MobilitApp samler med jevne mellomrom data fra 3 mobile sensorer: akselerometer, magnetometer og gyroskop. Vi bruker ikke GPS for å forutsi transportmiddel, på denne måten sparer vi batterilevetid og leser ikke personens geolokalisering konstant.
Informasjonen som innhentes behandles for å trene opp en maskinlæringsmodell som er i stand til i ettertid å forutsi hvilke transportmidler som brukes av innbyggerne. For øyeblikket gjenkjenner MobilitApp disse transportmidlene med mer enn 88 % nøyaktighet: sykkel, elsykkel, elektrisk scooter, buss, t-bane, tog, trikk, motorsykkel, bil, løping og gange.
Brukere kan se transportmodusprediksjonen på kartet for hver del av den multimodale ruten mens de beveger seg.
Brukerinformasjon behandles helt anonymt.
MobilitApp samler inn informasjon om den multimodale reisen: hvor den starter, med hvilket transportmiddel, hvor det oppdages en endring i transportmiddelet, hva er det nye transportmiddelet. Og så videre, seksjon for seksjon, til slutten av den multimodale ruten oppdages.
Ingen identifiserende informasjon om brukeren samles inn. Målet er å samle en database over multimodale baner for medborgerskap i hovedstadsområdet, for å analysere flyten av mobilitet og mobilitetsvanene til innbyggere.
MobilitApp er et verktøy som skal hjelpe myndighetene med ansvar for kollektivtransport med å forbedre tjenestetilbudet. Målet vårt er å samarbeide for å oppnå bærekraftig urban mobilitet og at Barcelona skal være en by som blir stadig mer forurensningsfri og mer levelig.
MobilitApp utvikles av forskere og studenter fra SISCOM-forskningsgruppen (https://siscom.upc.edu), ved Institutt for telematikkteknikk (http://www.entel.upc.edu) ved University Politècnica de Catalunya (https://www.upc.edu), med veiledning av prof. Monica Aguilar Igartua.
MobilitApp-prosjektets nettsted: https://mobilitapp.upc.edu