izpis_h1_title_alt

Razvoj storitve za detekcijo prevoznega sredstva
ID ROBIČ, MATEVŽ (Avtor), ID Rupnik, Rok (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (2,61 MB)
MD5: 404D270C309896F88EDC7CF7C537CCDA

Izvleček
Današnje mobilne naprave z vgrajenimi senzorji in GPS sprejemniki nam omogočajo beleženje podatkov, s pomočjo katerih lahko izvemo veliko informacij o uporabniku. Cilj diplomske naloge je razviti mobilno aplikacijo oziroma storitev za detekcijo prevoznega sredstva uporabnika. Nabor izbranih prevoznih sredstev predstavljajo mestni avtobus, tramvaj in vlak. Za zajem podatkov smo uporabili merilnik pospeškov, giroskop in GPS sprejemnik mobilne naprave. S pomočjo zajetih podatkov, prosto dostopnih podatkov o geografski legi železniških objektov in različnih metod strojnega učenja smo razvili napovedni model. Metoda naključnih gozdov je s 97 % natančnostjo pokazala najboljši rezultat.

Jezik:Slovenski jezik
Ključne besede:Android, aplikacija, detekcija, strojno učenje, prevozno sredstvo
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2023
PID:20.500.12556/RUL-144802 Povezava se odpre v novem oknu
COBISS.SI-ID:147555843 Povezava se odpre v novem oknu
Datum objave v RUL:13.03.2023
Število ogledov:980
Število prenosov:119
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:The Development for Transportation Mode Detection
Izvleček:
Modern mobile devices with embedded sensors and GPS receivers allow us to collect all sorts of data, that we can use to gain information about users. The goal of this thesis is to develop a mobile app service for detecting user transportation mode. Our set of selected transportation modes consists of city bus, tram, and train. We used accelerometer, gyroscope, and GPS receiver for data collection. With the use of collected data, geographical railway data and different classification methods we developed a prediction model. Random forest performed best with 97 % accuracy.

Ključne besede:Android, application, detection, machine learning, transportation mode

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj