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 à cartographier les nids-de-poules dans l’infrastructure routière tout en personnalisant le retours de la base de données à l'emplacement actuel de l'utilisateur. donc nous avons optés vers des algorithmes de classifications non supervisé notamment l'algorithme K-means, à fin de classifier les données brutes à des cercles plus restreints à fin de alléger le fardeau de mémoire sur les appareils mobiles. à cette fin on a implémenté un serveur NodeJs qui calcule en temps réel la distance entre l’utilisateur et les centroïdes des différents clusters établies et l'assigne au plus proche.

L’architecture logicielle :

• Le côté client :

Une application qui a le but de localiser l’utilisateur, en utilisant le capteur GPS, et de capter les valeurs de l’accélération en cas d’une chute en utilisant l’accéléromètre, et ensuite sauvegarder ces valeurs. Par ailleurs, l’application va faire une sorte d’avertissement pour son utilisateur en affichant un marqueur unique sur la carte Map.

• Firebase :

La base des données de l’application et elle occupe une place intermédiaire entre l’application cliente et le serveur. Un service crée par Google qui va garantir le stockage des données avant d’aller au serveur. Ainsi, elle représente une base des données locale.

• Le côté serveur :

La partie responsable du traitement des données, contenant l’algorithme d’apprentissage. De plus, elle va envoyer après ce traitement l’avertissement à l’utilisateur.