Crowdsensing solutions for urban pollution monitoring using smartphones

Abstract

La contaminación ambiental es uno de los principales problemas que afecta a nuestro planeta. El crecimiento industrial y los aglomerados urbanos, entre otros, están contribuyendo a que dicho problema se diversifique y se cronifique. La presencia de contaminantes ambientales en niveles elevados afecta la salud humana, siendo la calidad del aire y los niveles de ruido ejemplos de factores que pueden causar efectos negativos en las personas tanto psicológicamente como fisiológicamente.

Sin embargo, la ubiquidad de los microcomputadores, y el aumento de los sensores incorporados en nuestros smartphones, han hecho posible la aparición de nuevas estrategias para medir dicha contaminación. Así, el Mobile Crowdsensing se ha convertido en un nuevo paradigma mediante el cual los teléfonos inteligentes emergen como tecnología habilitadora, y cuya adopción generalizada proporciona un enorme potencial para su crecimiento, permitiendo operar a gran escala, y con unos costes asumibles para la sociedad. A través del crowdsensing, los teléfonos inteligentes pueden convertirse en unidades de detección flexibles y multiuso que, a través de los sensores integrados en dichos dispositivos, o combinados con nuevos sensores, permiten monitorizar regiones de interés con una buena granularidad tanto espacial como temporal.

En esta tesis nos centramos en el diseño de soluciones de crowdsensing usando smartphones donde abordamos problemas de contaminación ambiental, específicamente del ruido y de la contaminación del aire. Con este objetivo, se estudian, en primer lugar, las propuestas de crowdsensing que han surgido en los últimos años. Los resultados de nuestro estudio demuestran que todavía hay mucha heterogeneidad en términos de tecnologías utilizadas y métodos de implementación, aunque los diseños modulares en el cliente y en el servidor parecen ser dominantes.

Con respecto a la contaminación del aire, proponemos una arquitectura que permita medir la contaminación del aire, concretamente del ozono, dentro de entornos urbanos. Nuestra propuesta utiliza smartphones como centro de la arquitectura, siendo estos dispositivos los encargados de leer los datos de un sensor móvil externo, y de luego enviar dichos datos a un servidor central para su procesamiento y tratamiento. Los resultados obtenidos demuestran que la orientación del sensor y el período de muestreo, dentro de ciertos límites, tienen muy poca influencia en los datos capturados.

Con respecto a la contaminación acústica, proponemos una arquitectura para medir los niveles de ruido en entornos urbanos basada en crowdsensing, y cuya característica principal es que no requiere intervención del usuario. En esta tesis detallamos aspectos tales como la calibración de los smartphones, la calidad de las medidas obtenidas, el instante de muestreo, el diseño del servidor, y la interacción cliente-servidor. Además, hemos validado nuestra solución en escenarios reales para demostrar el potencial de la solución alcanzada. Los resultados experimentales muestran que, con nuestra propuesta, es posible medir niveles de ruido en diferentes zonas urbanas o rurales con un grado de precisión comparable al de los dispositivos profesionales, todo ello sin requerir intervención del usuario, y con un consumo reducido en cuanto a recursos del sistema.

En general, las diferentes contribuciones de esta tesis doctoral ofrecen un punto de partida para nuevos desarrollos, ofreciendo estrategias de calibración y algoritmos eficientes de cara a realizar medidas representativas. Además, una importante ventaja de nuestra propuesta es que puede ser implementada de forma directa tanto en instituciones públicas como no gubernamentales en poco tiempo, ya que utiliza tecnología accesible y soluciones basadas en código abierto.

La contaminació ambiental és un dels principals problemes que afecten el nostre planeta. El creixement industrial i els aglomerats urbans, entre altres, estan contribuint al fet que aquest problema es diversifique i es cronifique. La presència de contaminants ambientals en nivells elevats afecta la salut humana, sent la qualitat de l'aire i els nivells de soroll exemples de factors que poden causar efectes negatius en les persones, tant psicològicament com fisiològicament.

No obstant això, la ubiqüitat de les microcomputadores i l'augment dels sensors incorporats als nostres telèfons intel·ligents han fet possible l'aparició de noves estratègies per a mesurar aquesta contaminació. Així, el mobile crowdsensing s'ha convertit en un nou paradigma mitjançant el qual els telèfons intel·ligents emergeixen com a tecnologia habilitadora, i l'adopció generalitzada d'aquest proporciona un enorme potencial per al seu creixement, ja que permet operar a gran escala i amb uns costos assumibles per a la societat. A través del crowdsensing, els telèfons intel·ligents poden convertir-se en unitats de detecció flexibles i multiús que, a través dels sensors integrats en els esmentats dispositius, o combinats amb nous sensors, permeten monitoritzar regions d'interès amb una bona granularitat, tant espacial com temporal.

En aquesta tesi ens centrem en el disseny de solucions de crowdsensing usant telèfons intel·ligents, on abordem problemes de contaminació ambiental, específicament del soroll i de la contaminació de l'aire. Amb aquest objectiu, s'estudien, en primer lloc, les propostes de crowdsensing que han sorgit en els últims anys. Els resultats del nostre estudi demostren que encara hi ha molta heterogeneïtat en termes de tecnologies utilitzades i mètodes d'implementació, encara que els dissenys modulars en el client i en el servidor semblen ser dominants.

Pel que fa a la contaminació de l'aire, proposem una arquitectura que permeta mesurar la contaminació d'aquest, concretament de l'ozó, dins d'entorns urbans. La nostra proposta utilitza telèfons intel·ligents com a centre de l'arquitectura, sent aquests dispositius els encarregats de llegir les dades d'un sensor mòbil extern, i d'enviar després aquestes dades a un servidor central per al seu processament i tractament. Els resultats obtinguts demostren que l'orientació del sensor i el període de mostratge, dins de certs límits, tenen molt poca influència en les dades capturades. Pel que fa a la contaminació acústica, proposem una arquitectura per a mesurar els nivells de soroll en entorns urbans basada en crowdsensing, i la característica principal de la qual és que no requereix intervenció de la persona usuària. En aquesta tesi detallem aspectes com ara el calibratge dels telèfons intel·ligents, la qualitat de les mesures obtingudes, l'instant de mostratge, el disseny del servidor i la interacció client-servidor. A més, hem validat la nostra solució en escenaris reals per a demostrar el potencial de la solució assolida. Els resultats experimentals mostren que, amb la nostra proposta, és possible mesurar nivells de soroll en diferents zones urbanes o rurals amb un grau de precisió comparable al dels dispositius professionals, tot això sense requerir intervenció de l'usuari o usuària, i amb un consum reduït quant a recursos del sistema.

En general, les diferents contribucions d'aquesta tesi doctoral ofereixen un punt de partida per a nous desenvolupaments, i ofereixen estratègies de calibratge i algorismes eficients amb vista a realitzar mesures representatives. A més, un important avantatge de la nostra proposta és que pot ser implementada de forma directa tant en institucions públiques com no governamentals en poc de temps, ja que utilitza tecnologia accessible i solucions basades en el codi obert.

Environmental pollution is one of the main problems that affect our planet. Industrial growth and urban agglomerations, among others, are contributing to the diversification and chronification of this problem. The presence of environmental pollutants at high levels affect human health, with air quality and noise levels being examples of factors that can cause negative effects on people both psychologically and physiologically.

Traditionally, environmental pollution is measured through monitoring centers, which are usually fixed and have a high cost. However, the ubiquity of microcomputers and the increase in the number of sensors embedded in our smartphones, have paved the way for the appearance of new strategies to measure such pollution. Thus, Mobile Crowdsensing has become a new paradigm through which smartphones emerge as an enabling technology, and whose widespread adoption provides enormous potential for growth, allowing large-scale operations, and with costs acceptable to our society. Through crowdsensing, smartphones can become flexible and multipurpose detection units that, through the sensors integrated into these devices, or combined with new sensors, allow monitoring regions of interest with good spatial and temporal granularity.

In this thesis, we focus on the design of crowdsensing solutions using smartphones. We deal with environmental pollution problems, specifically noise and air pollution. With this objective, the crowdsensing proposals that have emerged in recent years are studied in the first place. The results of our study show that there is still a lot of heterogeneity in terms of technologies used and implementation methods, although modular designs at both client and server seem to be dominant.

Concerning air pollution, we propose an architecture that allows measuring air pollution, specifically ozone, in urban environments. Our proposal uses smartphones as the center of the architecture, being these devices responsible for reading the data obtained by an external mobile sensor, and then sending such data to a central server for processing and analysis. In this proposal, several problems have been analyzed with regard to the orientation of the external sensor and the sampling time, and the proposed solution has been validated in real scenarios. The results obtained show that the orientation of the sensor and the sampling period, within certain limits, have very little influence on the captured data. Also, by comparing the heat maps generated by our solution with the data from the existing monitoring stations in the city of Valencia, we demonstrate that our approach is capable of providing greater data granularity.

Concerning noise pollution, we propose an architecture to measure noise levels in urban environments based on crowdsensing, and whose main characteristic is that it does not require user intervention. In this thesis, we detail aspects such as the calibration of smartphones, the quality of the measurements obtained, the sampling instant, the server design, and the client-server interaction. Besides, we have validated our solution in real scenarios to demonstrate the potential of the proposed solution. Experimental results show that, with our proposal, it is possible to measure noise levels in different urban or rural areas with a degree of precision comparable to that of professional devices, all without requiring the intervention of the user, and with reduced consumption of system resources.

In general, the different contributions of this doctoral thesis provide a starting point for new developments, offering efficient calibration strategies and algorithms to make representative measurements. Besides, a significant advantage of our proposal is that it can be implemented straightforwardly by both public and non-governmental institutions in a short time, as it relies on accessible technology and open source software