美国交通部在国家智能交通系统项目规划中明确规定了智能交通系统的7大领域,分别是出行和交通管理系统、出行需求管理系统、公交运营系统、商务车辆运营系统、电子收费系统、应急管理系统、先进的车辆控制和安全系统。基于利用公众资源解决问题的移动感知这一理念,现有研究者提出一种方案。使用参与者手机上的传感器结合GPS及基站信号等信息判断参与者出行信息,综合一定数量的参与者提供的信息,推断出城市公交的运行状况,预估到达时间。这种方法有独立于公交运营方、低成本、不局限于本地的优点。本文使用手机加速度传感器识别个人上下公交车行为的方法有低功耗、数据量小的优点。可以使用加速度传感器判断是否有上下车行为发生,然后再使用GPS辅助判断公交车线路及实时位置,从而预估公交到达时间。这样可以减少GPS使用时间、降低手机能耗。本文的研究目标是使用个人手机上的加速度传感器数据,识别出个人在日常交通行为中的上下公交车两种行为。主要研究内容包括：(1)实现了使用智能手机即时识别上下公交车行为的方案。本文使用智能手机监测人体行为的加速度数据,发送到终端计算机,后台使用滑动窗口将连续的数据截取成数据段,对每段数据提取出可以区别不同行为的特征值,使用训练好的分类器进行分类,识别出有无发生上下公交车行为。(2)采集实际场景数据进行实验,验证使用手机加速度传感器识别上下公交车行为这一方法的可行性,并评估其准确率。模式分析法进行行为识别需要不同类别组成分类库,因此本文采集了日常生活中最常发生的五种行为数据,包括静止、步行、跑步、上楼、下楼,与上公交车和下公交车行为组成分类库,进行上下公交车行为识别的实验验证。(3)为了提高识别率,针对上下公交车的行为特点,本文在传统特征值基础上加入合适的特征值进行组合并实验验证,提取效果最好的特征值组合。(4)在实现过程中,为了解决手机方位变化对加速度数据的影响问题,将空间数学中的坐标系旋转方法应用到手机传感器行为识别中。