Real-Time travel mode detection and trip purpose prediction with smartphone sensing and machine learning.

Soares, Elton Figueiredo de Souza

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Campos, Carlos Alberto Vieira
dc.contributor.author	Soares, Elton Figueiredo de Souza
dc.date.accessioned	2023-07-20T20:00:58Z
dc.date.available	2023-07-20T20:00:58Z
dc.date.issued	2019-02-14
dc.identifier.citation	SOARES, Elton Figueiredo de Souza. Real-Time travel mode detection and trip purpose prediction with smartphone sensing and machine learning. 2019, 123f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2019.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/13763
dc.description.sponsorship	Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES	pt_BR
dc.language.iso	English	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Real-Time travel mode detection and trip purpose prediction with smartphone sensing and machine learning.	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Lucena, Sidney Cunha de
dc.contributor.referee	Campos, Carlos Alberto Vieira
dc.contributor.referee	Lucena, Sidney Cunha de
dc.contributor.referee	Mello, Carlos Eduardo Ribeiro de
dc.contributor.referee	Valaee, Shahrokh
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro, RJ	pt_BR
dc.degree.program	Programa de Pós-Graduação em Matemática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA	pt_BR
dc.subject.cnpq	CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.cnpq	SISTEMAS DE INFORMAÇÃO	pt_BR
dc.subject.en	Travel Mode Detection	pt_BR
dc.subject.en	Mobile Sensing	pt_BR
dc.subject.en	Smart Mobility	pt_BR
dc.subject.en	Intelligent Transportation Systems	pt_BR
dc.subject.en	Machine Learning	pt_BR
dc.subject.en	Artificial Intelligence	pt_BR
dc.description.abstracten	The detection of the travel modes used and, the prediction of trip purposes, through smartphone sensors data have emerged as two research challenges in recent years. Both of these problems have been deeply investigated in isolation, while the problem of inferring mode and purpose at the same time and, more specifically, using the same preprocessing algorithm has been less explored. Also, few studies presented solutions that can execute the detection of user travel modes in real-time, and even fewer have presented the evaluation of these solutions in a realistic manner. Meanwhile, some of the previous studies claim that off-the-shelf activity recognition solutions, do not perform well in the travel mode detection task, although many of them do not present a quantitative evidence of their bad performance. Thus, in this work, we propose three techniques for real-time travel mode detection, using different combinations of smartphone sensors, and one technique for join travel mode detection and trip purpose prediction using a single preprocessing algorithm, in real-time. We empirically evaluated the proposed techniques and an off-the-shelf activity recognition solution using field tests and cross-validation experiments with private and public mobility datasets.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	A detecção dos modos dos transporte utilizados e a predição dos objetivos de viagem, através de dados de sensores de smartphones, surgiram como dois desafios de pesquisa nos últimos anos. Ambos os problemas foram profundamente investigados isoladamente, enquanto o problema de inferir modo e propósito ao mesmo tempo e, mais especificamente, usando o mesmo algoritmo de pré-processamento foi menos explorado. Além disso, poucos estudos apresentaram soluções capazes executar a detecção de modos de transporte do usuário em tempo real, e um conjunto ainda menor apresentou uma avaliação dessas soluções de maneira realista. Enquanto isso, alguns dos estudos anteriores afirmam as que as soluções de reconhecimento de atividades "de prateleira", não apresentam bom desempenho na tarefa de detecção do modo de transporte, embora muitos deles não apresentem uma evidência quantitativa de seu mau desempenho. Assim, neste trabalho, foram propostas três técnicas de detecção de modo de transporte em tempo real, utilizando diferentes combinações de sensores de smartphone, e uma técnica para detecção conjunta de modo de transporte e predição de propósito da viagem usando um único algoritmo de pré-processamento, em tempo real. Nós avaliamos as técnicas propostas e uma solução de reconhecimento de atividades empiricamente, através de testes de campo e experimentos de validação cruzada com conjuntos de dados de mobilidade privados e públicos.	pt_BR
dc.subject.pt	Detecção de Modo de Transporte	pt_BR
dc.subject.pt	Sensoriamento Móvel	pt_BR
dc.subject.pt	Mobilidade Inteligente	pt_BR
dc.subject.pt	Sistemas de Transporte Inteligentes	pt_BR
dc.subject.pt	Aprendizado de Máquina	pt_BR
dc.subject.pt	Inteligência Artificial	pt_BR