Utilizzo più intelligente dei dati mobili

Se i dati di tutti gli smartphone del mondo venissero messi in rete, presto potremmo avere in tasca un supercomputer globale. La grande capacità di calcolo migliorerebbe la raccolta e l'analisi dei dati in tempo reale. Ma ci sono ancora ostacoli tecnici e problemi di protezione dei dati da superare. Gli scienziati che lavorano al progetto SwissSenseSynergy, finanziato dal Fondo Nazionale Svizzero per la Ricerca Scientifica (FNS), hanno affrontato questi problemi e proposto nuovi modi di raccogliere e utilizzare tali dati, concentrandosi principalmente sul crowd sensing, che prevede l'accesso ai sensori degli smartphone per raccogliere informazioni su un'area specifica. Un esempio tipico è rappresentato dalle applicazioni di mappatura in grado di riconoscere gli ingorghi stradali utilizzando i sensori di accelerazione dello smartphone. Poiché i dispositivi in rete raccolgono informazioni su molti aspetti del nostro ambiente (ad esempio movimenti, rumori, persone e qualità dell'aria), il crowd sensing può aiutarci a decidere dove mangiare, quali vestiti indossare o come viaggiare. "Queste informazioni possono essere utilizzate per un'ampia gamma di applicazioni: per previsioni di marketing o per prevedere il comportamento di gruppi di persone", spiega il coordinatore del progetto, Torsten Braun dell'Università di Berna. Tuttavia, ci sono ancora alcuni ostacoli da superare per queste applicazioni di crowd-sensing. Ci sono conflitti tra la raccolta dei dati, la loro protezione e l'impatto sulla facilità d'uso dello smartphone. Ad esempio, le risorse hardware sono compromesse dalla trasmissione dei dati e misure di sicurezza inadeguate possono favorire il furto di identità.Quattro team hanno sviluppato nuovi concetti per migliorare la tecnologia di crowd-sensing e raccomandazioni pratiche per la sua applicazione. Il loro lavoro si concentra su quattro aree chiave: dati di localizzazione più precisi, migliore protezione dei dati, applicazioni industriali e raccolta dati più efficiente.La funzione di tracciamento supera lo standard GPSIl team di Torsten Braun a Berna ha migliorato l'accuratezza della localizzazione negli edifici e nel sottosuolo fino a 1,1 metri nel 90% dei casi. Ciò equivale all'incirca alle prestazioni dei sistemi GPS. Vengono utilizzati solo i dati dei sensori dei dispositivi e i segnali radio che, a differenza del GPS, penetrano anche nei muri e nel cemento. I ricercatori raccolgono i dati trasmessi dai sensori degli smartphone e le informazioni sulla potenza del segnale WiFi. Queste informazioni vengono poi elaborate da diversi algoritmi di apprendimento automatico. "Il passo successivo consiste nel determinare la posizione in cui gli utenti si stanno recando", spiega Braun. "Gli scienziati delle Università di Berna e Ginevra hanno sviluppato congiuntamente un'applicazione mobile che combina il rilevamento della folla con il posizionamento in ambienti chiusi e gli spazi intelligenti. Questa nuova applicazione mobile integra sofisticati algoritmi di localizzazione e misurazioni di sensori basati sulla posizione, che vengono poi archiviati in un cloud. Qui i dati sono disponibili per l'Internet delle cose e possono essere utilizzati in applicazioni di automazione personalizzate e basate sulla localizzazione di numerosi oggetti e prodotti "intelligenti". Un team della Scuola universitaria professionale svizzera (SUPSI) di Lugano ha sviluppato modelli che utilizzano dati di localizzazione predittivi per la trasmissione di dati sui social media. Gli esperimenti hanno dimostrato che la trasmissione veloce dei dati non funziona solo nei social network come Facebook e Twitter, ma anche nelle reti fisiche ad hoc formate dai telefoni cellulari. I messaggi potrebbero reagire al comportamento locale, valutare i feedback in tempo reale e circolare più rapidamente tra gli utenti selezionati. La ricerca fornisce una comprensione più approfondita delle influenze sociali sul comportamento umano e mostra le connessioni tra luoghi fisici, preferenze condivise e comunità sociali basate su eventi.Il rumore artificiale come protezione dei dati"Una delle maggiori difficoltà per i ricercatori è l'equilibrio tra l'utilizzo dei dati e la loro protezione", afferma Torsten Braun. "L'accuratezza dei dati può andare a scapito della privacy". Se i dati degli utenti vengono registrati anche durante la raccolta dei dati, la disponibilità a partecipare diminuisce. Per garantire la sicurezza dei dati, il team della Chalmers University of Technology in Svezia ha sviluppato metodi di apprendimento automatico per l'analisi dei dati e il processo decisionale automatizzato che consentono una "protezione differenziale dei dati". I ricercatori dell'Università di Ginevra hanno affrontato un altro conflitto: il desiderio di raccogliere la maggior quantità possibile di dati con il minor carico hardware possibile attraverso il crowd sensing. Se gli utenti temono di appesantire il proprio smartphone, possono rifiutare le app che accedono a sensori altrimenti inutilizzati. Questo progetto analizza modelli teorici di gioco per scoprire come il carico possa essere distribuito tra più telefoni e utenti. Nell'ambito di un esperimento sul campo a San Francisco, alcuni volontari hanno scaricato un'app per mappare i livelli di rumore della città. Mentre raccoglievano dati utili per l'amministrazione comunale, hanno contemporaneamente testato diversi metodi per distribuire il carico su più dispositivi.L'approccio interdisciplinare di SwissSenseSynergy ha sviluppato nuove tecniche che potrebbero essere utili per la ricerca e le applicazioni. Con il nome di Vivo, il progetto sta sviluppando un nuovo tipo di test che si basa su partecipanti volontari nella fase pilota di sviluppo.