JY Tigli Homepages

Ceci est une ancienne révision du document !

---

Projet Groupe 16

Présentation du projet:

Nom 1 : Fliss Nidhal

Créneau (AM ou PM) : AM

Nom 2 : Randa ELTAHER

Créneau (AM ou PM) : AM

Nom du Projet : caveatDriver

Un scénario d'illustration du Projet

Détection des nids-de-poules par le bais de l’accéléromètre :

Bob pose le téléphone mobile sur le tableau de bord de la voiture, et à chaque fois qu’il rencontre un nid-de-poule ou de dos d’âne, l’application va détecter ce changement brusque par l’accéléromètre, et il va l’enregistrer, ainsi, il va enregistrer sa position a travers le GPS pour la cartographiée.

Matériel disponible:

• Référence du SmartPhone: Samsung A5

• Caractéristiques techniques: http://www.samsungmobilepress.com/FileHome/Press/Mobile_Pdf/Galaxy%20A5_A3%20Press%20release.pdf

• Résumé des fiches techniques en terme de ressources du SmartPhone (capteurs mais aussi Data collectés par le Mobile):
• processeur: 1.2GHz Quad-Core Processor
• GPS et accéléromètre.
• Caractéristiques de l'OS et des environnements logiciels utilisables pour développer sur ce SmartPHone:

OS: Android 4.4 (KitKat)

Ressouces utilisées dans le Projet

Liste des capteurs mais aussi Data collectés par le Mobile, utilisés pour le projet:

• Accéléromètre et GPS
• Liste des SDK et API pour l'accès à ces informations
• Environnement de logiciel : Android studio IDE
• Version OS : Android 4.4 (KitKat)
• http://docs.opencv.org/2.4/doc/tutorials/introduction/android_binary_package/O4A_SDK.html

Conclusion sur la Fisabilité du Projet:

Le projet est-il faisable ? Oui, car normalement les appareils sont équipés d’un accéléromètre, qui va alors détecter les mouvements brusques et il va avec espoir mettre en valeur les variations de la vitesse, ainsi le mouvement vertical de l’appareil. Donc, l’utilisateur peut détecter facilement la présence soit d’un trou ou d’un dos d’âne. De plus, il y aura le GPS pour géo localiser l’endroit précisément et ensuite, il va mettre en évidence l’endroit exacte pour des autres utilisateurs, par exemple un autre conducteur afin d’éviter cet endroit ou la municipale pour la réparation et la solution du problème.

Algorithmes de classification et d'apprentissage :

 Étant donné que notre projet vise non pas seulement à cartographier les nids-de-poules dans l’infrastructure routière mais aussi à prédire et prévenir les partis concerné de leurs existence et vu que la formation des nids-de-poules est lié principalement aux  forces météorologiques, et la fréquence d'usage des routes, et donc pour pouvoir faire des prédictions sur ce phénomènes, il va falloir entendre notre base de données collectés par nos capteurs, pour y inclure l’état de la météo de la ville en question tirée d'une base de donnée publique.

et donc nous avons optés vers des algorithmes de apprentissage supervisé tels que les VSM et les réseaux de neurones, on ne sait pas encore lequel choisir, mais pour le moment on opte vers les reseaux de neurones en dépit de leurs flexibilité et versatilité