Mostrar el registro sencillo del ítem


Transportation Mode Detection using GPS Data

dc.contributor.authorAdarme Jaimes, Marco Antonio
dc.contributor.authorHeredia-Vizcaino, Diana
dc.contributor.authorPuerto Cuadros, Eduard Gilberto
dc.date.accessioned2021-10-29T21:17:31Z
dc.date.available2021-10-29T21:17:31Z
dc.date.issued2017-12
dc.identifier.issn2027-8101
dc.identifier.urihttp://repositorio.ufps.edu.co/handle/ufps/490
dc.description.abstractEl uso de dispositivos móviles y el aprovechamiento de la tecnología GPS, permiten la implementación de sistemas para analizar el contexto y actividades típicas de transporte de un usuario, a través del análisis de los datos de localización y sensores de aceleración. Este trabajo de investigación comprende el procesamiento de datos obtenidos vía GPS. Con este procesamiento se pretende detectar el modo de transporte de un usuario en segmentos de recorridos predefinidos. Para la clasificación de éstos, se usan perfiles de velocidad que identifican los modos de transporte en cada uno de los segmentos, mediante un sistema software en lenguaje de programación Java y la utilización de Matlab para el análisis y filtros de datos. El sistema software se desarrolla en dos componentes, el primero comprende el filtro y transformación de datos. Estos datos se representan en coordenadas decimales a coordenadas cartesianas. El segundo presenta la clasificación, para la detección de modos de transportes con las coordenadas cartesianas. También contiene el análisis de estados de movimientos cinemáticos. Las pruebas se realizan a través de un dataset tomado del proyecto GeoLife de Microsoft Asia. Los resultados obtenidos muestran una detección coherente sobre los medios de transporte que usan los diferentes usuarios. Estos usuarios se comparan a partir de perfiles de velocidad predefinidos.spa
dc.description.abstractThe use of mobile devices and GPS technology allow the implementation of systems to analyze the context and typical transport activities of a user, through the analysis of the location data and acceleration sensors. This research includes the processing of data obtained via GPS. This processing is intended to detect the mode of transport of a user in segments of predefined paths. For classification, velocity profiles that identify modes of transport in each segment are used. The software implements a Java programming language and the use of Matlab for analysis and data filters. The software system is developed into two components; the first comprises the filter and transformation of data. These data are plotted from decimal coordinates to cartesian coordinates. The second presents the classification for the detection of transport modes with cartesian coordinates. It also contains the analysis of states of kinematic movements. The tests are performed through a dataset taken from the GeoLife project of Microsoft Asia. The obtained results show a coherent detection on the means of transport that the different users use. These users are compared from predefined speed profiles.eng
dc.format.extent12 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherCuaderno Activaspa
dc.relation.ispartofCuaderno Activa
dc.rightsCuaderno Activa provee acceso libre inmediato a su contenido bajo el principio de hacer disponible gratuitamente la producción investigativa al ´´público, fomentando un mayor intercambio de conocimiento científico.spa
dc.sourcehttps://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/417spa
dc.titleDetección de modos de transporte usando datos GPSspa
dc.titleTransportation Mode Detection using GPS Dataeng
dc.typeArtículo de revistaspa
dcterms.referencesArentze, T. (2013). Adaptive personalized travel informationsystems: A bayesian method to learn users’ personal. IEEE Intelligent Transportation Systems Society, 14(4), 1957 - 1966.spa
dcterms.referencesAshbrook, D., & Starner, T. (2003). Using GPS to learn significant locations and predict movement across. Personal and ubiquitous computing, 7(5), 275-286.spa
dcterms.referencesEcomovildad. (2012). ¿A qué velocidad va el transporte público?. Recuperado de http://ecomovilidad.net/madrid/a-que-velocidad-va-el-transporte-publico/spa
dcterms.referencesE-Interactive. (2013). Comportamiento de usuarios en dispositivos móviles. Recuperado de http://www.e-interactive.es/wp-content/uploads/Informe-de-Marketing-Movil.pdfspa
dcterms.referencesFeatherstone, W., & Claessens, S. (2008). Closedform transformation between geodetic and ellipsoidal coordinates. Springer, 52(1), 1-18.spa
dcterms.referencesFeng, T., & Timmermans, H. J. (2016). Comparison of advanced imputation algorithms for detection of transportation mode and activity episode using GPS data. Transportation Planning and Technology, 39(2), 180-194.spa
dcterms.referencesMicrosoft Research. (2012). GeoLife GPS trajectories. Recuperado de http://research.microsoft.com/en-us/downloads/b16d359d-d164-469e-9fd4-daa38f2b2e13/spa
dcterms.referencesOriol , B., Bigorra, A., Pérez , Y., Orellana, A., Russo, A., & Salvador Anton, C. (2013). Analysis of tourist behaviour based on the tracking data collected by GPS. Geographic information systems: Concepts, methodologies. doi: 10.4018/978-1-4666-2038-4.ch066spa
dcterms.referencesPalacios, Rafael. (2006). Matlab Central. Recuperado de http://www.mathworks.com/matlabcentral/fileexchange/10915-deg2utmspa
dcterms.referencesShin, D., Aliaga, D., Tunçer, B., Müller, S., Kim, S., & Zünd, D. (2014). Urban sensing: Using smartphones for transportation mode classification. ElSEVIER, 53. 76-86.spa
dcterms.referencesSohn, T., Varshavsky, A., LaMarca, A., Chen, M. Y., Choudhury, T., Smith, I., y otros. (2006). Mobility detection using everyday GSM traces. UbiComp 2006: Ubiquitous computing, 4206(221-224). Springer Berlin Heidelberg.spa
dcterms.referencesStenneth, L., Wolfson, O., Yu, P. S., & Xu, B. (November 2011). Transportation mode detection using mobile phones and GIS information. Proceedings of the 19th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems. Chicago, Illinois.spa
dcterms.referencesWu, L., Yang, B., & Jing, P. (2016). Travel mode detection based on GPS raw data collected by smartphones: a systematic review of the existing methodologies. Multidisciplinary Digital Publishing Institute, 7 (4),spa
dcterms.referencesXiao, G., Juan, Z., & Zhang, C. (2015). Travel mode detection based on GPS track data and Bayesian networks. Computers, environment and urban systems, 54, 14-22.spa
dcterms.referencesYan, Z., Chakraborty, D., Parent, C., & Spaccaprieta, S. (2013). Semantic Trajectories: Mobility data computation and annotation. ACM Transactions on Intelligent Systems and Technology, 4 (3).spa
dcterms.referencesZhan , X., Hasan , S., Ukkusuri , S., & Kamga , C. (2013). Urban link travel time estimation using large-scale taxi data with partial information . ElSEVIER, 33,37-49.spa
dcterms.referencesZhang, J., Arentze, T., & Timmermans, H. (2012). A multimodal transport network model for advanced traveler information system. Journal of Ubiquitous Systems & Pervasive Networks, 4 (1), 21-27.spa
dcterms.referencesZheng, Y., Chen, Y., Quanan, L., Xie, X., & Wei-Ying, M. (2010). Understanding Transportation Modes Based on GPS Data for Web Applications. ACM, 4 (1), 1-33.spa
dcterms.referencesZheng, Y., Liu, L., & Wang, L. (April 2008). Learning transportation mode from raw GPS data for geographic applications on the web. International World Wide Web Conference Committee (IW3C2). Beijing, China.spa
dcterms.referencesZhu, X., Li, J., Liu, Z., Wang, S., & Yang, F. (June 2016). Learning Transportation Annotated Mobility Profiles from GPS Data for Context-Aware Mobile Services. Services Computing (SCC), 2016 IEEE International Conference.spa
dc.publisher.placeColombiaspa
dc.relation.citationeditionVol.9 (2017)spa
dc.relation.citationendpage29spa
dc.relation.citationissue(2017)spa
dc.relation.citationstartpage13spa
dc.relation.citationvolume9spa
dc.relation.citesAdarme Jaimes, M. A., Heredia Vizcanio, D., & Puerto Cuadros, E. G. (2017). Detección de modos de transporte usando datos GPS. Cuaderno Activa, 9(9), 13–29. Recuperado a partir de https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/417
dc.relation.ispartofjournalCuaderno Activaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)spa
dc.subject.proposalDetección de modos de transportespa
dc.subject.proposalTransportation mode detectioneng
dc.subject.proposalGPSeng
dc.subject.proposaltransporte multimodalspa
dc.subject.proposalmultimodal transporteng
dc.type.coarhttp://purl.org/coar/resource_type/c_6501spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.redcolhttp://purl.org/redcol/resource_type/ARTspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem