Analyse de déplacements grâce
aux podomètres des smartphones
TIPE 2022/2023
12767 HALOUT Alexandre
Sommaire
I. Présentation des dispositifs
I. L’accéléromètre
II. Récolter les données
II. Cyclisme
I. Faisabilité
II. Solution : données GPS
III. Marche à pied
I. Objectifs et expériences
II. Traitement et analyse des données
• Synthèse
• Annexe : Python
12767 HALOUT Alexandre 2
Introduction
Prédominance de l'automobile Importance de la marche : Podomètre : mesure l’activité
limitant les déplacements. 10 000 pas recommandés. physique via le smartphone.
12767 HALOUT Alexandre 3
Introduction
• Problématiques
• Comment analyser les déplacements d’un individu grâce à son
smartphone ?
• Peut-on analyser d’autres activités physiques ?
12767 HALOUT Alexandre 4
I. Présentation des dispositifs
I. L’accéléromètre
II. Récolter les données
12767 HALOUT Alexandre 5
I. Présentation des dispositifs
I. L’accéléromètre
• Capteur mesurant l’accélération
• Diverses versions et usages courants
• On s’intéresse ici aux accéléromètres de type MEMS
12767 HALOUT Alexandre 6
I. Présentation des
dispositifs
I. L’accéléromètre : MEMS
• Condensateur plan avec une face mobile
reliée à une masse
• Déplacement de la partie mobile induit une
variation de capacité.
• La variation de la capacité est utilisée pour
déduire l'accélération subie par l'appareil.
12767 HALOUT Alexandre 7
I. Présentation des
dispositifs
II. Récolter les données
• Utilisation de PHYPHOX : accéder aux données des
capteurs du smartphone
• Accéléromètre, GPS, gyroscope, magnétomètre …
12767 HALOUT Alexandre 8
II. Cyclisme
• Objectifs initiaux :
▪ Fréquence de pédalage
▪ Vitesse / distance
▪ Puissance développée ?
12767 HALOUT Alexandre 9
II. Cyclisme
• Accéléromètre inapproprié :
• Signaux illisibles : en proie au bruit (aspérités de la route…)
➢Solution : utiliser le GPS de PHYPHOX
12767 HALOUT Alexandre 10
II. Cyclisme
• On obtient grâce au GPS:
▪ Le parcours
▪ La vitesse moyenne
▪ La distance parcourue
12767 HALOUT Alexandre 11
III. Marche à pied
I. Objectifs et expériences
II. Traitement et analyse des données
12767 HALOUT Alexandre 12
III. Marche à pied
I. Objectifs et expériences
Traiter le
Compter les
signal : gérer
pas
le bruit
12767 HALOUT Alexandre 13
III. Marche à pied
I. Objectifs et expériences
• Plusieurs marches pour adapter et tester nos
modèles
• Téléphone dans la main et dans la poche
• Echantillon de 70 pas
12767 HALOUT Alexandre 14
III. Marche à pied
70 pas
I. Objectifs et expériences
12767 HALOUT Alexandre 15
III. Marche à pied Zoom : échantillon de 11 pas
I. Objectifs et expériences
12767 HALOUT Alexandre 16
III. Marche à pied
I. Objectifs et expériences
• Remarques:
• Axe des z moins sujet au bruit, pics plus nets…
On isole l’axe des z pour le traitement
12767 HALOUT Alexandre 17
III. Marche à pied
II. Traitement et analyse
12767 HALOUT Alexandre 18
• Compter : Première méthode, usage d’un seuil
12767 HALOUT Alexandre 19
12767 HALOUT Alexandre 20
III. Marche à pied
II. Traitement et analyse
• Problèmes : faux pics à cause du bruit
• Seuil ne prend pas en compte tous les pas
Solution : Filtrer/ lisser le signal
12767 HALOUT Alexandre 21
12767 HALOUT Alexandre 22
• Choix du passe bas : signal « clair » sans bruit au voisinage des pics
12767 HALOUT Alexandre 23
12767 HALOUT Alexandre 24
III. Marche à pied
II. Traitement et analyse
• Inconvénient : seuil à adapter manuellement et précisément en fonction des signaux
• Impossible de traiter le bruit qui perturberait trop le signal pendant la marche
Solution proposée : Compter les pics
12767 HALOUT Alexandre 25
12767 HALOUT Alexandre 26
III. Marche à
pied
II. Traitement et analyse
• Seuil moins exigeant
• Définir une distance
minimale entre deux pics
pour contrer le bruit
• Peut marcher avec le signal
brut >< seuil
12767 HALOUT Alexandre 27
III. Marche à pied
II. Traitement et analyse
• Amélioration souhaitée : avoir un unique
seuil indépendamment des signaux
• Solution proposée : normaliser
• Ça ne suffit pas : un seuil unique renvoie
trop d’erreurs
12767 HALOUT Alexandre 28
III. Marche à pied
II. Traitement et analyse
• Remède : déterminer un seuil propre à chaque signal (filtré avec passe bas et normalisé)
• Valeur seuil empirique : 5/4*valeur_moyenne
✓ Fonctionne avec tous les signaux expérimentaux, même bruités
Exemple :
12767 HALOUT Alexandre 29
Bruit Bruit
20 pas
12767 HALOUT Alexandre 30
12767 HALOUT Alexandre 31
100 pas (poche)
III. Marche à pied
Erreur
II. Traitement et analyse Erreur
• Nouveau problème : erreurs
significatives avec les signaux
enregistrés dans la poche
➢ Solution : normaliser sur une
échelle commune et appliquer un
seuil empirique.
12767 HALOUT Alexandre 32
III. Marche à pied
II. Traitement et analyse
• Résultats finaux :
• Données : 19 enregistrements : 1203 pas
• % erreur moyen : 3,2 %
✓Sur une journée : 320 pas d’erreur : acceptable
12767 HALOUT Alexandre 33
• Synthèse : cyclisme et autres activités
Accéléromètre
Pas d’analyse possible
inapproprié :
Autres
capteurs plus GPS, altimètre, capteur de puissance, etc.
pertinents
12767 HALOUT Alexandre 34
12767 HALOUT Alexandre 35
• Annexe : Python
12767 HALOUT Alexandre 36
12767 HALOUT Alexandre 37
Lissage 1 : moyenne mobile
12767 HALOUT Alexandre 38
Lissage exponentiel
12767 HALOUT Alexandre 39
Passe bas
12767 HALOUT Alexandre 40
12767 HALOUT Alexandre 41
12767 HALOUT Alexandre 42
12767 HALOUT Alexandre 43
Cyclisme
12767 HALOUT Alexandre 44