Transportation mode detection by using smartphone sensors and machine learning

The aim of this study is to detect transportation modes of the users by using smartphone sensors. Therefore, GPS (Global Positioning System), accelerometer and gyroscope sensor data have been collected while walking, running, cycling and travelling by bus or by car from the smartphone of the user. Sensor data were tagged with 12 second interval and 2500 pattern were obtained. 14 features were acquired from the dataset. Machine learning methods were tested on the dataset. Best result was obtained from GPS, accelerometer and gyroscope sensor combination and Random Forest method with 99.4% accuracy rate.

Akýllý telefon algýlayýcýlarý ve makine öðrenmesi kullanýlarak ulaþým türü tespiti

Bu çalýþmada akýllý telefon algýlayýcýlarý kullanýlarak kullanýcýlarýn ulaþým türü tespitinin yapýlmasý amaçlanmaktadýr. Bunun için kullanýcýdan yürürken, koþarken, bisiklet sürerken, araba veya otobüs ile seyahat ederken GPS (Global Positioning System), ivmeölçer ve jiroskop algýlayýcýlarýndan elde edilen veriler toplanmýþtýr. Veriler 12’þer saniyelik aralýklarla etiketlenmiþ ve toplamda 2500 örüntü elde edilmiþtir. Bu verilerden 14 öznitelik elde edilmiþtir. Oluþturulan veri seti ile makine öðrenmesi yöntemleri kullanýlarak testler gerçekleþtirilmiþtir. En iyi sonuç GPS, ivmeölçer ve jiroskop algýlayýcýlarýnýn kombinasyonundan, %99.4 doðruluk oraný ile Random Forest yönteminden elde edilmiþtir.