Abstract:
Diese Dissertation behandelt die Frage, wie mit kostengünstiger Sensorik Feinstäube in hoher zeitlicher und räumlicher Auflösung gemessen werden können. Dazu wird ein neues Sensorsystem auf Basis kostengünstiger off-the-shelf-Sensoren und Smartphones vorgestellt, entsprechende robuste Algorithmen zur Signalverarbeitung entwickelt und Erkenntnisse zur Interaktions-Gestaltung für die Messung durch Laien präsentiert.
Atmosphärische Aerosolpartikel stellen im globalen Maßstab ein gravierendes Problem für die menschliche Gesundheit dar, welches sich in Atemwegs- und Herz-Kreislauf-Erkrankungen äußert und eine Verkürzung der Lebenserwartung verursacht. ... mehrBisher wird Luftqualität ausschließlich anhand von Daten relativ weniger fester Messstellen beurteilt und mittels Modellen auf eine hohe räumliche Auflösung gebracht, so dass deren Repräsentativität für die flächendeckende Exposition der Bevölkerung ungeklärt bleibt. Es ist unmöglich, derartige räumliche Abbildungen mit den derzeitigen statischen Messnetzen zu bestimmen. Bei der gesundheitsbezogenen Bewertung von Schadstoffen geht der Trend daher stark zu räumlich differenzierenden Messungen.
Ein vielversprechender Ansatz um eine hohe räumliche und zeitliche Abdeckung zu erreichen ist dabei Participatory Sensing, also die verteilte Messung durch Endanwender unter Zuhilfenahme ihrer persönlichen Endgeräte. Insbesondere für Luftqualitätsmessungen ergeben sich dabei eine Reihe von Herausforderungen - von neuer Sensorik, die kostengünstig und tragbar ist, über robuste Algorithmen zur Signalauswertung und Kalibrierung bis hin zu Anwendungen, die Laien bei der korrekten Ausführung von Messungen unterstützen und ihre Privatsphäre schützen.
Diese Arbeit konzentriert sich auf das Anwendungsszenario Partizipatorischer Umweltmessungen, bei denen Smartphone-basierte Sensorik zum Messen der Umwelt eingesetzt wird und üblicherweise Laien die Messungen in relativ unkontrollierter Art und Weise ausführen. Die Hauptbeiträge hierzu sind:
1. Systeme zum Erfassen von Feinstaub mit Smartphones (Low-cost Sensorik und neue Hardware):
Ausgehend von früher Forschung zur Feinstaubmessung mit kostengünstiger off-the-shelf-Sensorik wurde ein Sensorkonzept entwickelt, bei dem die Feinstaub-Messung mit Hilfe eines passiven Aufsatzes auf einer Smartphone-Kamera durchgeführt wird. Zur Beurteilung der Sensorperformance wurden teilweise Labor-Messungen mit künstlich erzeugtem Staub und teilweise Feldevaluationen in Ko-Lokation mit offiziellen Messstationen des Landes durchgeführt.
2. Algorithmen zur Signalverarbeitung und Auswertung:
Im Zuge neuer Sensordesigns werden Kombinationen bekannter OpenCV-Bildverarbeitungsalgorithmen (Background-Subtraction, Contour Detection etc.) zur Bildanalyse eingesetzt. Der resultierende Algorithmus erlaubt im Gegensatz zur Auswertung von Lichtstreuungs-Summensignalen die direkte Zählung von Partikeln anhand individueller Lichtspuren. Ein zweiter neuartiger Algorithmus nutzt aus, dass es bei solchen Prozessen ein signalabhängiges Rauschen gibt, dessen Verhältnis zum Mittelwert des Signals bekannt ist. Dadurch wird es möglich, Signale die von systematischen unbekannten Fehlern betroffen sind auf Basis ihres Rauschens zu analysieren und das "echte" Signal zu rekonstruieren.
3. Algorithmen zur verteilten Kalibrierung bei gleichzeitigem Schutz der Privatsphäre:
Eine Herausforderung partizipatorischer Umweltmessungen ist die wiederkehrende Notwendigkeit der Sensorkalibrierung. Dies beruht zum einen auf der Instabilität insbesondere kostengünstiger Luftqualitätssensorik und zum anderen auf der Problematik, dass Endbenutzern die Mittel für eine Kalibrierung üblicherweise fehlen. Bestehende Ansätze zur sogenannten Cross-Kalibrierung von Sensoren, die sich in Ko-Lokation mit einer Referenzstation oder anderen Sensoren befinden, wurden auf Daten günstiger Feinstaubsensorik angewendet sowie um Mechanismen erweitert, die eine Kalibrierung von Sensoren untereinander ohne Preisgabe privater Informationen (Identität, Ort) ermöglicht.
4. Mensch-Maschine-Interaktions-Gestaltungsrichtlinien für Participatory Sensing:
Auf Basis mehrerer kleiner explorativer Nutzerstudien wurde empirisch eine Taxonomie der Fehler erstellt, die Laien beim Messen von Umweltinformationen mit Smartphones machen. Davon ausgehend wurden mögliche Gegenmaßnahmen gesammelt und klassifiziert. In einer großen summativen Studie mit einer hohen Teilnehmerzahl wurde der Effekt verschiedener dieser Maßnahmen durch den Vergleich vier unterschiedlicher Varianten einer App zur partizipatorischen Messung von Umgebungslautstärke evaluiert. Die dabei gefundenen Erkenntnisse bilden die Basis für Richtlinien zur Gestaltung effizienter Nutzerschnittstellen für Participatory Sensing auf Mobilgeräten.
5. Design Patterns für Participatory Sensing Games auf Mobilgeräten (Gamification):
Ein weiterer erforschter Ansatz beschäftigt sich mit der Gamifizierung des Messprozesses um Nutzerfehler durch den Einsatz geeigneter Spielmechanismen zu minimieren. Dabei wird der Messprozess z.B. in ein Smartphone-Spiel (sog. Minigame) eingebettet, das im Hintergrund bei geeignetem Kontext die Messung durchführt. Zur Entwicklung dieses "Sensified Gaming" getauften Konzepts wurden Kernaufgaben im Participatory Sensing identifiziert und mit aus der Literatur zu sammelnden Spielmechanismen (Game Design Patterns) gegenübergestellt.
Abstract (englisch):
This dissertation deals with the question of how fine dust can be measured using low-cost sensors and with high resolution, both spatially and temporally. For this purpose, a novel sensor system based on inexpensive off-the-shelf sensors and smartphones is presented, along with corresponding robust algorithms for signal processing, a privacy-preserving calibration scheme and research on the interaction design for participatory measurements contributed by non-expert users.
Atmospheric aerosol particles pose a serious health hazard on a global scale, which manifests itself in respiratory and cardiovascular disease and causes shortened life expectancy. ... mehrIn the past, air quality has been assessed on the basis of data from relatively few fixed measurement stations and been brought to a high spatial resolution using transport models, the representativeness of which for the nationwide exposure of the population remains unclear. Since it is impossible to achieve such spatial information with current static measurement networks, the trend is toward distributed measurements with large spatial resolution.
A promising approach to achieve a high spatial and temporal coverage is participatory sensing, i.e. the distributed measurement by end users with the help of their personal end devices. There are a number of challenges, in particular for air quality measurements, ranging from new sensors that are cheap and portable, over robust signal analysis and calibration algorithms, to applications that help non-experts to correctly perform measurements and contribute them while protecting their privacy.
This work focuses on the application scenario of participatory environmental sensing, in which smartphone-based sensors are used to measure the environment and usually non-experts perform the measurements in a relatively uncontrolled manner. The main contributions to this are:
1. Systems for detecting fine dust with smartphones (low-cost sensors and novel hardware):
Based on early research on fine dust measurements with inexpensive off-the-shelf sensor technology, a novel sensor concept has been developed in which the fine dust measurement is carried out with the aid of a passive clip-on attachment for a smartphone camera. Evaluations of the sensor performance were partially carried out against laboratory measurements with artificially generated dust and partially in real-world field evaluations in which sensors were co-located with official state-operated measurement stations.
2. Algorithms for signal processing and evaluation:
Combinations of known OpenCV image processing methods (background subtraction, contour detection, etc.) were used for image analysis in the novel sensor designs. The resulting algorithm, in contrast to the evaluation of light-scattering sum signals, allows direct counting of particles based on individual traces of light. A second novel algorithm takes advantage of the fact that Poisson data is afflicted with signal-dependent noise, the ratio of which to the mean value of the signal is known. This makes it possible to analyze signals that are affected by systematic unknown errors based on their noise and to reconstruct the "true" signal from it.
3. Distributed privacy-preserving calibration algorithms:
One challenge of participatory environmental measurements is the recurring need for sensor calibration. This is, on the one hand, due to the instability of (in particular) low-cost air quality sensors and, on the other, due to the problem that end users usually lack the means to perform a calibration. Existing approaches to so-called device-by-device-calibration of sensors have been applied to data from low-cost particulate matter sensors and extended by mechanisms that allow sensors to be calibrated without giving away private information (identity, location).
4. Human-Computer-Interaction design for Participatory Sensing:
On the basis of several small exploratory studies, a taxonomy of the errors made by non-expert users when measuring environmental phenomena with smartphones was created empirically. From this, possible countermeasures were collected and classified. In a large summative study with many participants, the effect of several of these measures was evaluated by comparing four different variants of an app for participatory measurement of ambient noise. The findings form the basis for guidelines for designing efficient user interfaces for participatory sensing on handheld mobile devices.
5. Design Patterns for Participatory Sensing Games on Mobile Devices (Gamification):
Finally, gamification of the measurement process was explored to minimize user errors by using appropriate game mechanisms. In contrast to existing work, the focus was on embedding sensing tasks in smartphone games (e.g. so-called minigames), which perform the measurement in the background once in a suitable context. For the development of this concept dubbed "Sensified Gaming", core tasks in participatory sensing have been identified and juxtaposed with Game Design Patterns that were collected from the literature.
