[发明专利]一种基于手机传感器的公交车拥挤程度估测方法

说明书

本发明涉及一种基于手机传感器的公交车拥挤程度估测方法，即利用手机自带的惯性传感器，使用群智感知的思想收集数据后在分层学习的框架下进行公交车上乘客动作姿态信息识别，从而实现准确的公交车拥挤程度估测的过程。本发明能够利用手机自带的惯性传感器收集乘客上车之后直到达到静止态的传感器数据，利用这些数据识别出乘客的动作姿态信息并通过这些信息估测出公交车的拥挤程度。

技术领域

本发明设计计算机学科中的传感器应用、群智感知、机器学习、动作识别、步态识别、被动感知、分层学习、公交车拥挤程度估测等，尤其是一种基于手机传感器的公交车拥挤程度估测方法。

背景技术

近年来，随着手机上配备的传感器的设备越来越高，加上机器学习领域的不断深入发展，姿态识别这个方向依赖的传感器越来越少，同时预测的准确率却越来越高，依靠姿态识别我们可以实现室内定位，日常运动数据统计，并且可以结合位置信息或者通讯信号来追踪一个人的行为。而预测公交车的拥挤程度是动作识别这一方向的一个比较新颖的应用。如果能准确获得公交车上的拥挤程度，有利于乘客自发的选择出行手段，大部分情况下不会再出现某辆公交车很满或者很空的情况，既有利于城市交通资源宏观调控，也有利于提升居民的生活质量。

要获得一个区域的拥挤程度，可以通过获得这个区域的总人数来估算，现有的人数统计的方法全部都是基于图像或者视频，也就是意味着这些方法依赖于摄像设备，虽然这些方法在图像或者视频清晰的前提下已经有了足够的准确率，但是低成本的摄像设备在光线不好的情况下不能保证获得的影像资料的清晰度，高成本的摄像设备明显不可能。所以基于人数统计的方法并不实用。公交车上的人上下情况也可以通过压力传感器返回的数据来统计，这种方法不会受到光线湿度等环境因素的影响，而且结果非常精确，但是如果其中一个传感器坏掉，整辆车的人数统计就会慢慢的偏向过多或者过少，到最后出现完全错误的结果。

发明内容

为了解决上述技术问题，本发明的技术方案实现如下：

一种基于手机传感器的公交车拥挤程度估测方法，其特征在于，包括以下步骤：

步骤1：利用手机上自带的加速度传感器和陀螺仪传感器以固定的采样频率采集手机的传感器数据，在预处理之后进行滑动重叠时间窗口的划分；

步骤2：对于当前时间窗口的传感器数据，使用事前训练好的SVM-HMM模型进行动作的识别；

步骤3：基于步骤2的输出结果，使用建立好的步态识别模型对属于走路动作的传感器数据进行识别来获得乘客走路过程中的步态信息；

步骤4：综合步骤2的动作序列与步骤3的步态信息，利用已有的参与感知的乘客的姿态信息尝试感知未参与感知的乘客的姿态信息；

步骤5：用特征向量表示所有感知到的乘客的姿态信息后通过支持向量机分类器进行个体拥挤程度的分类并计算该分类结果对应的置信度；

步骤6：综合步骤5的结果用一个特征向量表示某一辆公交车的拥挤信息，然后根据该特征向量使用支持向量机分类得到整辆公交车的拥挤程度。

在上述的基于手机传感器的公交车拥挤程度估测方法，步骤1中所述的利用加速度传感器和陀螺仪传感器以固定的采样频率采集数据以及预处理和滑动重叠时间窗口划分工作，其具体实现包括以下子步骤：

步骤1.1：持续采集用户的位置信息并比对该位置信息与数据库里位置信息的差异，当差异小于阈值后，手机开始采集存储传感器数据；

步骤1.2：在数据收集工作开始之后，手机会以100hz的固定频率进行数据采集工作，采集对象包括加速度传感器数据以及陀螺仪数据；

步骤1.3：使用滑动滤波算法对采集到的数据进行滤波去噪处理；滑动滤波算法公式如下：

步骤1.4：对去噪之后的传感器数据进行重叠时间窗口切割。