Completed Theses

Traffic information by means of parasitic sensing – Using sensors, data mining and machine learning on ubiquitous smartphones to recognize people’s mode of transportation (Bachelor Thesis)

Abstract

Momentan gewinnen öffentliche Verkehrsmittel immer mehr an Bedeu- tung, insbesondere durch die globale Erwärmung und die hohen Benzin- preise. Jedoch sind Wartezeiten, Verspätungen und die schlechte Nutzer- freundlichkeit große Nachteile von öffentlichem Personenverkehr. Es wur- de viel in den Richtungen Aktivitätserkennung, Kontextbestimmung und Positionserkennung von (öffentlichen) Verkehrsmitteln geforscht. Diese Arbeit kombiniert diese Disziplinen und schlägt eine Lösung mit parasitä- rem Messen auf Smartphones vor, die Nutzung öffentlicher Verkehrsmittel einfach, zuvorkommend und anpassungsfähig macht, indem es Informati- onen über die aktuelle Linie, die Umsteigemöglichkeiten, Verspätungen usw. auf dem Smartphone anzeigt. Durch das Erkennen der Verkehrsklas- se, der aktuellen Linie, dem Zeitplan und der Position des Fahrzeugs und durch das Verbreiten dieser Information an alle wird eine nicht-proprietäre Lösung für Fahrgastinformationssysteme von der Allgemeinheit für die All- gemeinheit ermöglicht. In meiner Recherche nach verwandter Arbeit habe ich keine Verkehrsmittelerkennung gefunden. Auch die Nutzung dieser In- formation um einen einfach nutzbaren Verkehrsmittelführer zu entwickeln ist neu in der Forschung.

Abstract (english)

Currently public transportation systems are gaining in importance, under- lined by global warming and high gasoline prices. Though wait times, de- lays and usability are a big drawback of public transit systems. There has been done research on activity recognition, context inference and posi- tioning of (transit) vehicles. This work combines these disciplines and suggests a parasitic sensing solution on smartphones that makes using public transportation systems easy, obliging and adaptive due to providing information about the current line, transfer stations, delays etc. on smartphones. Recognizing the transit class, the current line, schedule, the position of the vehicle and distributing this information to everybody cre- ates a non-proprietary solution in transit information from the general public for the general public. In my related work recherché no transit class recognition algorithms have been found. Also the usage of this information to develop an easy-to-use transit-guide is new to research.