[发明专利]一种基于移动终端的行人路网属性检测方法、装置和设备

权利要求书

1.一种基于移动终端的行人路网属性检测方法，其特征在于，包括：

若干用户的移动终端采集传感器数据，得到原始数据后，提取所需的传感器数据；记录部分用户移动终端所采集数据的路网属性，用于构建训练集数据，其余用户移动终端所采集的数据直接上传至云端获得众包数据，并作为轨迹数据用于属性检测；

对用于构建训练集的数据，进行预处理，依据滑动窗口采样，计算每个样本的特征值并标注相应的属性类型，使用机器学习中的特征选择算法筛选特征值，构建训练数据集；

根据得到的训练数据集，采用机器学习的方法，对不同属性的样本数据进行分类训练，得到适用于路网属性的分类模型；

将众包的轨迹数据进行数据处理，并用训练好的分类模型，进行属性检测；将轨迹数据的位置信息与属性信息进行数据融合，得到带属性信息的GPS数据；

基于现有行人路网的基础数据，进行地图匹配，将轨迹点的属性信息赋予所匹配到现有路网中的位置点；对匹配到多个属性标签的位置点，使用多数投票法得到位置点的唯一标签；修正异常标签，得到带有属性信息的路网数据。

2.根据权利要求1所述基于移动终端的行人路网属性检测方法，其特征在于，所述若干用户的移动终端采集传感器数据，得到原始数据后，提取所需的传感器数据；记录部分用户移动终端所采集数据的路网属性，用于构建训练集数据，其余用户移动终端所采集的数据直接上传至云端获得众包数据，并作为轨迹数据用于属性检测的步骤包括：

通过若干用户的移动终端采集多个传感器数据，并提取加速度计、气压计、GPS三个传感器的数据；得到三轴加速度、气压值、GPS数据，并保留时间戳数据。

3.根据权利要求1所述基于移动终端的行人路网属性检测方法，其特征在于，所述对用于构建训练集的数据，进行预处理，依据滑动窗口采样，计算每个样本的特征值并标注相应的属性类型，使用机器学习中的特征选择算法筛选特征值，构建训练数据集的步骤包括：

对用于构建训练集的原始数据中的噪声数据进行剔除，对气压值进行滤波处理，得到用于构建训练集的初始数据；

将得到的用于构建训练集的数据，通过滑动窗口进行数据采样，得到数据集的多个样本；

数据采样完成后，选取均值、方差、相关系数、气压差作为样本初始特征，计算每个样本的特征值，并保留每个样本的第一条时间戳数据，随后采用Weka的特征选择功能对初始特征进行筛选，并提取最优特征子集；

获得各样本的特征值后，添加其对应的属性标签，得到最终所需的训练集数据。

4.根据权利要求3所述基于移动终端的行人路网属性检测方法，其特征在于，所述对用于构建训练集的数据中的噪声数据进行剔除的步骤包括：

根据采集的数据确定采样频率；

依据计算得到的采样频率设置方差阈值及剔除量；

根据剔除量剔除始末部分数据；

依据所设置方差阈值，剔除非运动状态所采集的数据。

5.根据权利要求1所述基于移动终端的行人路网属性检测方法，其特征在于，所述根据得到的训练数据集，采用机器学习的方法，对不同属性的样本数据进行分类训练，得到适用于路网属性的分类模型的步骤包括：

将得到的最终训练集数据作为模型输入，采用K-邻近模型作为分类模型进行训练，得到适用于路网属性的分类模型。

6.根据权利要求1所述基于移动终端的行人路网属性检测方法，其特征在于，所述将众包的轨迹数据进行数据处理，并用训练好的分类模型，进行属性检测；将轨迹数据的位置信息与属性信息进行数据融合，得到带属性信息的GPS数据的步骤包括：

对众包的轨迹数据进行预处理并采样，依据训练数据中所选特征计算各样本特征值，同时保留每个样本的第一条时间戳数据；

使用训练好的K-邻近模型，对处理后的轨迹数据进行属性检测，即得到轨迹数据每个样本的属性信息，并且带有时间信息；

将得到带有时间信息的属性信息与位置信息进行数据融合，得到各轨迹的GPS数据带有属性信息。