Lätt Park (Intel IoT)
Smart parkering System för tunnelbana
Projektöversikt:
Vi föreslår att bygga ett system som gör det möjligt att hitta parkeringsplatser runt deras nuvarande närhet och göra anaytics från de uppgifter som samlats in.
Android App: Kan du vet den närmaste parkeringsplats i staden, baserat på din nuvarande GPS-koordinater
Bakändan: Uppgifter som motsvarar en parkeringsrutan (gratis eller inte) fås med hjälp av sensorer och knuffade till både tolka moln och Intel Analytics platform. Parse Cloud de nödvändiga API: er för Android App och analytics görs med hjälp av Intel-plattformen Beskrivning
USPs
1. få realtidsdata närmaste parkering tillgänglighet.
2. få en bild av på vilka golv och slot utrymmet som är tillgängligt och totala antalet gratis parkeringsplatser också. Kan beslut fattas för användaren.
3. Navigera till din närmaste parkering plats med Google Maps.
4. använda analytics för att få en dynamisk prissättning ordning för parkeringsplats - korrelation mellan parkering avgift och peak timme och tjäna pengar på app genom att införa bokningssystem för parkering genom App.
Målgrupp : allmänheten i metro städer (med smarta telefoner) tillgängliga marknaden - stor omfattning sedan en stor population av tunnelbanor egna smarta telefoner och bilar.
Teknisk utrustning:
Hårdvara avsnitt: ljussensorer (ersätta magnetiska sensorer) fånga data (om bilen är närvarande eller inte) och mata data till Galileo dev styrelse. Aktiviteter schemaläggs om Galileo som samlar in data med jämna mellanrum tid och tryck sensordata till molnet (med tolka moln Python API: er)
Cloud avsnitt: Parse.com erbjuder Python API: er som används för att driva data i molnet och Android API: er som används för att hämta data från molnet.
Android App avsnitt: Visar den närmaste parkeringsplats med nuvarande GPS-koordinater, erbjuder även navigering möjlighet till parkering plats med Google Maps API
Vikten av molnet anslutning: Molnet är källan till alla slutet program - vår Android app använder cloud till foder data till slutanvändaren. Analytics t.ex. från vilket område genererar maximal parkering begär, beräkning av mest trafikerade timmarna på dagen etc. kan erhållas. Därav moln utgör hjärtat av vårt projekt.
Sensor utnyttjande: (LDR) ljussensorer, används i volymen, kastar utmaningar av schemaläggning och distribuerad hantering av sensorer. Programvarukomponenter: Eclipse IDE för att fånga sensordata (C programmering/mraa), python för att föra data från Galileo till molnet, Android app utveckling (Java) med hjälp av eclipse IDE. Maskinvarukomponenter: ljus sensorer - groove bryter ut styrelsen, GPS aktiverad Smart telefon Dev kit: hanterar sensordata fånga, schemaläggning av aktiviteter och driva data till molnet