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

Ευθυμίου, Αλέξανδρος; Efthymiou, Alexandros

dc.contributor.author	Ευθυμίου, Αλέξανδρος	el
dc.contributor.author	Efthymiou, Alexandros	en
dc.date.accessioned	2018-02-14T10:47:10Z
dc.date.available	2018-02-14T10:47:10Z
dc.date.issued	2018-02-14
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46483
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14832
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Αισθητήρες	el
dc.subject	Εντοπισμός μέσου μεταφοράς	el
dc.subject	Τυχαίο δάσος	el
dc.subject	Έξυπνα κινητά τηλέφωνα	el
dc.subject	Machine learning	en
dc.subject	Sensors	en
dc.subject	Transportation mode detection	en
dc.subject	Random forest	en
dc.subject	Smartphones	en
dc.title	Αναγνώριση του μέσου μεταφοράς από δεδομένα έξυπνου τηλεφώνου με τη χρήση αλγορίθμων μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μεταφορές και τεχνολογία μεταφορικών μέσων	el
heal.classificationURI	http://data.seab.gr/concepts/36411abbaead258bbe4f5b885d23f111d2756022
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-11-03
heal.abstract	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
heal.abstract	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
heal.advisorName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Γκόλιας, Ιωάννης	el
heal.committeeMemberName	Γιαννής, Γεώργιος	el
heal.committeeMemberName	Βλαχογιάννη, Ελένη	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	99 σ.
heal.fullTextAvailability	true