FeinPhone – Partizpatorische Feinstaubmessungen mit Smartphones in Szenarien zukünftiger Smart Cities

09.12.2016 -

KIT & Siemens AG

Name des Teilnehmers: Matthias Budde

Beschreibung des IT-Forschungsprojekts: Von Feinstaub können erhebliche Gesundheitsrisiken ausgehen: Er kann beim Menschen in die Atemwege und sogar bis in die Lungenbläschen oder den Blutkreislauf eindringen. Dort kann er Zellen schädigen oder auch andere toxische Stoffe tief in den Körper bringen.

Die Feinstaubbelastung in Städten wird heute durch teure, statische Messstationen mit schlechter räumlicher und zeitlicher Auflösung überwacht. Um feingranulare dynamische Belastungskarten und reaktive Systeme in Szenarien zukünftiger Smart Cities zu ermöglichen, müssten dichte, verteilte Messungen vorgenommen werden. Eine Möglichkeit dafür sind partizipatorische Messungen auf Basis von Sensorik in Smartphones. Beim sogenannten „Participatory Sensing“ werden Privatpersonen mit kostengünstigen mobilen Sensoren ausgestattet, etwa integriert in bereits vorhandene Smartphones oder als eigenständige Geräte. Durch die Mobilität der einzelnen Teilnehmer kann eine höhere räumliche Auflösung erreicht werden. Beispiele für die erfolgreiche Umsetzung solcher Ansätze sind etwa Systeme zur Erstellung von Geräuschbelastungskarten oder zur Erfassung von Schlaglöchern, kaputten Ampeln und Verschmutzungen in Städten.

Während solche Projekte meist auf regulären Smartphones und der darin verbauten Sensorik basieren, existieren integrierte Sensoren zur Messung von Feinstäuben in Smartphones noch nicht. Vergangene Arbeiten haben jedoch gezeigt, dass die Hintergrund-Feinstaubbelastung selbst mit äußerst einfachen, bereits relativ kleinen Staubsensoren erfasst werden kann. Prinzipiell ist es auch möglich das Messprinzip dieser Sensoren (Lichtstreuung) an Smartphones mit integrierter Kamera zu adaptieren.

Das Projekt FeinPhone hat das Ziel, eine solche neuartige Sensorkomponente für Smartphones zur Messung von Feinstaub zu entwickeln und zu evaluieren und im Zuge der Evaluation ggf. einen Referenzdatensatz für die zukünftige Algorithmenentwicklung zu schaffen. Dies schließt das Design der externen Sensorhardware sowie geeigneter Algorithmen zur Verarbeitung der aufgenommenen Daten ein.

Projektwebseite: Weitere Informationen und Publikationen zum Projekt finden Sie unter http://www.teco.edu/research/software-campus-feinphone/

Partner: KIT & Siemens AG

Projektlaufzeit: 01.04.2015 - 31.05.2017