The transportation mode such as wal

The transportation mode such as walking, cycling or on a train
denotes an important characteristic of the mobile user’s context. In
this paper, we propose an approach to inferring a user’s mode of
transportation based on the GPS sensor on her mobile device and
knowledge of the underlying transportation network. The
transportation network information considered includes real time
bus locations, spatial rail and spatial bus stop information. We
identify and derive the relevant features related to transportation
network information to improve classification effectiveness. This
approach can achieve over 93.5% accuracy for inferring various
transportation modes including: car, bus, aboveground train,
walking, bike, and stationary. Our approach improves the accuracy
of detection by 17% in comparison with the GPS only approach,
and 9% in comparison with GPS with GIS models. The proposed
approach is the first to distinguish between motorized
transportation modes such as bus, car and aboveground train with
such high accuracy. Additionally, if a user is travelling by bus, we
provide further information about which particular bus the user is
riding. Five different inference models including Bayesian Net,
Decision Tree, Random Forest, Naïve Bayesian and Multilayer
Perceptron, are tested in the experiments. The final classification
system is deployed and available to the public

ผลลัพธ์ (ไทย) 2:

โหมดการขนส่งเช่นการเดินขี่จักรยานหรือบนรถไฟ
หมายถึงลักษณะที่สำคัญของบริบทของผู้ใช้มือถือ ใน
บทความนี้เราได้นำเสนอแนวทางการอนุมานโหมดผู้ใช้ของ
การขนส่งขึ้นอยู่กับเซ็นเซอร์จีพีเอสบนโทรศัพท์มือถือของเธอและ
ความรู้เกี่ยวกับเครือข่ายการขนส่งพื้นฐาน
ข้อมูลเครือข่ายการขนส่งการพิจารณารวมถึงเวลาจริง
สถานที่รถบัสรถไฟเชิงพื้นที่และหยุดรถบัสข้อมูลเชิงพื้นที่ เรา
ได้รับมาระบุและคุณสมบัติที่เกี่ยวข้องกับการขนส่งที่เกี่ยวข้องกับ
เครือข่ายข้อมูลเพื่อปรับปรุงประสิทธิภาพการจัดหมวดหมู่ ซึ่ง
วิธีการที่จะประสบความสำเร็จมากกว่าความถูกต้อง 93.5% สำหรับการอนุมานต่างๆ
โหมดการขนส่งรวมทั้งรถบัสรถไฟเหนือพื้นดิน,
การเดิน, จักรยานและเครื่องเขียน วิธีการของเราเพิ่มความถูกต้อง
ของการตรวจสอบ 17% เมื่อเทียบกับจีพีเอสเพียงวิธีการ,
และ 9% เมื่อเทียบกับจีพีเอสที่มีรูปแบบระบบสารสนเทศภูมิศาสตร์ นำเสนอ
วิธีการที่เป็นครั้งแรกที่จะแยกแยะระหว่างมอเตอร์
โหมดการขนส่งเช่นรถประจำทางรถและรถไฟเหนือพื้นดินที่มี
ความแม่นยำสูงเช่น นอกจากนี้หากผู้ใช้จะเดินทางโดยรถบัสเรา
ให้ข้อมูลเพิ่มเติมเกี่ยวกับการที่รถบัสโดยเฉพาะอย่างยิ่งผู้ใช้จะ
ขี่ ห้ารูปแบบที่แตกต่างกันรวมทั้งการอนุมานแบบเบย์สุทธิ
ต้นไม้การตัดสินใจ, ป่าสุ่มซื่อๆ Bayesian และหลาย
Perceptron จะมีการทดสอบในการทดลอง การจัดหมวดหมู่สุดท้าย
ระบบจะใช้งานและให้บริการแก่ประชาชน

ผลลัพธ์ (ไทย) 3:

โหมดการขนส่ง เช่น การเดิน ปั่นจักรยาน หรือบนรถไฟ
แสดงลักษณะสำคัญของบริบทของผู้ใช้มือถือ . ใน
บทความนี้เรานำเสนอแนวทางการของผู้ใช้โหมดของการขนส่งขึ้นอยู่กับเซ็นเซอร์
GPS บนโทรศัพท์มือถือของเธอและ
ความรู้ต้นแบบของเครือข่ายการขนส่ง .

ถือว่ามีเครือข่ายการขนส่งข้อมูลเวลาจริงรถทัวร์สถานที่รถไฟเชิงพื้นที่และข้อมูลป้ายรถเมล์เชิงพื้นที่ เรา
ระบุและการสืบทอดที่เกี่ยวข้องคุณสมบัติที่เกี่ยวข้องกับข้อมูลเครือข่ายการขนส่ง
เพื่อปรับปรุงประสิทธิภาพของการจำแนกประเภท วิธีการนี้
สามารถบรรลุมากกว่าความถูกต้อง 93.5% สำหรับสำหรับโหมดการขนส่งต่าง ๆรวมถึง : รถยนต์ , รถบัส ,

เน้นรถไฟ เดิน จักรยาน และเครื่องเขียน วิธีการปรับปรุงความถูกต้อง
ของการตรวจสอบโดย 17% เมื่อเปรียบเทียบกับ GPS เท่านั้นวิธีการ
และ 9 เปอร์เซ็นต์ เปรียบเทียบกับ GPS กับแบบจำลองระบบสารสนเทศภูมิศาสตร์
วิธีการเสนอเป็นครั้งแรกเพื่อแยกความแตกต่างระหว่างโหมดแข่งรถ
การขนส่ง เช่น รถเมล์ รถยนต์ และรถไฟกับ
เน้นความแม่นยำสูงเช่น นอกจากนี้ ถ้าผู้ใช้จะเดินทางโดยรถบัส เราให้ข้อมูลเพิ่มเติมเกี่ยวกับ
โดยเฉพาะรถบัสผู้ใช้
ขี่ม้าห้าที่แตกต่างกันการอนุมานแบบเบย์รวมสุทธิ
โครงสร้างการตัดสินใจแบบ ป่า นา ไตได้แบบธรรมดาและ Multilayer
, มีการทดสอบในการทดลอง ระบบการจัดหมวดหมู่
สุดท้าย คือ ใช้ และพร้อมใช้งานสาธารณะ