استخراج ويژگي از خطوط سير به منظور شناسايي حالت حمل و نقل در شهر هوشمند با استفاده از يادگيري ماشين

با پيشرفت فناوري و اهميت حمل و نقل هوشمند در شهر هوشمند، پيش بيني و شناسايي استفاده از حالات حمل و نقلي بخش اوليه و اساسي در حمل و نقل هوشمند نظير مسائل كاربردي كنترل ترافيك، تجزيه و تحليل تقاضاي سفر و برنامه ريزي حمل و نقل به شمار مي آيد. با فراگير شدن دستگاه هاي تعيين موقعيت و همچنين استفاده از تلفن هاي هوشمند، مسيرهاي موقعيتي ثبت شده يك رويكرد اقتصادي و سريع به منظور شناسايي حالات حمـل و نقل به حساب مي آيد. در اين پژوهش با استفاده از داده هاي موقعيتي ثبت شده توسط مركز تحقيقاتي مايكروسافت آسيا (GeoLife) كه بيشتر در شهر پكن انجام پذيرفته و استخراج ويژگي هـاي حركتي به پيش بيني حالات حمل و نقلي پياده روي، استفاده از دوچرخه، استفاده از اتوبوس، استفاده از اتومبيل و استفاده از قطار پرداخته مي شود. رويكرد پيشنهادي استفاده از كلاسه بندي هاي يادگيري ماشين، شامل: كلاسه بندي ماشين بردار پشتيبان، جنگل تصادفي، تقويت گراديان و تقويت بيش از حد گراديان مي باشد. در بين مدل ها، مدل تقويت بيش از حد گراديان توانسته با كسب دقت 95/18 درصد و پيچيدگي زماني بهتر با توجه به ساير مدل ها، حالات حمل و نقلي را با دقت بالاتري پيش بيني كند.