Intelligentes Parksystem für die Metros
Projektübersicht:
Wir schlagen vor, ein System zu bauen, die Menschen zu finden Stellplätze um ihre aktuelle Umgebung und Anaytics von gesammelten Daten ermöglicht.
Andriod App: Lässt Sie wissen den nächstgelegenen Parkplatz in der Stadt, basierend auf Ihrer aktuellen GPS-Koordinaten
Back-End: Daten entspricht einer Parklücke (frei oder nicht) ist mit Hilfe von Sensoren und zu analysieren, Cloud und Intel Analytics-Plattform geschoben. Parse-Cloud die erforderlichen APIs für die Android-App zur Verfügung gestellt und Analysen erfolgt mit der Intel-Plattform Beschreibung
USPs
1. Holen Sie sich Echtzeit-Daten am nächstgelegenen Parkplatz-Verfügbarkeit.
2. Holen Sie sich ein Bild von auf welchen Boden und Slot, der Raum verfügbar in absoluten Zahlen der ist, kostenlose Parkplätze sowie. Entscheidungsfindung für den Benutzer ermöglicht.
3. Navigieren Sie zu Ihrem nächstgelegenen Parkplatz mithilfe von Google Maps.
4. verwenden Sie Analytics erhalten ein dynamisches Preismodell für Parkplatz - Korrelation zwischen Parkplatz Gebühr und Peak-Stunden und Geld verdienen die app durch die Einführung der Reservierungs-System für das Parken über App.
Zielgruppe : allgemeine Öffentlichkeit in u-Bahn-Städte (mit smart-Phones) verfügbare Markt - große Umfang seit einer großen Population von eigenen Smartphones u-Bahnen und Autos.
Technische Aspekte:
Bereich "Hardware": Lichtsensoren (Substitution Magnetsensoren) erfassen die Daten (ob das Auto vorhanden ist oder nicht) und Datenfeed Galileo Dev Board. Vorgänge werden planmäßig auf Galileo das Sammeln von Daten in regelmäßigen Abständen der Zeit und schieben Sie die Sensor-Daten in die cloud (mit analysieren Cloud Python APIs)
Cloud-Abschnitt: Parse.com bietet Python-APIs, mit denen Daten in der Cloud zu schieben und Android-APIs, die verwendet werden, um Daten aus der Cloud zu ziehen.
Android App-Bereich: Zeigt den nächsten Parkplatz mit aktuellen GPS-Koordinaten, bietet auch die Option zur Navigation auf den Parkplatz mit Google-Maps-APIs
Bedeutung von Cloud-Konnektivität: Cloud ist die Quelle für alle End-Anwendungen - unsere Android-app nutzt Cloud-Daten für Endbenutzer zu füttern. Analysen, z. B. von welchem Bereich erzeugt maximale Parkplatz anfordert, Berechnung der verkehrsreichsten Stunden des Tages, etc. erreicht werden kann. Daher Wolke bildet das Herzstück unseres Projektes.
Sensor-Nutzung: Lichtsensoren (LDR), verwendet in schieren Menge wirft Herausforderungen der Terminplanung und Umgang mit verteilten Sensoren. Software-Komponenten: Eclipse IDE für die Erfassung von Sensordaten (C-Programmierung/Mraa), Python für den Druck von Daten von Galileo in die cloud, Android app-Entwicklung (Java) mit Eclipse IDE. Hardware-Komponenten: Lichtsensoren - Nut Breakout-Board, GPS-fähige Smart Phone Dev Kit: Griffe Sensordaten erfassen, Planung der Aufgaben und Daten in die cloud
