Los datos recopilados e informados constantemente por los teléfonos inteligentes pueden encontrar numerosas aplicaciones. Un proyecto financiado por SNSF dedicado a la detección colectiva ha encontrado formas de mejorar la privacidad y la precisión de localización, así como reducir el impacto en el hardware.
Conectar datos de los teléfonos inteligentes del mundo podría poner una supercomputadora global en todos nuestros bolsillos. Aprovechar esa potencia de procesamiento mejoraría la recopilación y el análisis de datos en tiempo real, pero persisten obstáculos técnicos y problemas de privacidad. Científicos de SwissSenseSynergy, un proyectofinanciado por la Swiss National Science Foundation SNSF, ha abordado problemas y propuesto nuevas formas de recopilar y utilizar dicha información.
El enfoque principal del proyecto es la detección colectiva, en la que el acceso a los sensores de un teléfono inteligente permite recopilar información sobre un área en particular. Un ejemplo típico son las aplicaciones de mapas que pueden inferir datos de congestión de tráfico desde los acelerómetros de los teléfonos inteligentes.los dispositivos recopilan información sobre muchas facetas de nuestro entorno: movimiento, sonido, personas, calidad del aire, etc., la detección colectiva tiene el potencial de guiar las decisiones sobre dónde comemos, qué vestimos o cómo viajamos.
"Toda esta información es útil en aplicaciones que van desde predicciones de marketing hasta predicciones de comportamientos de multitudes", explica Torsten Braun de la Universidad de Berna y coordinadora del proyecto. Sin embargo, las aplicaciones de detección de multitudes enfrentan desafíos importantes. En particular, existe un comercioentre la recopilación de datos, el impacto del usuario y la privacidad. La transmisión de datos agota los recursos de hardware, por ejemplo, mientras que las medidas de seguridad deficientes plantean riesgos para el robo de identidad.
Cuatro equipos desarrollaron nuevos enfoques para mejorar la tecnología de detección colectiva y establecer las mejores prácticas para su aplicación. Los investigadores están explorando cuatro áreas clave: mejorar la precisión de la ubicación, aumentar la seguridad, los usos de la industria y hacer que la recopilación de datos sea más eficiente.
Localización más allá del GPS
El equipo dirigido por Torsten Braun en la Universidad de Berna mejoró la precisión de ubicación en interiores y subterráneos a 1,1 metros en el 90% de los casos. Eso es comparable al GPS, pero se basa solo en los datos del sensor del dispositivo y las señales de radio, llegando a áreas detrás de las paredesy concreto donde las señales de GPS están bloqueadas. Los investigadores recolectan mediciones de sensores de los teléfonos inteligentes, junto con la intensidad de la señal de la radio Wifi. Esta información se pasa a través de varios algoritmos de aprendizaje automático. "El siguiente paso es determinar a dónde van los usuarios", dijo Braun"Esto podría tener un impacto en los centros comerciales o estaciones de tren, por ejemplo".
Los científicos de las universidades de Berna y Ginebra colaboraron para diseñar una aplicación móvil que combina la localización en interiores, la detección de multitudes móviles y los espacios inteligentes. La aplicación móvil resultante integra sofisticados algoritmos de localización y mediciones de sensores estampados en la ubicación, que se envían a la nube. Desde allí, la información se envía al Internet de las cosas, lo que permite aplicaciones de automatización personalizadas y basadas en la ubicación en varios objetos y productos inteligentes.
Un equipo de la Universidad de Ciencias Aplicadas y Artes del Sur de Suiza en Lugano SUPSI ha desarrollado modelos que utilizan datos de ubicación predictivos para distribuir información a través de las redes sociales. Los experimentos mostraron que podían crear un alcance rápido en redes sociales como Facebooky Twitter, pero también en redes físicas ad hoc de dispositivos móviles. Estos mensajes podrían responder a los comportamientos locales, evaluar los comentarios en tiempo real y circular más rápidamente entre los usuarios específicos. La investigación proporciona una comprensión más profunda de la influencia social en el comportamiento humano, y descubriócorrelaciones entre ubicaciones físicas, preferencias compartidas y comunidades sociales basadas en eventos.
Un acto de equilibrio
"Un problema importante para los investigadores es equilibrar los datos y la privacidad", explica Braun. "Los datos precisos pueden costar privacidad". Si la información del usuario se está recogiendo al recopilar datos, desalienta la participación. Para garantizar la seguridad, la Universidad Tecnológica de ChalmersEl equipo de Suecia ha desarrollado métodos de aprendizaje automático para el análisis de datos y la toma automática de decisiones que logran una "privacidad diferencial". Esto protege los datos de las personas mediante la inyección de "ruido" datos aleatorios cuidadosamente calibrados en la información recopilada de un dispositivo.
Investigadores de la Universidad de Ginebra abordaron otro desafío: el deseo de recopilar grandes cantidades de datos contra la carga que la detección colectiva puede tener sobre el hardware. Si los usuarios temen una tensión en su teléfono, podrían rechazar aplicaciones que utilizan sensores inactivosEste proyecto está investigando modelos de teoría de juegos para distribuir tales cargas entre teléfonos y usuarios. En un experimento de campo, voluntarios en San Francisco descargaron aplicaciones para mapear los niveles de ruido en la ciudad, recolectando datos útiles para el gobierno local mientras probaban métodos competitivos para distribuir cargas.entre dispositivos.
Con su enfoque interdisciplinario, el proyecto SwissSenseSynergy ha producido nuevas técnicas con beneficios potenciales para la investigación y las aplicaciones. El proyecto está desarrollando una nueva arquitectura de experimentación, llamada Vivo, para involucrar a voluntarios en la fase experimental para apoyar el desarrollo de aplicaciones.
El proyecto SwissSenseSynergy
El proyecto reúne a cuatro socios: el Instituto de Informática de la Universidad de Berna, el Departamento de Informática de la Universidad de Ginebra, el Instituto de Sistemas de Información y Redes en SUPSI y el Departamento de Informática e Ingeniería de la Universidad de Chalmersof Technology Suecia. Swiss Sense Synergy está financiada por el programa Sinergia de la SNSF hasta finales de 2017.
Fuente de la historia :
Materiales proporcionado por Fundación Nacional Suiza de Ciencias SNSF . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :