Dispositivi mobili intelligenti quali smartphone e tablet, così come sensori a bordo di autoveicoli, stanno diventando sempre piu popolari e rappresentano un terreno fertile per lo sviluppo di applicazioni basate sul principio del crowdsensing (ovvero, la misura di un certo fenomeno, realizzata in modo distribuito da singoli utenti). In effetti, tali dispositivi sono dotati di - o possono facilmente essere integrati con - telecamere, giroscopi, accelerometri e sensori. I dati ottenuti attraverso tali dispositivi mobili possono essere combinati con informazioni di geolocalizzazione (tramite, ad esempio, triangolazione rispetto alle antenne cellulari o piu semplicemente attraverso un ricevitore GPS) per ottenere campioni spazio- e tempo-referenziati dell'ambiente urbano. Le interfacce cellulari e Wi-Fi possono poi essere utilizzate, su indicazione dell'utente od in autonomia, per trasferire i dati raccolti verso server raggiungibili attraverso la rete Internet. I server possono quindi raccogliere grandi quantità di dati e trattarli, in modo da stimare fenomeni di interesse, come la qualità dell'aria, il livello di rumorosità o il traffico stradale.
Chiaramente, applicazioni di tipo crowdsensing in ambito urbano pongono diverse sfide, relative alla privacy degli utente, alla credibilità dei dati, agli incentivi agli utenti per l'impiego di applicazioni crowdsensing e all'uso efficiente delle risorse wireless per il trasferimento dei dati verso Internet. Gli ultimi due aspetti in particolare sono legati alla quantità di informazioni che devono essere raccolte e trattate al fine di stimare il fenomeno di interesse con la precisione desiderata.
Il nostro lavoro si concentra su tale aspetto e mira ad individuare il numero di campioni che devono essere raccolti attraverso dispositivi mobili e trasferiti tramite una comunicazione wireless ad un centro di elaborazione in modo che il fenomeno misurato sia ricostruito con un errore accettabile. L'approccio adottato deriva dalla teoria dell'elaborazione dei segnali e consiste nel considerare il problema di ricostruire il fenomeno (ovvero, il nostro segnale) da un insieme di campioni prelevati in punti irregolari nello spazio (ovvero, presso le posizioni geografiche degli utenti che partecipano al crowdsensing). Data la distribuzione dei campioni nello spazio, si applica un metodo di ricostruzione del segnale e si valuta l'errore tra il segnale originale ed il fenomeno stimato. Questo ci permette di studiare la dipendenza della precisione della stima dal numero di campioni, dalle caratteristiche del fenomeno e dal livello di rumore (ovvero, l'errore di misura o di geolocalizzazione) che interessano i campioni raccolti.
L'approccio proposto è stato valutato nel case study rappresentato dalla zona centrale di un'area urbana. I nostri risultati mostrano che la precisione delle misure raccolte dagli utenti (ovvero l'affidabilità dei sensori e delle tecniche di geolocalizzazione) è più critica del numero assoluto di utenti (ovvero della quantità di dispositivi che partecipano al processo di crowdsensing). Inoltre, una partecipazione minima di utenti pedonali è sufficiente a migliorare significativamente la qualita' della ricostruzione del fenomeno fornita dai soli dispositivi mobili veicolari.
Focus