[发明专利]智能判断用户乘车的方法和装置

权利要求书

1.一种智能判断用户乘车的方法，其特征在于包括以下步骤：

数据采集步骤，利用手机内置的线性加速度传感器，以能够捕捉到公交车发动机自身产生的高频低振幅震动数据的采集频率，连续采集用户在公交车站的各种行为在智能手机中的原始线性加速度信号数据，进行数据采集的总时长为1～3分钟；

数据处理步骤，对采集到的原始线性加速度信号数据进行异常数据过滤，滤波去噪，以及有重叠切分；将单次采集时长内采集得到的所有单元点，构建为一个数据单元组；对每个数据单元组，按照包含相同单元点数量的单元段进行以一定量的单元点为移动步长的有重叠切分；所述单元段是分类器模型输入的单元数据，一个单元段标记用户在该单元段的一段时间的行为状态，所述行为状态是乘车、等车、骑行、步行中的一种；

特征提取步骤，通过基于重力方向的坐标轴转换以及傅里叶变换，在经过上述数据处理步骤后得到的数据中提取时域特征和频域特征，得到特征数据；所述提取时域特征和频域特征是指，将一个加速度信号数据定义为一个单元点，将各单元点的X、Y、Z三维坐标经坐标轴转换，获得水平方向的H轴和重力方向的V轴后，整合单次采集到的数据中各单元点的上述X,Y,Z,H,V五个坐标轴的时域特征：均值、极值、能量、熵、标准差、四分位范围，以及V轴通过傅里叶变换后的频域特征：均值、极值、能量、熵、标准差、四分位范围；

识别分类步骤，将提取到的特征数据输入预先训练的基于Adaboost算法的乘车分类器、等车分类器、骑行分类器和步行分类器这四个分类器模型，输出行为标签后导入状态机，对用户在公交车站的行为状态进行分类识别，当分类识别结果为非乘车状态时，返回数据采集步骤，直至得到乘车状态的分类识别结果；

所述状态机为在未知状态、疑似乘车状态和乘车状态这三个状态之间可相互切换的状态机；

所述状态机的状态转换逻辑包括：

如果数据单元组中有至少一个行为标签为“乘车”时，状态机状态由原始状态转换为“疑似乘车”状态；

状态机状态在“疑似乘车”状态下将下一个数据单元组的结果导入至状态机，如果此数据单元组中行为模式为“乘车”的标签个数操过总标签个数的75％，状态机状态由“疑似乘车”状态转换为“乘车”状态，且行为模式为“乘车”的标签个数比例越高，乘车判定的准确率越高；

若“乘车”的标签个数小于等于总标签个数的75％，则转换至原始的“未知状态”；

若一轮判定的结果为非乘车状态时，返回至数据采集步骤，继续进行下一轮的乘车判定，直至判定结果为乘车状态，则提前停止数据采集；当经过一段时间的判定，仍未获得乘车状态的判定结果，则判定结果为非乘车状态，也停止数据采集。

2.根据权利要求1所述的智能判断用户乘车的方法，其特征在于，在数据采集步骤中，所述采集频率为15～40Hz。

3.一种采用权利要求1或2所述方法的智能判断用户乘车的装置，其特征在于包括以下模块：

数据采集模块，利用手机内置的线性加速度传感器，以能够捕捉到公交车发动机自身产生的高频低振幅震动数据的采集频率，连续采集用户在公交车站的各种行为在智能手机中的原始线性加速度信号数据，进行数据采集的总时长为1～3分钟；

数据处理模块，对采集到的原始线性加速度信号数据进行异常数据过滤，滤波去噪，以及有重叠切分；

特征提取模块，通过基于重力方向的坐标轴转换以及傅里叶变换，在经过上述数据处理步骤后得到的数据中提取时域特征和频域特征，得到特征数据；

识别分类模块，将提取到的特征数据输入预先训练的基于Adaboost算法的乘车分类器、等车分类器、骑行分类器和步行分类器这四个分类器模型，输出行为标签后导入状态机，对用户在公交车站的行为状态进行分类识别，当分类识别结果为非乘车状态时，返回数据采集步骤，直至得到乘车状态的分类识别结果。