[論文レビュー] SenseMyCity: Crowdsourcing an Urban Sensor

João G. P. Rodrigues, Ana Aguiar+1 more|arXiv (Cornell University)|Dec 5, 2014

Mobile Crowdsensing and Crowdsourcing参考文献 26被引用数 23

ひとこと要約

SenseMyCityは、スマートフォンの内部（例：GPS、加速度計）および外部のBluetoothセンサー（例：OBD、心電図モニタ）からのデータ収集を可能にする、モジュラーで設定可能なAndroidベースのクラウドセンシングプラットフォームを提案する。リアルタイムまたはオンデマンドでのデータ送信を設定可能にし、接続性とエネルギー消費を最適化することで、最小限のユーザー操作で大規模な都市センシングを実現し、さまざまなセンシングタスクにおけるエネルギーおよび帯域幅コストの洞察を提供する。

ABSTRACT

People treat smartphones as a second skin, having them around nearly 24/7 and constantly interacting with them. Although smartphones are used mainly for personal communication, social networking and web browsing, they have many connectivity capabilities, and are at the same time equipped with a wide range of embedded sensors. Additionally, bluetooth connectivity can be leveraged to collect data from external sensors, greatly extending the sensing capabilities. However, massive data-gathering using smartphones still poses many architectural challenges, such as limited battery and processing power, and possibly connectivity costs. This article describes SenseMyCity (SMC), an Internet of Things mobile urban sensor that is extensible and fully configurable. The platform consists of an app, a backoffice and a frontoffice. The SMC app can collect data from embedded sensors, like GPS, wifi, accelerometer, magnetometer, etc, as well as from external bluetooth sensors, ranging from On-Board Diagnostics gathering data from vehicles, to wearable cardiac sensors. Adding support for new internal or external sensors is straightforward due to the modular architecture. Data transmission to our servers can occur either on-demand or in real-time, while keeping costs down by only using the configured type of Internet connectivity. We discuss our experience implementing the platform and using it to make longitudinal studies with many users. Further, we present results on bandwidth utilization and energy consumption for different sensors and sampling rates. Finally, we show two use cases: mapping fuel consumption and user stress extracted from cardiac sensors.

研究の動機と目的

• スマートフォンをモバイルセンサーとして用いることで、スケーラブルで使いやすい参加型都市センシングプラットフォームを設計すること。
• 特にバッテリー駆動時間とデータ通信コストといったモバイルデバイスのリソース制約に対処するため、設定可能なデータ収集および送信メカニズムを提供すること。
• モジュラーなアーキテクチャにより、内部および外部センサーの即挿し即用の統合を可能にすることで、多様なセンシングアプリケーションをサポートすること。
• 研究者が異なるセンシング設定における知識のコスト（エネルギー、ストレージ、帯域幅）を推定できるツールを提供すること。
• データ収集を透明かつ設定可能にすることで、ユーザーのプライバシーと制御権を確保し、ユーザー定義の送信ポリシーを実装すること。

提案手法

• 組み込みセンサー（GPS、加速度計、磁気計など）および外部Bluetoothセンサー（例：OBD、ウェアラブル心電図デバイス）からのデータ収集が可能なモジュラーなAndroidアプリケーションを開発した。
• バックオフィス（セキュアなデータストレージおよび処理用）とフォントオフィス（データ可視化およびタスク配分用）の二段階サーバーアーキテクチャを実装した。
• 接続タイプ（例：WiFi専用）に応じて、センサー、サンプリングレート、送信モード（リアルタイムまたはオンデマンド）の動的設定を可能にし、コストを最小限に抑えた。
• バックグラウンドで動作させ、ユーザーとの干渉を最小限に抑えることで、非侵襲的かつ長期的な利用を可能にした。
• 参加を促進するためのインcentiveメカニズムを統合し、金銭的またはサービスベースの報酬（任意）を提供した。
• 縦断的ユーザー研究を用いて、さまざまなスマートフォンモデルおよび使用シナリオにおけるシステムのパフォーマンス、リソース消費、データ信頼性を評価した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンベースの都市センシングプラットフォームは、ユーザーの干渉を最小限に抑えつつ、データ収集の信頼性とスケーラビリティを最大化するようにどのように設計できるか？
• RQ2 さまざまなスマートフォンハードウェア上で、異なるセンサーとサンプリングレートでのデータ収集におけるエネルギーおよび帯域幅コストは何か？
• RQ3 モジュラーかつ設定可能なシステムは、ハードコードされたセンサーや接続ロジックなしに、移動モニタリングから健康モニタリングに至る多様な都市センシングアプリケーションをどのようにサポートできるか？
• RQ4 オポチュニスティックなクラウドセンシングにおいて、データの新鮮さ、送信コスト、バッテリー消費の間にはどのようなトレードオフがあり、それらはどのように動的に管理できるか？
• RQ5 大規模な参加型センシングシステムにおいて、データの有用性を損なわず、プライバシーやユーザーの制御をどのように維持できるか？

主な発見

• 接続性を設定可能にすることで、リアルタイムまたはオンデマンドでのデータ送信が可能となり、特にWiFiなどの好ましいネットワークでの送信制限により、モバイルデータコストが削減された。
• エネルギー消費はセンサーの種別とサンプリングレートによって顕著に異なり、GPSと継続的なBluetoothスキャンが最もエネルギーを消費する要因であった。
• バックグラウンドでの動作と自動設定により、ユーザーの干渉が低減され、多様なユーザー層における縦断的データ収集が可能になった。
• 帯域幅使用量がセンサー種別ごとに測定され、研究者がさまざまなセンシングタスクにおけるデータ送信コストを推定できるようになった。
• モジュラーなアーキテクチャにより、OBDやウェアラブル心電図センサーを含む新しい内部および外部センサーの統合が、コアコンponentsの変更なしにスムーズに実現された。
• 初期の使用事例では、燃料消費マッピングと心電図センサーからのストレスレベル推定に成功し、都市および健康関連研究における本プラットフォームの有効性が検証された。