希薄なGPSデータからSVMクラス分けの枠を利用することにより複数の移動状態を推測する
旅の振る舞いと要求を理解することはどこの国の輸送コミュニティや旅行代理店にとっても定常的な重要性がある。
しかし、このことにはいくらかの制限が存在する。データコレクションの側面（サンプルサイズの選び方、学習の持続期間、データの粒状性）、変数の選択（あるいは変数の組み合わせ）、推測の方法(いくつの移動の状態を学習として利用するか？）など。
そこで、本論文では、推測の過程においてすべての側面を考慮しようと試みる。
我々は、異なった移動状態（車、歩き、自転車、地下鉄、電車、バス）をGPSデータによりクラス分けする問題を解決することを目標とする。
まず我々は、このクラス分けにポジティブに貢献してくれる変数について学習する。そして、統計的にそれらの変数の識別する力を定める。
それから、サポートベクターマシンによる分類を基底とした構成を利用する変数を実行する新しいアプローチを紹介する。
その枠組は、過去の研究では避けられていた粗雑なGPSデータでテストされたことにより、ほぼ正しい一致を反映するκ変数と88％正しいという有望な結果を達成した。
