スマートフォンのセンサーから交通モードを推測するWi-FiとBluetoothの可能性を評価する

Inferring transportation mode from smartphone sensors: Evaluating the potential of Wi-Fi and Bluetooth.

• Andreas Bjerre-Nielsen
• Kelton Minor
• Piotr Sapieżyński
• Sune Lehmann
• David Dreyer Lassen

抄録

スマートシティやプランナーが市民により良いサービスを提供するためには、人々がどのような交通手段を利用しているかを理解することが重要である。我々は、普及型Wi-FiアクセスポイントとBluetoothデバイスからの情報を使用することで、GPSと地理情報を強化し、スマートフォンでの交通機関の検出を改善できることを示しています。また、Wi-Fi情報はほとんどの携帯電話ですでに収集されているため、交通手段の識別を改善し、バッテリーの節約にも役立ちます。我々のアプローチは、機械学習アプローチを使用して、事前に準備されたデータからモードを決定します。このアプローチでは、セルフパワー、自動車ベース、公共交通機関の3つのグループ化されたモードを推論する際に、全体の精度は89%、平均F1スコアは83%となりました。Wi-Fi機能は、個々のモードごとに分解すると、GPS機能のみの場合と比較して、バス旅行、列車旅行、運転の検出精度を向上させ、性能を低下させることなくGIS機能の代用が可能です。この結果から、Wi-FiとBluetoothは、モバイル旅行調査や都市センシングアプリケーションの改善など、都市交通研究に役立つことが示唆されました。

Understanding which transportation modes people use is critical for smart cities and planners to better serve their citizens. We show that using information from pervasive Wi-Fi access points and Bluetooth devices can enhance GPS and geographic information to improve transportation detection on smartphones. Wi-Fi information also improves the identification of transportation mode and helps conserve battery since it is already collected by most mobile phones. Our approach uses a machine learning approach to determine the mode from pre-prepocessed data. This approach yields an overall accuracy of 89% and average F1 score of 83% for inferring the three grouped modes of self-powered, car-based, and public transportation. When broken out by individual modes, Wi-Fi features improve detection accuracy of bus trips, train travel, and driving compared to GPS features alone and can substitute for GIS features without decreasing performance. Our results suggest that Wi-Fi and Bluetooth can be useful in urban transportation research, for example by improving mobile travel surveys and urban sensing applications.