Determining the mode of transport o

Determining the mode of transport of an individual is an important element of contextual information. In particular, we focus on differentiating between different forms of motorized transport such as car, bus, subway etc. Our approach uses location information and features derived from transit route information (schedule information, not real-time) published by transit agencies. This enables no up-front training or learning of routes and can be deployed instantly to a new place since most transit agencies publish this information. Combined with motion detection using phone accelerometers, we obtain a classification accuracy of around 90% on 50+ hours of car and transit data.

ผลลัพธ์ (ไทย) 1:

การกำหนดโหมดการขนส่งของแต่ละบุคคลเป็นองค์ประกอบสำคัญของข้อมูลบริบท โดยเฉพาะอย่างยิ่ง เราเน้นบอกความแตกต่างระหว่างรูปแบบต่าง ๆ ของการขนส่งทางรถยนต์ รถบัส รถไฟใต้ดินฯลฯ แนวทางใช้ข้อมูลตำแหน่งและคุณสมบัติที่ได้มาจากข้อมูลเส้นทางขนส่ง (ตารางข้อมูล เรียลไทม์ไม่) เผยแพร่ โดยหน่วยงานขนส่ง นี้ช่วยให้ไม่ฝึกล่วงหน้าหรือเรียนรู้เส้นทาง และสามารถใช้งานได้ทันทีสถานที่ใหม่ตั้งแต่หน่วยงานขนส่งส่วนใหญ่เผยแพร่ข้อมูลนี้ เรารวมกับจับการเคลื่อนไหวโดยใช้หัวโทรศัพท์ ได้รับการจัดประเภทความแม่นยำประมาณ 90% 50 ชั่วโมงของรถยนต์และส่งข้อมูล

ผลลัพธ์ (ไทย) 2:

การกำหนดรูปแบบการขนส่งของแต่ละบุคคลเป็นองค์ประกอบสำคัญของข้อมูลตามบริบท โดยเฉพาะอย่างยิ่งเรามุ่งเน้นความแตกต่างระหว่างรูปแบบที่แตกต่างกันของการขนส่งแข่งรถเช่นรถยนต์รถบัสและรถไฟใต้ดิน ฯลฯ วิธีการของเราจะใช้ข้อมูลที่ตั้งและคุณสมบัติที่ได้มาจากข้อมูลเส้นทางการขนส่ง (ข้อมูลตารางไม่ได้แบบ real-time) ที่ตีพิมพ์โดยหน่วยงานขนส่ง ซึ่งจะช่วยให้ไม่มีการฝึกอบรมขึ้นด้านหน้าหรือการเรียนรู้เส้นทางและสามารถใช้งานได้ทันทีไปยังสถานที่ใหม่ตั้งแต่หน่วยงานขนส่งมากที่สุดเผยแพร่ข้อมูลนี้ ร่วมกับการตรวจจับการเคลื่อนไหวโดยใช้ accelerometers โทรศัพท์เราได้รับการจำแนกประเภทของความถูกต้องประมาณ 90% เมื่อ 50 + ชั่วโมงของรถและการขนส่งข้อมูล

ผลลัพธ์ (ไทย) 3:

กำหนดโหมดของการขนส่งของแต่ละบุคคลเป็นองค์ประกอบที่สำคัญของข้อมูลบริบท โดยเรามุ่งเน้นไปที่ความแตกต่างระหว่างรูปแบบต่าง ๆของเครื่องยนต์ เช่น รถยนต์ รถบัส รถไฟใต้ดิน ฯลฯ วิธีการของเราที่ใช้ข้อมูลที่ตั้งและคุณสมบัติที่ได้จากข้อมูลเส้นทางขนส่ง ( ข้อมูล ตารางเวลาไม่จริง ) เผยแพร่โดยหน่วยงานขนส่ง นี้จะช่วยให้ไม่ขึ้นหน้าการฝึกอบรมหรือการเรียนรู้ของเส้นทางและสามารถใช้งานได้ทันทีไปยังสถานที่ใหม่ ตั้งแต่หน่วยงานการขนส่งส่วนใหญ่เผยแพร่ข้อมูลนี้ ตรวจจับการเคลื่อนไหวใช้ร่วมกับโทรศัพท์ accelerometers , เราได้รับการจำแนกความถูกต้องประมาณ 90% ใน 50 ชั่วโมง + รถและข้อมูลการขนส่ง