预定义运动模式的自动分类：GNSS 与 UWB 技术的比较
机器学习
2023-03-14 v1 人机交互
摘要
先进实时定位系统（RTLS）可采集人类运动行为的时空数据。在学校操场或疗养院等小区域中追踪个体可能对 RTLS 的定位精度造成困难。然而，迄今鲜有研究考察不同定位系统在小区域内分类人类运动模式的性能。本研究旨在设计并评估一种自动框架，以分类来自两种不同 RTLS 的人类运动轨迹：全球导航卫星系统（GNSS）与超宽带（UWB），区域面积约 100 平方米。具体而言，我们设计了一个通用框架，以 GNSS 或 UWB 数据作为输入，从中提取特征并按标注的空间模式分类。该自动框架包含三种噪声去除选择：（i）无噪声去除，（ii）对原始位置数据使用 Savitzky Golay 滤波器，或（iii）对提取特征使用 Savitzky Golay 滤波器，以及三种分类算法选择：决策树（DT）、随机森林（RF）或支持向量机（SVM）。我们将框架内不同阶段的序列模型自动配置（SMAC）集成以进行自动超参数优化。最佳性能由如下流水线取得：对 GNSS 采用原始位置数据噪声去除加 RF 模型，对 UWB 采用无噪声去除加 SVM 模型。我们进一步通过统计分析证明，UWB 在分类运动模式上取得显著高于 GNSS 的结果。
引用
@article{arxiv.2303.07107,
title = {Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology},
author = {Rodi Laanen and Maedeh Nasri and Richard van Dijk and Mitra Baratchi and Alexander Koutamanis and Carolien Rieffe},
journal= {arXiv preprint arXiv:2303.07107},
year = {2023}
}
备注
This paper has been accepted at BNAIC/BeNeLearn 2022 as an A type paper: https://bnaic2022.uantwerpen.be/wp-content/uploads/BNAICBeNeLearn_2022_submission_4040.pdf. The paper contains 16 pages, 3 figures and 3 tables