• Nom 1 : Bichoy MESSIHA
• Créneau (AM ou PM) : AM
• Nom 2 : Eslam HOSSAM
• Créneau (AM ou PM) : AM

L'idée est un détecteur du bruit qui peut calculer la puissance du son autour du portable (en dB), en tenant compte de sa géolocalisation et du temps, peut faire des statistiques pour ces valeurs et alors donne des rapports à l'utilisateur. L’intérêt est d'avertir l'utilisateur s'il y a du bruit troublant autour de lui pendant les différentes périodes de la journée, et aussi de lui donner un bilan simplifié du bruit auquel il est été exposé.

Scénario: Barry ne parvient pas à entendre les gens facilement. L'otologiste lui a conseillé de bien surveiller le bruit autour de lui pendant ses activités quotidiennes. Il télécharge notre application qui lui affiche des informations et des statistiques du son ambiant. Il a remarqué que la période ou il est chez lui, il est exposé au bruit nuisible. Alors il a installé des fenêtres isolants de bruit.

Cible Mobile utilisée :

• Référence du SmartPhone: HTC One M8 Eye
  • Caractéristiques techniques:
    • Fiche technique
    • Capteurs: Acceleromètre, Gyro, Proximity, Compass
    • Localisation: Yes, with A-GPS, GLONASS
    • Connection: Wi-Fi 802.11 a/b/g/n, dual-band, Wi-Fi Direct, DLNA, hotspot
• Référence du SmartPhone: Sony Xperia Z2
  • Caractéristiques techniques:
    • Fiche technique
    • Capteurs: Acceleromètre, Gyro, Proximity, Compass
    • Localisation: Yes, with A-GPS, GLONASS
    • Connection: Wi-Fi 802.11 a/b/g/n, dual-band, Wi-Fi Direct, DLNA, hotspot

• L'OS : Android 6.0.1

Environnement logiciel :

• Android Studio (dernière version)
• Projet GitHub

• Liste des capteurs:
  • Microphone
  • GPS
• Data collectés par le Mobile:
  • Son ambiant
  • Géolocalisation du mobile
  • Temps
• Liste des SDK et API pour l'accès à ces informations:
  • Google Maps API
  • Librairie d'affichage des graphs : https://github.com/PhilJay/MPAndroidChart/wiki/Getting-Started
  • Android SDK 6.0.1
• Version OS : Android 6.0.1

• Google Cloud (pour déployer le coté serveur):
  • Pour supporter le calcul intense des d'algorithmes
  • Pour que ça soit accessible dans n'importe location
• Firebase (pour déployer la base de données)
  • Pour que ça soit accessible dans n'importe location
  • Pour que ça soit accessible par le cloud et l'application mobile
  • Persister les données: créer un cache local pour les données en cas de déconnexion

• MediaRecorder pour capter le son
• Calcul de l'intensité du son à l'aide d'une équation
• Pour déterminer le seuil permis d'exposition continu
  • 

Notre système se compose de:

• L'application qui a le role de:
  • Rassembler les données tout le long du jour (Running Service)
  • Afficher l'analyse à l'utilisateur
  • Communiquer avec l'API pour identifier la géolocalisation
  • Communiquer avec le coté serveur avec des requêtes REST
• Base de données (Déployé sur FireBase):
  • Enregistrer les données envoyées par l'application mobile
  • Persistence des données: FireBase automatiquement crée un cache local en cas de déconnexion
• Coté serveur (Déployé sur Google Cloud)
  • Apport des donnés depuis la base de données
  • Appliquer les algorithmes d'apprentissage sur ces données
  • Envoyer des réponses JSON pour l'application, contenant les résultats d'algorithme

• K-Means Clustering non-supervisé
  • L'utilité du Clustering nous donne un rapport simplifié des données captées pendant le jour. On se base sur deux dimensions: Le temps et L'intensité du son et l’intérêt est de montrer à l'utilisateur pour quelle période de jour il était exposé pour quelle intensité.

• Custom Clustering
  • Pour éviter l'affichage de plusieurs marqueurs sur la carte pour la meme position, nous avons besoin de regrouper les positions qui sont proches (pour un certain rayon). Nous n'avons pas utilisé le K-means parce qu'on doit lui préciser le nombre des clusters, et dans ce cas, on ne peut pas connaitre ce type de donnée. Nous avons crée notre propre méthode pour regrouper les positions proches.

Code Source sur github : https://github.com/eslamhossam23/ELIM/tree/Cloud