研究報告：智能手機將會大大降低上班族的通勤壓力

本文由騰訊數碼獨家發布

智能手機作為重要的社交通訊工具，已經成為了世界各地人民生活中不可或缺的電子設備，而根據英國蘇塞克斯大學可穿戴技術實驗室的最新研究發現，隨著機器學習和人工智慧技術的成熟，這些智能電子設備還可以利用新的機器學習演算法，實現對通勤者所選交通模式的監測，並自動提供包括路況，路線等合理化建議。

研究論文作者 Daniel Roggen 對此表示：「此前的智能手機設備可能僅僅收集了一些關於設備移動的 GPS 定位數據，而我們的機器學習演算法可以對所有手機感測器模塊收集來的數據進行綜合處理分析，並針對用戶放置手機的四個習慣位置（手上，背包里，手提袋或者褲兜里）進行定位，無論是從運輸方式的多樣性、測量條件的範圍以及感測器數量和數據記錄的小時數量各方面，我們的機器學習通勤追蹤演算法都是史無前例的。」

通過幾個月的機器學習模型訓練，Roggen 和他的研究團隊利用各種交通工具收集了相當於 117 天以上的英國通勤者出行數據，從而創建了目前最大的公共可用數據集，針對放置手機的四個位置將研究對象分為四類，對通勤者為期 7 個月的出行通勤記錄進行分析，訓練出了這類演算法模型，為了驗證模型的準確率，他們讓 17 個機器學習研發小組分別進行了針對靜坐，步行，跑步，騎行，乘坐公共汽車，列車和地鐵等八種通勤模式進行了知識競賽測試，結果發現其中八組的通勤模式判別準確率在 80% 到 90% 之間，九組準確率在 50% 到 80% 之間。

其中斯洛維尼亞 Jozef Stefan 的 JSI-Deep 小組獲得了競賽冠軍，以 93.9 % 的準確率位列第一，他們同時融合了機器學習和深度學習演算法模型，總的來說，雖然影響因素不大，但是深度學習相比機器學習的性能還是更優良一些，現在這些演算法模型也已經逐漸成熟，有望在不久的將來正式運用到通勤模式識別、數據挖掘、定位、跟蹤和感測器融合等現實應用中。

來源：gadgets.ndtv

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！