果第一确定单元151已经确定出用户的具体运动行为对应于乘坐交通工具的行为，第二确定单元152可以通过将从提取单元130提取的特征因子输入到第(2-1)分层模型142a来确定对于用户具体运动行为的乘坐行为采取多个预设交通工具(例如，小汽车、地铁和公共汽车)中的哪一种。另外，如果第一确定单元151已经确定出用户的具体运动行为对应于不乘坐交通工具的行为，则第二确定单元152可以通过将从提取单元130提取的特征因子输入到第(2-2)分层树模型142b来确定用户的具体运动行为对应于跑、步行和停止行为中的哪一种。由于运动行为确定单元150根据分层树模型140的树路径来至少连续两(2)次区分用户的运动行为，所以其能够提高区分用户运动行为的精度。
[0050]GPS (全球定位系统)160设置在移动装置100内以接收移动装置100的位置信息。在该情况下，位置信息可以包括由经度值和玮度值构成的二维数据或者由经度值、玮度值和高度值构成的三维数据。
[0051]当从GPS 160接收到位置信息时，运动行为确定单元150可以基于位置信息，通过分层树模型140来更精确地校正或核对区分结果。也即，从GPS 160接收到的位置信息可以执行辅助功能以确定用户的具体运动行为对应于哪种运动行为。
[0052]显示单元170在屏幕上显示上述运动行为确定单元150的确定结果。通过屏幕，用户可以识别移动装置100的性能以区分用户运动行为。
[0053]通信单元180可以将上述运动行为确定单元150的确定结果传送到通过网络与移动装置100连接的服务器或另一装置。服务器或另一装置可以处理信息以将智能服务提供给用户。智能服务可以由设置在移动装置100内的应用来提供，而不经过通信单元180。
[0054]另外，图2所示的每个组件可构造为一种“模块”。“模块”是指类似于现场可编程门阵列(FPGA)和专用集成电路(ASIC)的软件组件或硬件组件，并且执行一些功能。然而，模块不限于软件或硬件。模块可构造为在可寻址存储介质中提供或者执行一个或多个处理器。由组件和模块提供的功能可以彼此组合以得到更少量的组件或模块或者划分成另外的组件或模块。
[0055]同时，参考图4和图5对依照每个示例实施例的用于生成分层树模型的方法进行说明。也即，上述分层树模型140可以由下述方法来构建，以便预先存储在移动装置100内或者通过网络与移动装置100连接的服务器或数据库内。通过分层树模型140，可以区分具有移动装置100的用户的具体运动行为对应于哪种运动行为。
[0056]图4是示出依照示例实施例的用于生成分层树模型的方法的流程图。此处，移动装置100可以是管理人员为分层树模型140使用的测试终端或者是设置有单独应用的终端。
[0057]为了生成分层树模型140，移动装置100针对每个运动行为从加速度传感器100单独地采集加速度数据(S210)。例如，移动装置100可以区分并采集“步行”运动行为的加速度数据和“公共汽车乘坐”行为的加速度数据。
[0058]移动装置100通过利用第一帧组和第二帧组来提取每个运动行为的特征因子(S220)，所述第一帧组是基于对于每个运动行为区分的加速度数据构建的，第二帧组被构建成部分地与第一帧组重叠。如上参考图3的第一视图所描述的，移动装置100通过基于预设时间单位来区分对于每个运动行为区分的加速度数据来构建第一帧组(帧1、帧2和帧3)。另外，如上文参考图3的第二视图所描述的，移动装置100通过基于不同于预设时间单位的另一时间单位来划分为每个运动行为区分的加速度数据以及允许加速度数据的部分与第一帧组的加速度数据重叠来构建第二帧组(帧1、帧2和帧3)。基于已经构建的第一帧组和第二帧组，移动装置100可以高可靠度提取能区分于其他运动行为的特征因子的各运动行为的特征因子。
[0059]移动装置100基于所提取的每个运动行为的特征因子来构建分层树模型140(S230)。因此，可以生成能够仅利用移动装置100内的加速度传感器来以高可靠度区分用户的具体运动行为对应于哪种运动行为的分层树模型140。
[0060]图5示出了依照另一示例实施例的用于生成分层树模型的方法。
[0061]为了生成能够区分如“步行”、“跑”、“借助公共汽车移动”、“借助小汽车移动”、“借助地铁移动”或其他的每个运动行为的分层树模型，移动装置100从加速度传感器110采集加速度数据，如图5所示(①)。此后，移动装置100区分每个运动行为的加速度数据以使每个运动行为能够形成类(②)。例如，每个运动行为可以变成分层的，以使对应于“步行”和“跑”行为的加速度数据布置在“不乘坐交通工具”行为之下。移动装置100利用第一帧组和第二帧组来提取区分于其他运动行为的特征因子的每个运动行为的特征因子(③)，第一帧组基于为每个运动行为区分的加速度数据而构建，第二帧组构造成部分地与第一帧组重叠。基于所提取的每个运动行为的特征因子，移动装置100按如图5所示的各种形式来构建分层树模型140 (④)。
[0062]同时，下面具体参考图6来描述基于如上文参考图4和图5所描述的用于生成分层树模型的方法来区分用户运动行为的方法。图6是示出依照示例实施例的用于区分用户运动行为的方法的流程图。也即，移动装置100可以基于预先存储在移动装置100内或者通过网络与移动装置100连接的服务器或数据库内的分层树模型140来区分用户运动行为。
[0063]移动装置100采集根据用户的具体运动行为而从移动装置100内的加速度传感器110输出的加速度数据(S310)。在该情况下，用户的具体运动行为可以是“跑”、“步行”、“停止”、“地铁乘坐”、“公共汽车乘坐”和“小汽车乘坐”中的任一种运动行为。
[0064]随后，移动装置100基于加速度数据来提取用户具体运动行为的特征因子(S320)。在该情况下，提取方法可以与上文参考图4和图5所描述的相同，但是不特别限于此。
[0065]通过将所提取的特征因子输入到预先构建的分层树模型，移动装置100区分用户的具体运动行为对应于哪种运动行为(S330)。在该情况下，已经基于为每个运动行为提取的特征因子预先构建了分层树模型。另外，已经基于第一帧组和第二帧组提取了每个运动行为的特征因子，第一帧组是通过基于预设时间单位划分为每个运动行为单独采集的加速度数据而构建的，第二帧组是通过基于不同于预设时间单位的另一时间单位来划分为每个运动行为单独采集的加速度数据以及允许加速度数据的部分与第一帧组重叠而构建的。
[0066]具体地，在330中，移动装置100可以通过至少连续两(2)次的确定处理来区分用户的具体运动行为对应于哪种运动行为。
[0067]更具体地，移动装置100可以经过用于区分用户的具体运动行为对应于乘坐交通工具行为和不乘坐交通工具中的哪一种的第一确定处理。此后，如果用户的具体运动行为对应于乘坐交通工具的行为，则移动装置100可以区分对于用户具体运动行为的乘坐行为采取多种预设交通工具中的哪一种。如果用户的具体运动行为对应于不乘坐交通工具的行为，则移动装置100可以区分用户的具体运动行为对应于跑、步行和停止中的哪种运动行为。
[0068]在区分出用户的具体运动行为对应于哪种运动行为之后，移动装置100可以进一步确定是否从GPS 160接收到位置信息(S340)。如果已经接收到位置信息(是)，则移动装置100基于位置信息来校正在S330中区分的运动行为结果(S350)，然后，推断校正结果作为用户运动行为(S360)。如果尚未接收到位置信息(否)，则移动