Mobilità ottimizzata attraverso gli smartphone

Se i dati di tutti gli smartphone fossero messi in rete in tutto il mondo, i quasi utenti di telefoni potrebbero accedere a un "supercomputer in tasca". La capacità di calcolo in rete, sempre crescente, non solo ottimizza la raccolta di dati in tempo reale, ma semplifica anche l'analisi di qualsiasi dato. Per esempio, i dati sul clima, il rumore, gli aiuti alla navigazione o l'orientamento potrebbero essere recuperati in qualsiasi momento utilizzando la tecnologia Big Data.

Tuttavia, gli ostacoli tecnici e i problemi di protezione dei dati devono ancora essere superati.

Gli scienziati che lavorano al progetto svizzero SenseSynergy, finanziato dal Fondo Nazionale Svizzero per la Scienza (SNSF), hanno affrontato questi problemi e trovato nuovi modi per raccogliere e utilizzare tali dati.

rilevamento della folla
Il progetto utilizza essenzialmente il "crowd sensing", dove le informazioni su una specifica area di localizzazione possono essere raccolte accedendo ai sensori degli smartphone. Un tipico esempio di ciò sono le applicazioni di mappatura che possono usare l'accelerazione

"Si utilizzano dati di sensori che penetrano nei muri e nel cemento".

I sensori di inclinazione dello smartphone possono rilevare gli ingorghi. Poiché i dispositivi in rete raccolgono informazioni su molti aspetti del nostro ambiente (ad esempio movimenti, suoni, persone e qualità dell'aria), potrebbero aiutarci a decidere dove mangiare, quali vestiti indossare e in generale come viaggiare.

"Queste informazioni possono essere utilizzate per una grande varietà di applicazioni: per il marketing o per prevedere il comportamento di gruppi di persone", spiega il coordi natore del progetto, Torsten Braun dell'Università di Berna. Tuttavia, ci sono ancora alcuni ostacoli da superare per queste app di crowd-sensing. Ci sono conflitti tra la raccolta dei dati, la protezione dei dati e gli effetti sulla facilità d'uso dello smartphone.

Inoltre, le risorse hardware sono compromesse dal massiccio trasferimento di dati, e misure di sicurezza inadeguate possono incoraggiare il furto di identità. Quattro squadre hanno sviluppato nuovi concetti per migliorare la tecnologia di rilevamento della folla e raccomandazioni pratiche per la sua applicazione. Il loro lavoro si concentra su quattro aree chiave: dati di localizzazione più accurati, migliore protezione dei dati, applicazioni industriali e raccolta di dati più efficiente.

La funzione di localizzazione supera il GPS
Gli scienziati delle Università di Berna e Ginevra hanno sviluppato insieme un'applicazione mobile che combina il rilevamento della folla con il posizionamento interno e gli spazi intelligenti. Questa applicazione mobile integra sofisticati algoritmi di posizionamento e misurazioni di sensori con informazioni sulla posizione, che vengono poi memorizzate in un cloud. Lì, i dati sono disponibili per l'Internet of Things e possono essere utilizzati in applicazioni di automazione personalizzate e basate sulla localizzazione di numerosi oggetti o prodotti "intelligenti".

Il team di Torsten Braun a Berna ha migliorato la precisione di localizzazione negli edifici e sotto il livello del suolo fino a 1,1 metri nel 90% dei casi. Questo è più o meno equivalente alle prestazioni dei sistemi GPS.

Vengono utilizzati solo i dati dei sensori dei dispositivi e i segnali radio che, a differenza del GPS, penetrano anche i muri e il cemento. I ricercatori raccolgono i dati trasmessi dai sensori dello smartphone e le informazioni sulla forza del segnale WiFi. Questa formazione viene poi elaborata da diversi algoritmi di apprendimento automatico. "Il passo successivo è quindi quello di determinare il luogo in cui gli utenti sono diretti", dice Braun. "Questo potrebbe essere interessante per i centri commerciali o le stazioni ferroviarie, per esempio".

Un team della Scuola universitaria professionale della Svizzera italiana (SUPSI) di Lugano ha sviluppato dei modelli che utilizzano dati di localizzazione predittivi per la trasmissione dei dati nei social media. Gli esperimenti hanno dimostrato che la trasmissione veloce dei dati non è solo utile in ambito sociale.

"È un atto di bilanciamento tra l'uso dei dati e la privacy".

I messaggi potrebbero reagire al comportamento locale, valutare il feedback in tempo reale e circolare più rapidamente tra gli utenti selezionati. I messaggi potrebbero reagire al comportamento locale, valutare il feedback in tempo reale e circolare più rapidamente tra gli utenti selezionati.

Il rumore artificiale come protezione dei dati
"Una delle maggiori difficoltà per i ricercatori è l'equilibrio tra l'uso dei dati e la privacy", dice Torsten Braun. "L'accuratezza dei dati può andare a scapito della privacy". Se i dati degli utenti vengono raccolti anche durante la raccolta dei dati, la disponibilità a partecipare diminuisce. Per garantire la sicurezza dei dati, il team della Chalmers University of Technology in Svezia ha sviluppato tecniche di apprendimento automatico per l'analisi dei dati e il processo decisionale automatizzato che consentono una "protezione differenziale dei dati".

I dati personali sono protetti da un rumore accuratamente regolato (dati casuali) introdotto nei dati raccolti dai dispositivi.

I ricercatori dell'Università di Ginevra hanno affrontato un altro conflitto: il desiderio di raccogliere più dati possibili mantenendo il carico hardware del crowd sensing il più basso possibile. Se gli utenti temono un peso sui loro smartphone, possono rifiutare le app che accedono a sensori altrimenti inutilizzati. Questo progetto indaga sui modelli teorici del gioco per scoprire come il carico può essere distribuito su più telefoni e utenti.

Come parte di un esperimento sul campo a San Francisco, i partecipanti di libera scelta hanno scaricato un'applicazione per mappare i livelli di rumore in città. Mentre raccoglievano dati utili per il governo della città, hanno anche testato diversi metodi di misurazione dei livelli di rumore.
Il carico può essere distribuito su diversi dispositivi.