Différences

Ci-dessous, les différences entre deux révisions de la page.

--- cours:plim:projet16_17:gr10:gr10 [2016/10/24 16:30] – [Ressouces utilisées dans le Projet] qlaborde
+++ cours:plim:projet16_17:gr10:gr10 [2017/02/19 18:59] (Version actuelle) – [Le Rendu (code + doc)] qlaborde
@@ Ligne 10: / Ligne 10: @@
 Le but de notre application est de créer une cartographie de l'environnement sonore afin de voir quelles sont les zones les plus bruyantes et les plus calmes. Cela permettrait par exemple de voir quels sont les quartiers calmes dans une ville. Nous utiliserons le micro comme capteur  qui une fois calibré nous permettra de récupérer le volume sonore. L'heure sera également enregistrée et prise en compte pour pouvoir faire une carte de l'environnement sonore de jour et une autre de nuit.On applique alors un algorithme qui cartographie en fonctions des mesures des utilisateurs et de leur localisation. La localisation est détectée par GPS.
+__Mise à jour suite à l'évaluation intermédiaire :__ Nous avons finalement décidé d'utiliser 3 types de "filtre" qui permette à l'utilisateur de sélectionner différents types de map : si les mesures sont prises pendant une période de repos ou d'activité, si elles sont prises a l'extérieur ou à l'intérieur. Ces deux nouveaux filtres sont appliqués pour la création des clusters mais aussi lors de l'enregistrement des amplitudes. Ainsi l'utilisateur doit indiquer avec un paramétrage s'il est à l'extérieur ou à l'intérieur et s'il est dans une période de repos ou en activité (bruyant) afin d'affiner la capture des données. L'utilisateur peut toujours sélectionner le jour de la semaine qu'il veut visualiser lors de la création des clusters mais nous avons choisi d'enlever le filtre jour/nuit (remplacé par le filtre activité/repos car trop imprécis selon notre encadrant).
 === Scénario ===
 Lorsque Bob installe notre application sur son smartphone et qu'il la lance pour la première fois, un service en arrière-plan est lancé. Ce service va récolter périodiquement la position GPS de Bob et l'amplitude sonore captée par le microphone. Ces données sont envoyées vers un serveur qui traite ces données ainsi que celle d'autres téléphones qui utilisent aussi l'application. Le traitement donne deux informations principales à Bob, une cartographie géographique et temporelle de la pollution sonore ainsi qu'une prévision sur la pollution sonore sur la même zone dans le futur (demain à midi par exemple).
+__Mise à jour suite à l'évaluation intermédiaire :__ Ce scénario correspond toujours a notre vision de l'application.
@@ Ligne 49: / Ligne 54: @@
       * Android 5.1 (utilisation de Android Studio et la SDK Android 5.1 maximum)
-==== Ressouces utilisées dans le Projet ====
-=== Capteur et données ===
+====Environnement logiciel ====
+Android Studio
+====Activité reconnue====
+Notre application reconnaît une activité : le niveau sonore dans une zone géographique avec une dimension temporelle donc avec plusieurs résultats selon l’heure (jour ou nuit) et selon le jour de la semaine.
+__Mise à jour suite à l'évaluation intermédiaire :__ Comme précisé plus haut, nous avons enlevé le filtre jour/nuit et nous avons rajouté 2 filtres qui permettent de reconnaitre plus précisément l'activité en incluant un contexte dépendant de l'utilisateur : intérieur/extérieur et repos/activité.
+==== Capteur et données ====
@@ Ligne 58: / Ligne 71: @@
   * L'amplitude sonore grâce au microphone du smartphone
   * Les coordonnées GPS avec L'API google
-  * L'heure où sont racontées les données
+  * L'heure où sont enregistré les données
-=== API ===
+==== API ====
@@ Ligne 68: / Ligne 81: @@
   * Google API ([[https://developers.google.com/maps/?hl=fr | lien]])
-=== Faisabilité ===
+====Algorithmes mis en œuvre====
+Pour traiter les données récoltées par notre application, nous voulons utiliser deux types d’algorithmes. Le clustering (non supervisé) nous permettra de regrouper en clusters chaque échantillon récolté avec son amplitude sonore (en décibel) et sa position GPS. Nous utiliserons plusieurs fois l’algorithme sur les différentes périodes de la semaine pour avoir une dimension temporelle.
+Pour le deuxième algorithme, nous ne sommes pas encore sûrs que ce sera possible mais nous aimerions utilise un algorithme SVM (supervisé) pour effectuer des prévisions futures sur la pollution sonore (par exemple pour connaître les endroits calmes le samedi)
+__Mise à jour suite à l'évaluation intermédiaire :__ Nous avons affiné l'utilisation des clusters en y ajoutant les "filtres" évoqués plus haut.
+Nous avons renoncé à mettre en place le deuxième algorithme SVM pour plusieurs raisons : manque de temps, utilité restreinte, très compliqué à mettre en place (nous avons de grosses difficultés de compréhension sans parler de l'implémentation).
+==== Faisabilité ====
 Nous avons choisi de développer en natif Android car nous allons utiliser plusieurs fonctionnalités natives et très peu d'affichage qui pourraient être mis en commun sur une application cross-platform comme Xamarin.
@@ Ligne 77: / Ligne 98: @@
 Puisque nous voulons rassembler les données de tous les smartphones qui utilisent notre application pour mettre en commun leurs données, nous allons utiliser un serveur externe et mettre en place une communication par Internet (peut-être avec des services Web)
+__Mise à jour suite à l'évaluation intermédiaire :__ Notre application marche bien sur nos deux téléphones. Nous utilisons un serveur Java avec service web rest. Nous utilisons serviceMix pour déployer notre serveur avec pour l'instant une utilisation dans un réseau local uniquement.
+==== Le Rendu (code + doc) ====
+Le code est disponible en intégralité ici : {{:cours:plim:projet16_17:gr10:rendu-application-mobile.zip|}}
+ou sur github : https://github.com/alchimiste3/Rendu-Application-Mobile.git