文献

J-GLOBAL ID：201902211400414002   整理番号：19A1572408

物理的日常活動によるモバイルユーザ屋内屋外検出【JST・京大機械翻訳】

Mobile User Indoor-Outdoor Detection through Physical Daily Activities

著者 (4件)： Kelishomi Aghil Esmaeili (MOE Key Laboratory for Intelligent and Network Security, Xi’an Jiaotong University, Xi’an 710049, China) ,  Garmabaki A.H.S. (Division of Operation and Maintenance Engineering, Lulea University of Technology, 97187 Lulea, Sweden) ,  Bahaghighat Mahdi (Department of Electrical Engineering, Raja University, 34148 Qazvin, Iran) ,  Dong Jianmin (MOE Key Laboratory for Intelligent and Network Security, Xi’an Jiaotong University, Xi’an 710049, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 3  ページ： 511  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： グローバルポジショニングシステムと屋内位置決めシステムの間の自動,高速,正確なスイッチング法は,現在のユーザ位置決めを達成するために重要である。それは,スマートデバイスに設置された様々なサービス,例えば位置ベースサービス(LBS),ヘルスケア監視コンポーネント,およびシームレス屋内/屋外ナビゲーションと位置確認(SNAL)にとって不可欠な情報である。本研究において,著者らは,歩行,スキップ,ジョグ,滞在,登坂階段を含む利用者の6つの異なる毎日の活動に従って,屋内/屋外環境を正確に検出するためのアプローチを提案した。著者らは,各活動に対する多くの特徴を選択し,次にランダムフォレストやAdaBoostのようなアンサンブル学習法を適用して,環境タイプを分類した。広範なモデル評価と特徴分析は,システムが環境認識のために良い適応で高い検出率を達成できることを示す。提案した方法の経験的評価を,HASC-2016公開データセット上で検証し,結果は,環境タイプを検出するために99%の精度を示した。提案した方法は日常生活活動データのみに依存し,信号セルタワーやWi-Fiアクセスポイントなどの外部設備を必要としない。これは上層応用に対する提案した方法の適用性を意味する。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 端局 ,  スイッチング ,  GPS ,  高速度 ,  *位置決め ,  機械学習
準シソーラス用語： 日常生活 ,  アンサンブル学習 ,  ランダムフォレスト ,  屋外環境 ,  *屋内 ,  シームレス ,  スマートデバイス ,  屋内位置決め ,  *モバイルユーザ , 【Automatic Indexing@JST】

著者キーワード (6件)： センサベース屋内屋外検出 ,  位置ベースサービス ,  人間の日常活動 ,  動きセンサ ,  機械学習 ,  文脈認識

分類 (1件)： パターン認識  (JE07000S)

引用文献 (47件)：

• Smartphone Users Worldwide 2014-2020. Available online: https://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/ (accessed on 7 November 2018).
• Lane, N.D.; Miluzzo, E.; Lu, H.; Peebles, D.; Choudhury, T.; Campbell, A.T. A survey of mobile phone sensing. IEEE Commun. Mag. 2010, 48, 140-150.
• [Green Version] Wang, J.; Tse, N.C.F.; Poon, T.Y.; Chan, J.Y.C. A Practical Multi-Sensor Cooling Demand Estimation Approach Based on Visual, Indoor and Outdoor Information Sensing. Sensors 2018, 18, 3591.
• Xu, H.; Teo, H.; Tan, B.C.; Agarwal, R. The role of push-pull technology in privacy calculus: The case of location-based services. Manag. Inf. Syst. 2009, 26, 135-174.
• van den Berg, J.; Köbben, B.; van der Drift, S.; Wismans, L. Towards a Dynamic Isochrone Map: Adding Spatiotemporal Traffic and Population Data. In Proceedings of the LBS 2018: 14th International Conference on Location Based Services, Zurich, Switzerland, 15-17 January 2018; pp. 195-209.

タイトルに関連する用語 (4件)： 物理 ,  活動 ,  モバイルユーザ ,  屋内屋外