Design e implementazione di un'applicazione mobile per il crowdsensing in ambiente urbano.

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%.