基于手机传感器的地铁乘客位置推测方法技术

本发明专利技术公开一种基于手机传感器的地铁乘客位置推测方法，包括如下步骤，训练阶段，收集来自每一个站点的标记好的各种手机加速度传感器的数据，从这些数据中抽取出相应的特征，然后使用机器学习的方法学习出一组在各个站点之间的分类器，一个站间隔是分类器最基本的识别单元。采集用户数据的阶段，读取用户手机上的加速度传感器数据并上传到相应的服务器；识别阶段，从服务器上获得乘客的手机上的传感器的相关数据，划分出地铁数据中的站点数据，利用分类器把站点数据映射到每一个站点，基于投票算法来推测出用户的完整的地铁乘坐路径。

【技术实现步骤摘要】

本专利技术涉及一种基于手机传感器的地铁乘客位置推测方法，属于传感器数据处理分析

技术介绍
随着移动互联网的发展，移动终端的普及，基于地理位置的广告推送为商户带来了更多的顾客，同时也为顾客带来了更多的便利。但一般我们乘坐地铁时，由于网络信号不好，GPS基站等传统的定位方式通常无法准确的定位我们当前的位置，这样的情况下，一些手机应用也就不能很好的根据地理位置来向我们推送合适的广告。现在有很多的计算机制能够计算出智能设备上的加速度传感器的相关数据，从而进一步估计他们现在的方向和位置。但是这些方法并不能用来取重构列车的轨迹。这是因为和行人以及其他的交通工具相比，地铁在十字路口的时候，转向的时候更加平稳，这就意味着这个时候的加速度传感器获得的信息就非常少了，并且对于一些很小的误差非常敏感的。所以上述的设计出来的用于行人的或者私家车的方法，也就是根据一些微小的信息变化(转向、消失等)检测出位置的方法，对于地铁来说是不现实的。当然，我们根据具体的实验也发现，他们的这些方法是不现实的。不过，通过我们的研究发现，虽然一些较小的较细的信息无法反映很多的信息，也不能从中得到很多的信息，但是，对于一个加速度传感器和地铁的特性而言，在两个相邻的地铁站之间的几十秒的数据采集倒是可以反映很多的信息并且也很容易地找出这些数据之间的各种特征之间的不同(峰值、峰谷在不同方向上的变化等)。我们的方法是在这些特征比较明显的传感器数据中，通过机器学习的方法，找出具体的比较明显的特征，然后根据这些特征，构造分类器，这样的话，就可以使用分类器来区分特定的乘客是否经过特定的站点了。(特征：是指数据的一些特性，比如说，一组数据的特征可以是这组数据的大小，均值或者方差等等，只要是能够使用它来区分自己与别的数据，都可以认为是数据的特征)我们认为这个方法是具有应用前景的，至少有以下两个理由支持我们的说法：首先，在主要的大城市中，每天都有大量的人乘坐地铁上班下班等。举个例子，南京的各种交通工具统计中显示，每天大概124万人次乘坐地铁，对于上海而言，乘坐地铁的人就更多了，大概在900万左右每天，在地铁中的广告推送具有很大的市场前景。所以，这样的一个算法是有很大的市场平台的。其次，用传感器来定位消耗的电量大大的小于使用GPS等定位方式，没有为本来电量就比较拮据移动设备增加负担。
技术实现思路
专利技术目的：为了实现这个目标，本专利技术提供一种基于手机传感器的地铁乘客位置推测方法，解决以下问题：第一：地铁相对于静止，行走，或者乘坐其他的交通工具而言，数据是隐藏起来的。我们需要一个很好的方法从这些数据中准确地抽取出地铁的数据来。第二：由于内部或者外部的原因，地铁的数据很容易被这些噪音影响。这样导致的后果就是，很多的地铁之间的站点是没有办法识别出来的。我们需要一个能够抵抗这种噪声的方法，它能够在存在这些噪声的情况下，仍然识别出地铁的各个的站点。如果一个个人用户在地铁上携带智能手机的话，通过本专利技术的方法，就可以根据他的手机上的传感器采集到的数据，准确定位到他的具体的位置信息。技术方案：一种基于手机传感器的地铁乘客位置推测方法，包括如下步骤：训练阶段，收集来自每一个站点的标记好的各种手机加速度传感器的数据，从这些数据中抽取出相应的特征，然后使用机器学习的方法学习出一组在各个站点之间的分类器，一个站间隔是分类器最基本的识别单元。采集用户数据的阶段，读取用户手机上的加速度传感器数据并上传到相应的服务器；识别阶段，从服务器上获得乘客的手机上的传感器的相关数据，划分出地铁数据中的站点数据，利用分类器把站点数据映射到每一个站点，基于投票算法来推测出用户的完整的地铁乘坐路径。所述训练阶段中，根据得到的用户手机加速度传感器的数据进行分类和训练，然后得到分类器。首先对手机传感器的数据进行坐标转换，转换完坐标之后，得到的数据就是相对于同一个参照系ENU的数据。坐标转换之后，用构建的分类器将不是地铁部分的数据去掉。见抽取地铁相关的数据部分的描述。得到纯净的只含有地铁相关的数据，并且这个数据的参照系是唯一不变的ENU坐标系统。接下来的工作是对地铁数据进行划分操作，划分结束之后，使用朴素贝叶斯的方法进行训练，得到分类器。坐标转换：从手机上得到的关于手机的坐标[x,y,z]，转换成基于ENU的坐标[x’,y’,z’]，通过方向传感器来实现转换，手机中的方向传感器的数据也是一个3维的数据[α,β,γ]，这里的，α是在水平面之间和Y轴之间的夹角，β是X轴与水平线之间的夹角，γ是Y轴在水平线上的投影和真实的北方向上的夹角，令：α1是Y轴与Z轴在水平方向上投影的夹角，β1是X轴与Z轴在水平方向上投影的夹角，γ1是X轴与Z轴在水平方向上投影的夹角，X1，Y1，Z1为手机坐标系中x,y,z轴的加速度。有了这些夹角的数据，就能够很容易地确定东西南北，并且准确计算出各个向量的分量(位于ENU坐标系下的)。我们利用立体几何公式，向北方向加速度：ycosαcos(γ-π)+x cosβcos(γ+γ1-π)+z cosθcos(γ+β1-π)、向北方向的加速度：-y cosαcos(γ-π/2)-x cosβcos(γ+γ1-π/2)-z cosθcos(γ+β1-π/2)、垂直方向的加速度：x1sinβ+y1sinα+z1sinθ对角度进行变换，获得手机中加速度传感器在各个方向上的分量。抽取地铁相关的数据建立一个贝叶斯分类器，基于数据的HRA(水平方向加速度分量)特性来判断这些混合数据是不是地铁的数据。将M个乘客手机传感器数据的坐标转换后的数据作为M个样本，对这M个样本的数据使用滑动窗口(WIN)进行分类。使用5个统计指标来对这些数据进行分类：均值，方差，超过预先定义的三个阈值的值的数目作为分类器的分类特征。首先我们对这M个样本用滑动窗口向后滑动取值。对于一个特定的地铁线，窗口的值被设定在这个地铁的最小的站点距离的一半。我们先将已知的地铁和非地铁数据放入贝叶斯分类器中训练出一个概率模型，然后将未知分类的窗口中的数据输入进模型，这样就可以判断这个窗口中的数据是否是地铁相关的数据。如果Wini(窗口)被分成是非地铁相关的数据，但是Wini+1却被分成是地铁相关的数据，则会继续对Wini+2进行进一步地划分，如果这个数据被归类为非地铁的数据的话，则认为Wini+1是被错误划分的；否则，一个新的地铁的数据，就会被认为是在位置Wini的地方开始的，这种情况下的时候，进一步对开始的窗口，也就是第(i+1)w-1(w代表窗口的大小)，(i+1)w-2，...一个一个进行划分直到出现第一个被划分成不是地铁的数据。接下来，如果开始位置的窗口是在样本(i+1)w-k(1<k<＝w)，那么地铁的开始位置就将会被认为是在样本(i+1)w-k+w/2的位置。当Wini被分成地铁相关数据时，方法也类似。地铁相关数据的划分在获得地铁相关的传感器数据之后，对这些数据进行划分，将这些数据的每一段都对应于两个地铁站点之间的一段距离。假设{X1,X2,X3,...,Xn本文档来自技高网...

【技术保护点】
一种基于手机传感器的地铁乘客位置推测方法，其特征在于，包括如下步骤：训练阶段，收集来自每一个站点的标记好的各种手机加速度传感器的数据，从这些数据中抽取出相应的特征，然后使用机器学习的方法学习出一组在各个站点之间的分类器，一个站间隔是分类器最基本的识别单元。采集用户数据的阶段，读取用户手机上的加速度传感器数据并上传到相应的服务器；识别阶段，从服务器上获得乘客的手机上的传感器的相关数据，划分出地铁数据中的站点数据，利用分类器把站点数据映射到每一个站点，基于投票算法来推测出用户的完整的地铁乘坐路径。

【技术特征摘要】
1.一种基于手机传感器的地铁乘客位置推测方法，其特征在于，包括如下步骤：训练阶段，收集来自每一个站点的标记好的各种手机加速度传感器的数据，从这些数据中抽取出相应的特征，然后使用机器学习的方法学习出一组在各个站点之间的分类器，一个站间隔是分类器最基本的识别单元。采集用户数据的阶段，读取用户手机上的加速度传感器数据并上传到相应的服务器；识别阶段，从服务器上获得乘客的手机上的传感器的相关数据，划分出地铁数据中的站点数据，利用分类器把站点数据映射到每一个站点，基于投票算法来推测出用户的完整的地铁乘坐路径。2.如权利要求1所述的基于手机传感器的地铁乘客位置推测方法，其特征在于，所述训练阶段中，根据得到的用户手机加速度传感器的数据进行分类和训练，然后得到分类器；首先对手机传感器的数据进行坐标转换，转换完坐标之后，得到的数据就是相对于同一个参照系ENU的数据；坐标转换之后，用构建的分类器将不是地铁部分的数据去掉。得到纯净的只含有地铁相关的数据，并且这个数据的参照系是唯一不变的ENU坐标系统。接下来的工作是对地铁数据进行划分操作，划分结束之后，使用朴素贝叶斯的方法进行训练，得到分类器。3.如权利要求2所述的基于手机传感器的地铁乘客位置推测方法，其特征在于，从手机上得到的关于手机的坐标[x,y,z]，转换成基于ENU的坐标[x’,y’,z’]，通过方向传感器来实现转换，手机中的方向传感器的数据也是一个3维的数据[α,β,γ]，这里的，α是在水平面之间和Y轴之间的夹角，β是X轴与水平线之间的夹角，γ是Y轴在水平线上的投影和真实的北方向上的夹角，令：α1是Y轴与Z轴在水平方向上投影的夹角，β1是X轴与Z轴在水平方向上投影的夹角，γ1是X轴与Z轴在水平方向上投影的夹角，X1，Y1，Z1为手机坐标系中x,y,z轴的加速度；有了这些夹角的数据，就能够很容易地确定东西南北，并且准确计算出各个向量的分量(位于ENU坐标系下的)。利用立体几何公式：向北方向加速度：y cosαcos(γ-π)+xcosβcos(γ+γ1-π)+z cosθ...

【专利技术属性】
技术研发人员：华景煜，沈振宇，张保佳，仲盛，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32