Iaboli, Elia
(2023)
Design e implementazione di un'applicazione mobile per il crowdsensing in ambiente urbano.
[Laurea], Università di Bologna, Corso di Studio in
Informatica per il management [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (5MB)
| Contatta l'autore
|
Abstract
Il Mobile Crowdsensing è uno dei sistemi più promettenti per la creazione di città
intelligenti. Esso permette di raccogliere una grande quantità di dati utili per il miglioramento
della vita dei cittadini. Tra i problemi più diffusi in ambito urbano c’è
l’inquinamento acustico.
In questa tesi, ci poniamo come obbiettivo la creazione di un’applicazione mobile
Android per l’implementazione del Mobile Crowdsensing (MCS) nel campo dell’inquinamento
acustico, segnale WiFi e segnale cellulare. Si vuole
inoltre implementare un algoritmo che riesca a determinare con sufficiente accuratezza
se l’utente si trova all’interno o all’esterno di un edificio, in modo da evitare registrazioni
del rumore in ambienti chiusi. L’applicazione si compone dunque di tre mappe,
in cui verranno mostrati i dati rilevati, tramite zone colorate in base alla media delle
rilevazioni ottenute in quell’area. In background e con cadenza periodica avviene la
parte di raccolta dei dati da mostrare, mentre le rilevazioni per l’algoritmo di riconoscimento
interno/esterno vengono prese solo mentre l’utente si muove a piedi. Queste
ultime riguardano la luminosità, la varianza del campo magnetico e il RSS del cellulare. L’algoritmo
utilizza threshold fisse per ogni tipologia di dato rilevato e per ognuno di essi produce un
risultato associato ad una confidenza. Le confidenze dei risultati vengono poi sommate
e quello con la somma maggiore diventa il risultato effettivo dell’algoritmo. Dopo aver
raccolto i dati, i singoli algoritmi sono stati testati variando le threshold
in un range prestabilito. Da questi test si è ricavato per ognuno il valore che generasse la
percentuale di successo migliore. I dati
sono poi stati utilizzati per testare l’algoritmo totale e capire se utilizzare le rilevazioni
aggregate portasse ad un effettivo miglioramento dei risultati. I test effettuati hanno
confermato una maggiore accuratezza quando si vanno ad unire le singole rilevazioni,
arrivando ad una precisione del 81.51%.
Abstract
Il Mobile Crowdsensing è uno dei sistemi più promettenti per la creazione di città
intelligenti. Esso permette di raccogliere una grande quantità di dati utili per il miglioramento
della vita dei cittadini. Tra i problemi più diffusi in ambito urbano c’è
l’inquinamento acustico.
In questa tesi, ci poniamo come obbiettivo la creazione di un’applicazione mobile
Android per l’implementazione del Mobile Crowdsensing (MCS) nel campo dell’inquinamento
acustico, segnale WiFi e segnale cellulare. Si vuole
inoltre implementare un algoritmo che riesca a determinare con sufficiente accuratezza
se l’utente si trova all’interno o all’esterno di un edificio, in modo da evitare registrazioni
del rumore in ambienti chiusi. L’applicazione si compone dunque di tre mappe,
in cui verranno mostrati i dati rilevati, tramite zone colorate in base alla media delle
rilevazioni ottenute in quell’area. In background e con cadenza periodica avviene la
parte di raccolta dei dati da mostrare, mentre le rilevazioni per l’algoritmo di riconoscimento
interno/esterno vengono prese solo mentre l’utente si muove a piedi. Queste
ultime riguardano la luminosità, la varianza del campo magnetico e il RSS del cellulare. L’algoritmo
utilizza threshold fisse per ogni tipologia di dato rilevato e per ognuno di essi produce un
risultato associato ad una confidenza. Le confidenze dei risultati vengono poi sommate
e quello con la somma maggiore diventa il risultato effettivo dell’algoritmo. Dopo aver
raccolto i dati, i singoli algoritmi sono stati testati variando le threshold
in un range prestabilito. Da questi test si è ricavato per ognuno il valore che generasse la
percentuale di successo migliore. I dati
sono poi stati utilizzati per testare l’algoritmo totale e capire se utilizzare le rilevazioni
aggregate portasse ad un effettivo miglioramento dei risultati. I test effettuati hanno
confermato una maggiore accuratezza quando si vanno ad unire le singole rilevazioni,
arrivando ad una precisione del 81.51%.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Iaboli, Elia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Mobile Crowdsensing,Inquinamento acustico,Riconoscimento interno/esterno,Segnale WiFi,Segnale cellulare
Data di discussione della Tesi
10 Ottobre 2023
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Iaboli, Elia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Mobile Crowdsensing,Inquinamento acustico,Riconoscimento interno/esterno,Segnale WiFi,Segnale cellulare
Data di discussione della Tesi
10 Ottobre 2023
URI
Statistica sui download
Gestione del documento: