Aplicación de un dispositivo wearable en la medida de la huella de carbono personal

Abstract

[ES] Este trabajo tiene como objetivo el desarrollo y validación de un sistema que permita cuantificar la huella de carbono individual. La metodología propuesta se basa en la detección del medio de transporte, haciendo uso de los datos proporcionados por un dispositivo wearable, para calcular la huella de carbono que un desplazamiento en ese medio genera. Para ello, el dispositivo se conecta mediante Bluetooth Low Energy a una aplicación móvil que permite la captura y exportación de datos, los cuales son analizados en un ordenador. En primer lugar, se explican conceptos relacionados con la huella de carbono y se contextualiza la situación ambiental actual. A continuación, se realiza un análisis de las tecnologías disponibles actualmente, eligiendo las más idóneas para el proyecto. Posteriormente, se explica el funcionamiento de cada una de las partes que componen la aplicación móvil. Asimismo, se explica el proceso seguido para el entrenamiento, mediante técnicas de machine learning, de los modelos que clasifican los datos capturados y la metodología empleada para estimar la huella de carbono. Finalmente, se exponen los resultados obtenidos tanto para la aplicación móvil como para los modelos entrenados. De los modelos entrenados se concluye que, al aumentar el número de medios de transporte a diferenciar, peores rendimientos se obtienen.

[EN] The objective of this project is to develop and validate a system that allows to quantify the individual carbon footprint. The proposed methodology is based on the detection of the means of transport, using the data provided by a wearable device, to calculate the carbon footprint that a journey in that means of transport produces. In order to do this, the device is connected via Bluetooth Low Energy to an app that allows to capture and export data, which are analyzed on a computer. First, concepts related to the carbon footprint and the current environmental context are introduced. Next, an analysis of the current available technologies is carried out, choosing the most suitable ones for the project. Afterwards, the working of each of the parts that make up the mobile application is explained. It is also explained the process followed for the training, by means of machine learning techniques, of the models that classify the captured data and the used methodology for estimating the carbon footprint. Finally, the results obtained for both the app and the trained models are introduced. From the trained models, it is possible to conclude that the higher the number of means of transport to classify, the worse the performances of the models.