Participatory Sensing

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Participatory Sensing (engl. partizipatorische Erfassung) (auch als Urban, Citizen, Human-Centered, People-Centric oder Opportunistic Sensing bezeichnet) ist ein Konzept zur Messung von Daten, bei dem Gruppen von Personen Sensorinformationen beisteuern, um Wissen zu generieren.[1] Während klassische Sensornetze auf statisch platzierten Sensorknoten beruhen, spielt hierbei die Mobilität der Teilnehmer eine zentrale Rolle.

Definition[Bearbeiten | Quelltext bearbeiten]

Der Begriff Participatory Sensing wird zum Teil je nach Anwendungsgebiet unterschiedlich definiert. Dabei werden dem Konzept Annahmen zugrundegelegt, die sich implizit aus den konkreten Anwendungen ergeben.

Eine allgemeine Definition findet sich in [2]:

„Beim Participatory Sensing sammelt eine Menge von Personen in einer Datensammelkampagne mithilfe weitverbreiteter mobiler Endgeräte orts- oder raumbezogene, häufig auch zeitbezogene, Messwerte, Daten oder Informationen, welche mit den eingebauten Mechanismen des mobilen Endgeräts erfasst werden können. Die Datensammler leiten ihre Informationen an eine zentrale Instanz (Server) weiter, die diese für bestimmte Zwecke weiter verarbeitet. Die Art der zu sammelnden Informationen ist im Szenario vordefiniert. Bei komplexen Szenarien kann die zentrale Instanz die Koordination der potenziellen Sammler übernehmen.“

[2]

Vergleich mit klassischen Sensornetzen[Bearbeiten | Quelltext bearbeiten]

Zentraler Bestandteil des Participatory Sensing ist die Mobilität der Sensoren im Vergleich zur Ortsgebundenheit in klassischen Sensornetzen. Vorteile zeigen sich dadurch, dass eine höhere räumliche Auflösung erreicht werden kann, da die Messung nicht auf einzelne statische Sensoren beschränkt ist. Insbesondere werden die Daten dort erfasst, wo sich die Menschen jeweils aufhalten und somit ein Bedarf an Informationen gegeben ist. Außerdem können Betroffene von auf den Daten basierenden Anwendungen direkt in die Datenerhebung eingebunden werden. Gerade bei Dienstleistungen, die der Gesellschaft zugutekommen, kann diese Herangehensweise zu einer höheren Akzeptanz führen.

Ein Nachteile des Participatory Sensing ist, dass die Qualität der Informationen nur bedingt gewährleistet werden kann. Gründe dafür sind zum einen, dass die Geräte nicht von professionellem Personal, sondern von Laien bedient werden. Zum anderen werden meist möglichst günstige und kompakte Sensoren eingesetzt, um einen mobilen Einsatz zu ermöglichen beziehungsweise eine hohe Verbreitung zu erreichen.[3] Um trotz dieser Herausforderungen eine ausreichende Qualität der Daten gewährleisten zu können, existieren Ansätze zur automatischen Kalibrierung der Sensoren.[4]

Des Weiteren stellen sich unter anderem Fragen bezüglich der effektiven Anreizsetzung zur Teilnahme, der Datensicherheit[5] und des Datenschutzes.[6]

Nutzungsszenarien[Bearbeiten | Quelltext bearbeiten]

Durch die zunehmende Verbreitung von mobilen Endgeräten mit einer Vielzahl von Sensoren, allen voran Smartphones mit unter anderem GPS-Empfänger, Mikrophone sowie Kameras, wird der Einsatz von Participatory Sensing im großen Maßstab möglich.

Konkrete Nutzungsszenarien sind:

Siehe auch[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Jeffrey Burke et al.: Participatory sensing. Abgerufen am 2. November 2014. (englisch).
  2. a b Dr. Andreas Abecker, Dr. Wassilios Kazakos, Julio Melo de Borges, Dr. Valentin Zacharias: Beiträge zu einer Technologie für Anwendungen des Participatory Sensing. Abgerufen am 2. November 2014.
  3. Matthias Wetter, ETH Zurich: Sensorbasierte Datenerfassung im Dienst der Gesellschaft. Abgerufen am 2. November 2014.
  4. Vladimir Bychkovskiy, Seapahn Megerian, Deborah Estrin, Miodrag Potkonjak: A Collaborative Approach to In-Place Sensor Calibration In: Information Processing in Sensor Networks, Lecture Notes in Computer Science, Vol. 2634, Springer-Verlag, 2003, S. 301–316.
  5. Thomas Ludwig, Simon Scholl: Participatory Sensing im Rahmen empirischer Forschung. Abgerufen am 2. November 2014.
  6. Delphine Christin, Andreas Reinhardt, Salil S Kanhere, Matthias Hollick: A Survey on Privacy in Mobile Participatory Sensing Applications In: The Journal of Systems and Software, Vol. 84, Issue 11, Elsevier, 2011, S. 1928–1946.
  7. Karlsruher Institut für Technologie: Feinstaub-Belastung per Smartphone messen. Abgerufen am 2. November 2014.
  8. Dr. Immanuel Schweizer, Technische Universität Darmstadt: da_sense: Lärmmessung per Handy. Abgerufen am 2. November 2014.
  9. Roman Kernchen, Laborpraxis: Participatory Sensing von chemischen Gefahrstoffen in der Luft. Abgerufen am 2. November 2014.