Hosted by OSOS , contributed by johnniepap on 31 May 2019
Η Ελλάδα έχει 5 πόλεις στη λίστα με τις πιο θορυβώδεις πόλεις της Ευρώπης: Αθήνα, Θεσσαλονίκη, Πάτρα, Ηράκλειο και Λαμία. Στην Αθήνα το 60% του πληθυσμού εκτίθεται ημερησίως κατά μέσο όρο σε ήχους άνω των 75dcb που είναι το όριο της “θορυβώδους κατάστασης”.
Από όσο γνωρίζουμε στην πόλη της Καρδίτσας μέχρι σήμερα δεν έχει γίνει κάποια συστηματική μέτρηση και ανάλυση της ηχορρύπανσης. Η ομάδα μοιράστηκε τον προβληματισμό της με τον Δήμαρχο της πόλης και αυτός δέχτηκε να τοποθετήσει στο κέντρο της πόλης τη συσκευή που κατασκευάσαμε.
Se sentir
Η ηχορρύπανση είναι βλαβερός παράγοντας για την υγεία μας. Επίπεδα τα οποία είναι υπερβολικά για το αυτί μπορούν να προκαλέσουν άγχος, στρες, πονοκεφάλους, προβλήματα ακοής, αυξημένη πίεση, διαταραχές ύπνου, μειωμένη απόδοση στην εργασία, κακή διάθεση, ταχυπαλμίες, δυσκολία συγκέντρωσης, απώλεια μνήμης, και άλλες πολλές ψυχοσωματικές ασθένειες. Από όσο γνωρίζουμε στην πόλη της Καρδίτσα μέχρι σήμερα δεν έχει γίνει κάποια συστηματική μέτρηση και ανάλυση της ηχορρύπανσης. Εδώ θα πρέπει να εξαιρέσουμε τη δουλειά της Ελληνικής Αστυνομίας με τη μέτρηση της ηχορρύπανσης στα νυχτερινά κέντρα.
Imaginer

Φανταστήκαμε ένα μετρητή θορύβου που θα συλλέγει δεδομένα και μέσω wifi θα τα ανεβάζει σε έναν ιστότοπο. Τα δεδομένα θα είναι διαθέσιμα στη Δημοτική Αρχή να τα αναλύσει και να λάβει όποια μέτρα χρειάζεται για να αντιμετωπίσει το πρόβλημα. Επίσης, τα αποτελέσματα της επεξεργασίας θα είναι διαθέσιμα σε όποιον τα ζητήσει μιας και οραματιζόμαστε μία ανοιχτή κοινωνία που οι πολίτες μπορούν να έχουν πρόσβαση σε όλα τα δεδομένα.
Créer

Χρησιμοποιήσαμε ένα ESP 8266, ένα breadboard, καλώδια και ένα Sparkfun Sound Detector. Μέσω WiFi τα δεδομένα μεταφέρονται στη Διαδικτυακή Πλατφόρμα του ThinSpeak, όπου και είναι προσβάσιμα στη Δημοτική Αρχή ή σε όποιον θέλει να τα χρησιμοποιήσει.

Το μεγαλύτερο πρόβλημα που είχαμε ήταν ο όγκος δεδομένων. Για να πετύχουμε τον ποιο δυνατό ήχο θα έπρεπε να είχαμε καταγραφή σε πραγματικό χρόνο 24/7. Αυτό μας δημιουργούσε τεράστιο όγκο δεδομένων. Πώς θα μπορούσαμε να καταγράψουμε τον πιο δυνατό ήχο και να τον στείλουμε στην πλατφόρμα χωρίς να στείλουμε τον τεράστιο όγκο δεδομένων; Η μνήμης του αισθητήρα μας έδωσε τη λύση και με την βοήθεια του προγραμματισμού ο αισθητήρας επιλέγει την μεγαλύτερη τιμή κάθε 15sec και την αποστέλλει στην πλατφόρμα.
Και αν θέλετε και εσείς να πειραματιστείτε, τα υλικά που χρησιμοποιήσαμε είναι τα παρακάτω:
nodemcu-lua-based-esp8266
Sparkun sound-detector
usb-2.0-a-usb-b-micro
power-supply-5v-2a-usb
στεγανό κουτί
Wire jumper καλώδια
breadboard
//O Κώδικας
const unsigned int numReadings = 60;
unsigned int analogVals[numReadings];
unsigned int i = 0;
void setup()
{
Serial.begin(115200);
}
void loop()
{
int maxValue = analogVals[0];
static uint32_t tStart = millis(); // ms; start time
const uint32_t DESIRED_PERIOD = 125; // ms
uint32_t tNow = millis(); // ms; time now
if (tNow - tStart >= DESIRED_PERIOD)
{
tStart += DESIRED_PERIOD; // update start time to ensure consistent and near-exact period
Serial.print("taking sample AnalogRead(A0)=");
Serial.println(analogRead(A0));
analogVals[i] = analogRead(A0);
i++;
for (byte i = 1; i < 60; ++i)
{
if (analogVals[i] > maxValue)
{
maxValue = analogVals[i];
}
}
if (i >= numReadings)
{
Serial.println(maxValue);
if (maxValue >= 300)
Serial.println("Bigger than 300");
i = 0; //reset to beginning of array, so you don't try to save readings outside of the bounds of the array
}
}
}
