieren.Die Schlüsselidee besteht darin, charakteristische Beschleunigungs- und Bremsmuster zu extrahieren und diese als eine Art Signatur zu verwenden, um zwischen verschiedenen Verkehrsmitteln zu unterscheiden.

Der Hauptforscher Samuli Hemminki erklärt: „Das Extrahieren von Fahrzeugbewegungsinformationen aus Smartphone-Beschleunigungsmessern ist eine Herausforderung, da die Platzierung des Geräts variieren kann, Benutzer spontan mit dem Telefon interagieren und sich die Ausrichtung des Telefons dynamisch ändern kann Wir haben diese Herausforderungen gemeistert, indem wir neuartige Algorithmen zur Verarbeitung und Analyse von Beschleunigungsmessermessungen entwickelt haben."

Experimentelle Auswertungen zeigen, dass die Technik die gängigsten öffentlichen Verkehrsmittel (Bus, Straßenbahn, U-Bahn, Zug, Auto, zu Fuß) mit einer Genauigkeit von über 80 Prozent erkennen kann. Die Vorteile der Methode sind besonders ausgeprägt bei der täglichen Überwachung, da das System einen geringen Stromverbrauch hat und bei kontinuierlichen Detektionsaufgaben robust arbeitet.

Dr.Petteri Nurmi von der Universität Helsinki ergänzt: „Unsere Arbeit ermöglicht eine feinkörnige Modellierung des menschlichen Fortbewegungsverh altens und dient als wichtiger Baustein für neuartige mobile Anwendungen. Unsere Methoden wären beispielsweise vorteilhaft, um eine Anwendung zu fördern, die Feedback liefert.“Autofahrer zu einer ökologischeren Fahrweise oder zur Abbildung von Abweichungen im ÖPNV."

Professor Sasu Tarkoma erklärt: "Diese Forschung zeigt, dass es möglich ist, das Transportmittel auf Smartphones auf energieeffiziente Weise genau zu erkennen. Das System ermöglicht eine ganz neue Art von mobilitätsbewussten Anwendungen und Diensten."

Beliebtes Thema