Core Concepts
低サンプリングレートの加速度と位置信号を組み合わせ、注意機構付きマルチインスタンス学習ネットワークを用いて、8つの交通モードを高精度に識別する。
Abstract
本研究は、交通モード認識(Transportation Mode Recognition: TMR)のタスクに取り組んでいる。TMRは人間活動認識の重要な要素であり、人々が交通システム内でどのように移動しているかを理解し特定することに焦点を当てている。一般的にTMRは、スマートフォンなどの現代デバイスで取得できる慣性センサや位置センサのデータを活用している。
本研究では、加速度信号と位置信号の2つのセンサモダリティを効果的かつ堅牢な分類器で組み合わせることに焦点を当てている。提案するネットワークには、それぞれ異なるウィンドウサイズを使用して加速度信号と位置信号を個別に処理する2つのサブネットワークが含まれている。これらのサブネットワークは、2つのセンサモダリティを同一の特徴空間にマッピングするように設計されている。その後、注意機構付きマルチインスタンス学習(MIL)分類器を適用して交通モードを認識する。
また、バッテリー消費を抑えるため、両センサタイプとも非常に低いサンプリングレートを使用している。公開されているデータセットを使用して提案手法を評価し、他の既知のアルゴリズムと比較している。
Stats
加速度信号のサンプリングレートは10 Hzである。
位置信号のサンプリングレートは1/60 Hzである。
加速度信号は60秒のウィンドウに分割され、位置信号は12分のウィンドウに分割される。
Quotes
"加速度信号は物理的な活動を詳細に区別できるが、モーター化された交通モードを区別する能力は低い。"
"位置信号は、ユーザーの移動の「より高いレベルの」概要を捉えることができるが、衛星との継続的な相互作用を必要とするため、常に利用できるわけではない。"