Une mobilité optimisée grâce aux smartphones

Si les données de tous les smartphones étaient mises en réseau à l'échelle mondiale, les utilisateurs de quasi téléphones pourraient accéder à un "superordinateur dans leur poche". La capacité de calcul en réseau, en constante augmentation, permet non seulement d'optimiser la collecte des données en temps réel, mais aussi de simplifier l'analyse de toute donnée. Par exemple, les données sur le climat, le bruit, les aides à la navigation ou l'orientation peuvent être récupérées à tout moment grâce à la technologie Big Data.

Toutefois, des obstacles techniques et des problèmes de protection des données doivent encore être surmontés.

Les scientifiques travaillant sur le projet suisse SenseSynergy, financé par le Fonds national suisse (FNS), se sont attaqués à ces problèmes et ont trouvé de nouvelles façons de collecter et d'utiliser ces données.

détection de la foule
Le projet utilise essentiellement la "détection de foule", qui permet de recueillir des informations sur une zone spécifique en accédant aux capteurs des téléphones intelligents. Un exemple typique est la cartographie des applications qui peuvent utiliser l'accélération

" On utilise des données de capteurs qui pénètrent les murs et le béton. "

Les capteurs d'inclinaison du smartphone peuvent détecter les embouteillages. Comme les appareils en réseau recueillent des informations sur de nombreux aspects de notre environnement (par exemple les mouvements, les sons, les personnes et la qualité de l'air), ils pourraient nous aider à décider où manger, quels vêtements porter et, d'une manière générale, comment voyager.

"Ces informations peuvent être utilisées pour une grande variété d'applications : pour le marketing ou pour prédire le comportement de groupes de personnes", explique le coordinateur du projet, Torsten Braun de l'Université de Berne. Cependant, il reste encore quelques obstacles à surmonter pour ces applications de détection de foule. Il existe des conflits entre la collecte des données, la protection des données et les effets sur la convivialité du smartphone.

En outre, les ressources matérielles sont affectées par le transfert massif de données, et des mesures de sécurité inadéquates peuvent encourager le vol d'identité. Quatre équipes ont développé de nouveaux concepts pour améliorer la technologie de détection de foule et des recommandations pratiques pour son application. Leur travail se concentre sur quatre domaines clés : des données de localisation plus précises, une meilleure protection des données, des applications industrielles et une collecte de données plus efficace.

La fonction de localisation est plus performante que le GPS
Des scientifiques des universités de Berne et de Genève ont développé conjointement une application mobile qui combine la détection de foule avec le positionnement à l'intérieur et les espaces intelligents. Cette application mobile intègre des algorithmes de positionnement sophistiqués et des mesures de capteurs avec des informations de localisation, qui sont ensuite stockées dans un nuage. Les données y sont disponibles pour l'Internet des objets et peuvent être utilisées dans des applications d'automatisation personnalisées et géolocalisées pour de nombreux objets ou produits "intelligents".

L'équipe de Torsten Braun à Berne a amélioré la précision de la localisation dans les bâtiments et sous le niveau du sol pour atteindre 1,1 mètre dans 90 % des cas. Cela équivaut à peu près à la performance des systèmes GPS.

Seules les données des capteurs des appareils et les signaux radio sont utilisés, qui, contrairement au GPS, pénètrent également dans les murs et le béton. Les chercheurs recueillent les données transmises par les capteurs des smartphones et les informations sur la puissance du signal WiFi. Cette formation est ensuite traitée par plusieurs algorithmes d'apprentissage machine. "L'étape suivante consiste à déterminer le lieu vers lequel les utilisateurs se dirigent", explique M. Braun. "Cela pourrait être intéressant pour les centres commerciaux ou les gares, par exemple."

Une équipe de la Haute école spécialisée de Suisse italienne (SUPSI) à Lugano a développé des modèles qui utilisent des données de localisation prédictives pour la transmission de données dans les médias sociaux. Les expériences ont montré que la transmission rapide des données n'est pas seulement utile dans les sociétés

"Il s'agit de trouver un équilibre entre l'utilisation des données et la vie privée".

Les messages pourraient réagir au comportement local, évaluer les réactions en temps réel et circuler plus rapidement parmi les utilisateurs sélectionnés. Les messages pourraient réagir au comportement local, évaluer les réactions en temps réel et circuler plus rapidement parmi les utilisateurs sélectionnés.

Le bruit artificiel comme protection des données
"L'une des plus grandes difficultés pour les chercheurs est de trouver un équilibre entre l'utilisation des données et la protection de la vie privée", explique Torsten Braun. "L'exactitude des données peut se faire au détriment de la vie privée". Si des données sur les utilisateurs sont également recueillies lors de la collecte des données, la volonté de participer diminue. Pour assurer la sécurité des données, l'équipe de l'Université technologique de Chalmers en Suède a développé des techniques d'apprentissage automatique pour l'analyse des données et la prise de décision automatisée qui permettent une "protection différentielle des données".

Les données personnelles sont protégées par un bruit soigneusement réglé (données aléatoires) introduit dans les données collectées par les appareils.

Les chercheurs de l'Université de Genève ont abordé un autre conflit : le désir de collecter le plus de données possible tout en maintenant la charge matérielle de la détection de foule aussi faible que possible. Si les utilisateurs craignent une charge sur leurs smartphones, ils peuvent rejeter les applications qui accèdent à des capteurs autrement inutilisés. Ce projet étudie les modèles de la théorie des jeux afin de découvrir comment la charge peut être répartie sur plusieurs téléphones et utilisateurs.

Dans le cadre d'une expérience sur le terrain à San Francisco, les participants volontaires ont téléchargé une application permettant de cartographier les niveaux de bruit dans la ville. Tout en recueillant des données utiles pour le gouvernement de la ville, ils ont également testé différentes méthodes de mesure des niveaux de bruit.
La charge peut être répartie sur plusieurs appareils.