Progettazione ed implementazione di un sistemaSmart Parking basato su comunicazione
Device-To-Device
Presentata da:Andrea Sghedoni
Alma Mater Studiorum · Universita di BolognaSCUOLA DI SCIENZE
Corso di Laurea Magistrale in Informatica
Sessione IIIAnno Accademico 2015/2016
Relatore: Chiar.mo Prof. Marco Di FeliceCorrelatore: Dott. Federico Montori
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 1 / 18
Indice
Smart Parking: Stato dell’ArteArchitettura del progettoImplementazione e tecnologie utilizzateValutazione e SimulazioneConclusioni
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 2 / 18
Il parcheggio
Il continuo processo diurbanizzazione ha portato alsovraffollamento di autoveicoli nellecitta metropolitanePiu del 30% della congestione deltraffico e causata da utenti in cercadi parcheggioParcheggi on-streetConseguenze negative:
perdita di tempo e denaroinquinamento ambientale (CO2)peggioramento della qualita di vita
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 3 / 18
Stato dell’arte - Smart Parking
Contenere gli effetti negativi legati al parcheggio3 macrocategorie di sistemi Smart Parking:
Sistemi basati su reti di sensori:Alta precisioneAlti costi di installazione e manutenzione
Sistemi basati su computer vision:Algoritmi di IAAlti costi
Sistemi basati su Crowdsensing e Crowdsourcing:Contributo degli utentiIntelligenza condivisaBassi costi
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 4 / 18
Il progetto
Prototipo di un sistema Smart Parking in grado di favorire l’attivita diparcheggio all’utenteCrowdsensingProbabilita di parcheggio nelle zone limitrofe alla posizione correnteDisseminazione Device-To-Device (D2D)Spreading automatico e trasparente all’utenteSviluppo del prototipo su dispositivi mobili AndroidAnalisi simulata tramite tool OMNeT++
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 5 / 18
Scenario generale
Citta metropolitanaGriglia logica suddivide la cittaPer ogni cella si stima la probabilita diparcheggioTopologie a stella di reti WiFi Direct:
Access Pointclient
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 6 / 18
Architettura software
1 Componente di ActivityRecognition rileva eventi diparcheggio e rilascio
2 Il Local DB salva informazionisui parcheggi ed ultimesincronizzazioni effettuate
3 Il Controller funge dainterfaccia verso il database
4 Il Dissemination Servicesincronizza le informazioni inmodalita D2D con altri peerall’interno del raggio ditrasmissione
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 7 / 18
Probabilita di parcheggio
Sincronizzazione sugli eventi parcheggio/rilascio della cella iEventi parcheggio Ep
i e rilascio E ri
Slot totali Nti noto a priori
Slot occupati:No
i = Epi − E r
i
Tasso di occupazione:po
i =No
iNt
i
Probabilita di trovare parcheggio:
pfi = 1 − po
i
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 8 / 18
Tecnologie utilizzate
SO Android 4.0 e superiori
WiFi DirectPeer-To-Peer (P2P) GroupBonjour beaconserialized Socket
SQLite
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 9 / 18
Valutazione e Simulazione
OMNeT++, Veins, SUMOZona nord-est di Bologna 1.5km x2.5km∼ 3000 veicoli in 1800 simsecVerificare l’efficacia del processo dispreading
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 11 / 18
Parametri di simulazione
Modulo SmartParking per modellazione logica10 run indipendenti per tecnologia
Technology range(m) latency(s)
V2V 802.11p up to 500 0WiFi Direct up to 100 2-10Bluetooth up to 20 5 - 15
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 12 / 18
Risultati - Accuratezza media della cella corrente
convergenza sulla conoscenza della cella corrente
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 13 / 18
Risultati - Accuratezza media dello scenario
convergenza sulla conoscenza dello scenario generale
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 14 / 18
Risultati - Accuratezza media in base alla distanza
L’accuratezza media decresce all’aumentare della distanza dallaposizione correnteL’accuratezza migliore nel raggio di 500m della posizione corrente(sincronizzazioni su cella corrente e adiacenti)
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 15 / 18
Risultati - Tasso di partecipazione
Tasso di partecipazione determinante per la tecnologia D2D WiFiDirect
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 16 / 18
Conclusioni
Tecnologia WiFi Direct con alto tasso di partecipazione puo ottenerebuoni risultati confrontandosi con tecnologie piu costose e complesse(V2V 802.11p)Sviluppi futuri:
risparmio energetico sulle attivita D2Dguidare l’utente verso le zone meno congestionate in base alladestinazioneindividuare e favorire le sincronizzazioni che permettano di aumentare ilprocesso di spreading
Presentata da: Andrea Sghedoni Device-To-Device Smart Parking 16/03/2017 17 / 18