26、旅行模式分类：传统机器学习与深度学习方法

旅行模式分类：传统机器学习与深度学习方法

1. 研究背景与目标

在旅行模式分类的研究中，旨在通过智能设备收集的数据，利用传统机器学习和深度学习方法对不同的旅行模式进行准确分类。这对于理解人类的出行行为、优化交通规划等方面具有重要意义。

2. 数据集准备

• 数据收集设备与内容 ：使用智能手机收集方向数据。开发并安装在手机上的应用程序记录以下惯性数据：时间戳（毫秒）、沿 x、y 和 z 轴的加速力（包括重力，单位：米/秒²）、设备的线性加速度（米/秒²）、设备的方向或磁北与设备 y 轴之间的角度（度），数据采样率为 20 Hz。
• 受试者选择 ：从大学校园和实验室招募了 14 名非痴呆受试者。纳入标准为精神健康且能够独立行走。数据收集活动获得了新加坡南洋理工大学机构审查委员会（IRB）的批准，在收集数据前向每个受试者解释了研究目标并获得其参与研究的同意。
• 数据收集过程
  1. 收集前，向受试者解释每种旅行模式并举例，让每个受试者复制每种模式一次以确认其理解。
  2. 所有受试者手持手机（掌心向上），水平放置手机，屏幕朝上，以方便与手机屏幕上的用户界面交互来开始/停止记录数据，并确保在数据记录期间不改变持手机的方向。
  3. 数据收集人员告知受试者要收集的旅行模式，受试者开始行走时点击手机屏幕上的切换按钮触发数据记录，停止行走时再次点击按钮停止记录，惯性数据将自动存储为手机中的文本文件。
  4. 密切监测和观察受试者的行走动作，若