| dc.creator |
YASLI, Fethiye; YILDIZ TEKNİK ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ |
|
| dc.creator |
GÜVENSAN, M. Amaç; YILDIZ TEKNİK ÜNİVERSİTESİ, ELEKTRİK-ELEKTRONİK FAKÜLTESİ |
|
| dc.date |
2019-03-25T00:00:00Z |
|
| dc.date.accessioned |
2019-07-09T12:17:01Z |
|
| dc.date.available |
2019-07-09T12:17:01Z |
|
| dc.identifier |
http://dergipark.org.tr/jesd/issue/42166/427863 |
|
| dc.identifier |
10.21923/jesd.427863 |
|
| dc.identifier.uri |
http://acikerisim.sdu.edu.tr/xmlui/handle/123456789/48602 |
|
| dc.description |
Bireysel ulaşım şekli,trafik planlama ve insan sağlığı araştırmalarında önemli bir etkiye sahiptir.Kişilerin ulaşım alışkanlıkları analiz edilerek şehirlerde yeni hatlarınplanlaması çok daha verimli bir şekilde yapılabilir. Bu alışkanlıkları tespit etmeninyollarından bir tanesi de kişilerin kullandıkları akıllı telefonlar veyasaatler üzerinden toplanan algılayıcı verilerinin işlenerek ulaşım türü tespitiyapılmasıdır. Akıllı telefonların ve saatlerin hayatımıza girmesiyle, ulaşımtürü belirleme üzerine yapılan çalışmalar artmıştır. Öte yandan, bu cihazlarınenerji kısıtları olması sebebiyle ulaşım türü tanıma uygulamalarının mümkünolduğunca az enerji tüketmesi istenmektedir. Bu nedenle ulaşım türü tanımadakullanılan öznitelikler oldukça önemlidir. Bu çalışmada akıllı telefon üzerindebulunan ivme ölçer, jiroskop, mıknatıs ölçer ve yön algılayıcıları kullanılaraktoplanan ham veriden zaman ve frekans alanında öznitelikler elde edilmiştir. Öznitelikler,Zaman, Frekans, Zaman+Frekans tiplerine göre ayırılarak, farklı sınıflandırmaalgoritmaları üzerindeki başarıya etkileri incelenmiştir. Sınıflandırmaalgoritması olarak J48, Rastgele Orman (Random Forest), Destek VektörMakineleri (SVM), En Yakın k Komşuluk (k-NN) ve Çok Katmanlı Algılayıcıalgoritmaları kullanılmıştır. Yapılan testler sonucunda en başarılı algoritma%95,06 ile Rastgele Orman algoritması olurken, Zaman+Frekans alanında eldeedilen özniteliklerin Zaman alanındaki özniteliklere göre sadece %0,5 daha iyisonuç ürettiği görülmüştür. |
|
| dc.description |
Personal transportation form has a substantial impacton traffic planning and human health. Analyzing transportationpreferences/habits of people could result in planning new public routes in amore efficient manner. One of the ways to detect such habits is to process the datacollected from the sensors located on smartphones and smart watches. Thus, thewidespread usage of these type devices makes the way for more publication abouttransport mode detection. On the other hand, due to their energy-constrainedarchitecture, mobile applications about transport mode detection should bedesigned taking energy consumption into consideration. Therefore, the selectedfeatures for transport mode detection are quite critical. In this study, time-domain and frequencydomain features are extracted from the data collected from accelerometer,gyroscope, magnetometer and orientation sensor. The impact of time-domainfeatures, frequency-domain features and time-frequency domain features onsuccess rate are compared using 5 different classification algorithms includingJ48, Random Forest, Support Vector Machines (SVM), k Nearest Neighbor (k-NN)and Multi-Layer Perceptron. Test results show that Random Forest algorithmoutperforms the rest with a success rate of 95.06%, whereas exploiting bothtime and frequency features increases the classification rate only by 0.5%compared to using only time-domain features. |
|
| dc.format |
application/pdf |
|
| dc.language |
tr |
|
| dc.publisher |
Süleyman Demirel University |
|
| dc.publisher |
Süleyman Demirel Üniversitesi |
|
| dc.relation |
http://dergipark.org.tr/download/article-file/678211 |
|
| dc.source |
Volume: 7, Issue: 1
90-102 |
en-US |
| dc.source |
1308-6693 |
|
| dc.subject |
Ulaşım türü,Sınıflandırma,Akıllı telefon,Zaman alanı,Frekans alanı,Ayırt edici öznitelikler,Enerji verimli |
|
| dc.subject |
Transportation type,Classification,Smartphone,Time-domain,Frequency-domain,Discriminative features,Energy efficient |
|
| dc.title |
ULAŞIM TÜRÜ TANIMADA ENERJİ KISITLI CİHAZLAR İÇİN AYIRT EDİCİ ÖZELLİKLER |
en-US |
| dc.title |
DISCRIMINATIVE FEATURES FOR ENERGY-CONSTRAINED DEVICES ON TRANSPORTATION MODE DETECTION |
en-US |
| dc.type |
info:eu-repo/semantics/article |
|