learning and inferring transportation routines

learning and inferring transportation routines與走失偵測系統的差異

1.此套系統使用非監控式的方式，而且依照論文中的敘述，此系統只有模擬狀況，並無真正地接收GPS訊號來運作，並且與我們的系統差異最大的地方在於他們的系統雖然也有一路徑，但是偵測時並非全按照所記錄的路徑來作為偵測，在此系統設定某個終點之後，使用者可以隨便按照自己的意思來走，偵測是否錯誤是將數據計算過後由kalman filter來決定。

2.又譬如此系統中的變數(vertice transition)，決定在交叉路該往哪個點走，但是我們的系統可以按照之前所記錄的點，直接以一路徑判斷，因此該如何行走到目的地已經早就規劃好了，因此不需要系統再去預測使用者往哪邊走，就可分辨此使者是否已經出錯。

3.是否該搭車或是該搭什麼車。

在此方面，我們的系統在紀錄使用者的位置時，當a使用者選擇起始點與終點之後，路徑中如有搭公車或是開車，就會看到某段速度特別快，因此要判斷此使用者是否搭車則可以有以下方式來偵錯。


(1)如果我們的系統偵測到a使用者的速度與原本所記錄的速度有太大的差異，即可知道此使用者出現錯誤。

(2)另外，也可從經緯度座標的差異來判斷使用者使否有出現錯誤，因為本系統會間隔一段時間才紀錄，因此，如果交通模式有差異，則下個出現的位置必定會因為速度的關係而有差異。

(3)如果使用者是搭乘公車，則會在固定站牌停下，所以在站牌的位置的速度為零，而如果是汽車，則不會發生這類事件，當然如果路上交通擁塞，則可以知道此使用者所送出的gps訊號是走走停停。

所以可以根據這些條件來判斷使用者是搭乘何種交通工具，在未來更可以透過這些判斷式提供使用者該搭乘何種交通工具。

可學習處:
如果要簡化資料，在判斷時以一簡化過的路徑來作為判斷，此篇論文中是使用kalman filter來計算和取得平均速度和位置，並使用MATLAB來做演算，如果無法找到更好的工具，可運用用kalman filter來作為計算的工具。