One of the problems that people face every day, especially in urban environments, is that of finding a parking slot for their car. It is indicative that 30% of the volume of car traffic comes from drivers in search of a parking space. Proposing an efficient solution would not only improve people’s standard of living by providing them with ease and comfort in activities involving driving, but would benefit societies economically and environmentally in the long term. Smartphones are one of the greatest modern technological achievements, as they bring together a large number of capabilities in such small devices and are an integral part of a person’s daily life in modern society. These two characteristics, the ’wealth’ of capabilities and the massiveness of use, offer countless opportunities to develop solutions to problems such as finding a parking slot. In this thesis, a mobile phone application for the Android environment is developed and presented, which is the core of two proposed implemented systems, aiming to provide an intelligent and efficient solution to find a parking space for the driver. These two proposals recognize the activity of the user of the application and when the activity of parking or unparking is detected, the appropriate mechanisms are activated, with the aim of making the application community users aware of the availability of spaces in a city. Finally, the difference between the two systems lies in the way the activity is recognized, since the one uses Google’s capabilities, while the other incorporates an algorithm developed for the needs of this thesis. This thesis and its proposed implementations, have a research scope and are not meant to go to production, however, they lay the foundations for finding and developing a truly effective solution to this problem, which would have a very positive impact on today’s society.
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Automatic parking slots identification via mobile phone sensors, using human activity categorization algorithms
1. | Eύρεση θέσης στάθμευσης και κατηγοριοποίηση
ανθρώπινης δραστηριότητας με χρήση δεδομένων
αισθητήρων κινητού τηλεφώνου |
Διπλωματική Εργασία
Εκπόνηση:
Καραμεσίνης Αντώνιος-Ραφαήλ
ΑΕΜ 8430
Επίβλεψη:
Καθηγητής Ανδρέας Λ. Συμεωνίδης
Μεταδιδακτορικός ερευνητής Εμμανουήλ Τσαρδούλιας
Υποψήφιος διδάκτορας Θωμάς Καρανικιώτης
2. Δομή παρουσίασης
❏ Εισαγωγή
❏ Σκοπός της διπλωματικής εργασίας
❏ Γνώσεις που αποκτήθηκαν
❏ Μεθοδολογία
❏ Αποτελέσματα
❏ Συμπεράσματα
❏ Μελλοντική εργασία
Μάρτιος 2022 2
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου
3. Εισαγωγή
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 3
4. Περιγραφή του προβλήματος
Πρόβλημα εύρεσης θέσης στάθμευσης στα αστικά κέντρα:
Οικονομικές, περιβαλλοντικές και ψυχολογικές συνέπειες
30% της κυκλοφορίας αποτελείται από οδηγούς σε αναζήτηση θέσης
Μέσος χρόνος αναζήτησης τα 8 λεπτά
Προκύπτει η ανάγκη εύρεσης λύσης του καθημερινού αυτού προβλήματος
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 4
5. Σκοπός της διπλωματικής εργασίας
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 5
6. Σκοπός της διπλωματικής εργασίας
Η πρόταση και η υλοποίηση ενός συστήματος, το οποίο:
Θα προσφέρει λύση στο πρόβλημα της στάθμευσης στις πόλεις
Δυνατότητα της ευρείας χρήσης του μέσω των «έξυπνων» κινητών
τηλεφώνων
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 6
7. Σύγκριση με ανταγωνισμό
Λύσεις που βασίζονται στην εγκατάσταση υποδομών
On-street parking / Off-street parking
Crowdsourcing / Crowdsensing
Επιλογή αισθητήρων
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 7
8. Γνώσεις που αποκτήθηκαν
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 8
9. Γνώσεις που αποκτήθηκαν
Android app development: Android studio, Kotlin, Java
Machine learning models development: Python libraries
Web development: Flask API server
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 9
11. Μεθοδολογία
Υλοποιήθηκαν δύο προτεινόμενα συστήματα:
Το πρώτο σύστημα με τη χρήση του Activity Recognition API
To δεύτερο σύστημα με τη δημιουργία μοντέλου ταξινόμησης της
δραστηριότητας του χρήστη και η «φιλοξενία» του σε online server
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 11
12. Σύστημα με Activity Recognition API
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 12
13. Σύστημα με Activity Recognition API
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 13
Activity Transition
API
Location
Provider
Realtime Database
Parking Slots
Authentication
14. Σύστημα με χρήση αλγορίθμων μηχανικής μάθησης
και Flask Server
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 14
15. Αρχιτεκτονική Συστήματος
15
Driving, walking, still
samples
Accelerometer
Gyroscope
Magnetometer
Features: statistical
values
Sliding window
Feature selection
k-Nearest Neighbors
Decision Tree
Support Vector Machine
Naïve Bayes
Random Forest
Serialize model
API endpoint
JSON POST, GET methods
Data collection Feature Engineering ML models Flask API
Heroku
16. Σενάριο χρήσης
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 16
17. Οθόνες χρήσης
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 17
18. Οθόνες χρήσης
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 18
19. Οθόνες χρήσης
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 19
21. Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 21
22. Αποτελέσματα
Πραγματοποιήθηκαν 80 περιπτώσεις στάθμευσης και εκκίνησης
οδήγησης και παρατηρήθηκαν:
Ικανοποιητικοί χρόνοι απόκρισης (<10 sec) και ακρίβεια τοποθεσίας
(5-6 meters)
1η υλοποίηση πιο αποδοτική από την 2η
Ανεξαρτησία αποτελέσματος από τη θέση του κινητού στο αμάξι
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 22
24. Συμπεράσματα
Πρόβλημα συμμετοχής κόσμου σε τέτοιου είδους εφαρμογές
crowdsourcing/crowdsensing
Διαφορά σκοπού των δύο υλοποιήσεων
Η πρόκληση της μετάβασης σε εμπορική λύση
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 24
25. Μελλοντική εργασία
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 25
26. Μελλοντική εργασία
Θέμα ιδιωτικότητας δεδομένων χρήστη
Επιμέλεια UI/UX
Interaction μεταξύ των θέσεων των pins
Data collection και testing από πολλαπλούς χρήστες
Hekoru delay
Μάρτιος 2022
Eύρεση θέσης στάθμευσης και κατηγοριοποίηση ανθρώπινης
δραστηριότητας με χρήση δεδομένων αισθητήρων κινητού τηλεφώνου 26