Mobile - based Sensing - Smartphone Application for Long- term Urban Lifestyle and Mobility Monitoring

Abstract

Zvyšující se poptávka po datech a chytrých řešeních je jedním z nejrychleji rostoucích odvětví vývoje lidské činnosti. Tato tendence je znatelná také v oblasti architektury a městského plánování. Data o procesech ve městě jsou potřebným ukazatelem pro přesné hodnocení jejich stávajícího stavu a dokáží být identifikátorem pro hodnocení změn. Města a lidé v nich produkují prostřednictvím sensorů neustále velké množství dat. Kombinací těchto datových vrstev můžeme odhalit mnohé o způsobu, jakým města využíváme a jak města na své obyvatele působí. Mobilitu jednotlivců je možné mapovat prostřednictvím jednoduché mobilní aplikace, která zaznamenává pohyb uživatelů. Sensory obsažené ve smartphonech jsou nízkonákladovým a zároveň dlouhodobým zdrojem informací, které při správné interpretaci mohou být dynamickým indikátorem života ve městě. Navrhuji strukturu a uživatelské rozhraní aplikace pro smartphony, která využívá základní sensory smartphonů k získávání dat o mobilitě uživatelů aplikace. Sensory v jednoduchém sport-testeru mapují čas, způsob a trasu pohybu po městě, kterou zaznamenávají do databáze. Na základě dalších údajů, které uživatel je prostřednictvím aplikace ochoten poskytnout, vzniká stabilní zdroj informací o životním stylu uživatelů. Aplikace pro výpočet kalorické spotřeby od uživatele vyžaduje informace o jeho věku, výšce, váze a genderu. Získaná data lze využít pro dlouhodobé poznávání městského života. Práce prezentuje praktické možnosti využití této konkrétní datové sady, které jsou schopny poskytovat daty podložené argumenty pro strategická rozhodování o rozvoji měst a sídel. Tato teoretická část práce může být následně aplikována na další sady dat o stejné struktuře.Možnosti práce s daty demonstrujeme na případové studii městské mobility v Praze a jejích vlivových faktorů. Pro demonstraci jsou použita data z multimodálního agentového modelu městské mobility v Praze a Středočeském kraji. Data z agentového modelu nahrazují masivně získávaná data ze smartphone aplikace, jejíž programovací část není součástí výzkumu. Případová studie za použití dat z agentového modelu multimodální mobility Prahy a Středočeského kraje se zaměřuje na vlivové faktory, které ovlivňují pěší pohyb obyvatel. Studie prokázala nízkou pěší fyzickou aktivitu Pražanů. U vybraného segmentu jedinců mezi 21-65 lety, kteří denně dojíždějí do práce městskou hromadnou dopravou, bylo zjištěno průměrné denní penzum chůze 3 106 m . Z toho 85,4% tvoří trasy rutinní – tedy z domova do místa výkonu práce a zpět. Jen 14,7% denní pěší aktivity je svázáno s aktivitami nerutinními. V pěší aktivitě Pražanů se projevily také genderové rozdíly – pěší aktivita žen je 4,8% nižší, než denní souhrn chůze mužů. Jen 2% žen splňuje denní doporučení WHO stran pěší aktivity. U mužů je počet aktivních jedinců vyšší – 2,7%. S věkem se od 40-ti let se s každým rokem snižuje denní průměrná pěší aktivita u mužů o 3,87 m, u žen o 4,7m.Data z agentového modelu poskytují vice kategorií, než data ze smartphone aplikace. Analýza vlivu na pěší aktivitu byla provedena i u kategorií “rodinný stav”, “nejvyšší dosažené vzdělání”, “finanční příjem na člena domácnosti”, které by prostřednictvím aplikace nebylo možné získat. Naopak na datech z agentového modelu nebylo možné provést analýzu vlivu BMI na pěší aktivitu obyvatelstva.

The increasing demand for data and smart solutions is one of the fastest growing sectors of human development. This trend is also noticeable in the fields of architecture and urban planning. Data on city processes are necessary indicators for the precise assessment of their current state and can be identifiers for evaluating changes. Cities and the people living in them are constantly producing large amounts of data through sensors. Combining these data layers can reveal much about the way we use cities and how cities affect their inhabitants. The mobility of individuals can be mapped through a simple mobile application that records the movement of users. The sensors contained in smartphones are a low-cost yet long-term source of information that, if properly interpreted, can be a dynamic indicator of city life. I propose the structure and user interface of a smartphone application that uses the fundamental sensors of smartphones to capture data on the mobility of the application's users. The sensors in a simple sport-tester trace the time, type and route of movement around the city, which they report to a database. Based on additional data that users are willing to provide through the application, a stable source of information about users’ lifestyles is established. The app for calculating users’ caloric expenditure requires information about their age, height, weight and gender. The collected data can be used for developing a long-term understanding of urban life. This paper presents practical applications of this particular dataset that are potentially capable of providing data-driven arguments for strategic decision-making on urban and settlement development. This theoretical part of the thesis can then be applied to other datasets of a similar structure.I demonstrate the possibilities of working with these data through a case study of urban mobility in Prague and its influencing factors. Data from a multimodal agent-based model of urban mobility in Prague and the Central Bohemia Region are used for demonstration. Data from the agent-based model replaces the data collected from a smartphone application, the programming of which was outside the scope of the research. The case study using data from the agent-based multimodal urban mobility model of Prague and the Central Bohemia Region focuses on the determinants that influence the pedestrian movement of residents. The study showed low pedestrian physical activity of Prague residents. For a selected segment of individuals between 21-65 years of age who commute daily to work by walking or by public transport, the average daily walking distance was found to be 3 106 m . Of this, 85.4% consists of routine routes - i.e., from home to work and back. Only 14.7% of daily walking activity is linked to non-routine activities. There are gender differences in the walking activity of Prague residents - women's walking activity is 4.8% lower than the daily cumulative walking activity of men. Only 2% of women meet the WHO daily recommendations for walking activity. For men, the number of active individuals is higher - 2.7%. With each year over the age of 40, the average daily walking activity decreases by 3.87m for men and 4.7m for women.Data from the agent-based model provides more categories than the data from the smartphone app. The analysis of the effect on walking activity was also done for the categories "marital status", "highest education attained", "financial income per household member", which could not be obtained through the app. On the other hand, it was not possible to conduct an analysis of the effect of BMI on the walking activity of the population using the data from the agent-based model.