Development of a mobile crowdsourcing platform for urban accessibility information filtering

Disability is a major factor of social exclusion throughout the world. Over 1 billion people, approximately 15% of the world’s population, presents some form of physical disability or mobility impairments. The built environments in which we live should accommodate people with disabilities in order to be inclusive. But, due to physical obstacles and barriers, the number of people with disabilities who can move without help is quite low in the urban spaces; this indicates the extent to which disabled people’s participation in urban and social life is low. Maps for Easy Paths (MEP) Polisocial project developed by Polytechnic of Milan, aims at defining and developing a set of tools for the enrichment of cartographic maps with accessibility information regarding the pedestrian routes usually adopted by users affected by mobility impairments. The MEP project provides the chance of enriching maps with obstacles reports directly received from users using their mobile devices. The research work presented in this thesis aims at solving the problem of visualizing reports without any control by developing a system able to elaborates and filters these reports.This thesis proposes the development of a crowdsourcing platform that involves registered crowdworkers, asking simple questions about the reports’ attached photos. The proposed solution includes the development of a new mobile application, called MEP Crowd, that will allow crowdworkers to visualize, elaborate and answer the tasks received by the engine. A service platform, called MEP Crowd Engine, will manage all the report evaluation process phases exploiting the answers obtained from crowdworkers. The system, in case more than one report of the same obstacle type exists in the same area, will merge all reports in order to create a more comprehensible map to final users. In this thesis interesting results are obtained showing that, due to the task’s nature and the obtained high agreement rate between crowdworkers, crowdsourcing is a valid approach for solving this problem.

La disabilità è il principale fattore di esclusione in tutto il mondo. Oltre un miliardo di persone, circa il 15% della popolazione mondiale, presenta una qualche forma di disabilità fisica o menomazione motoria. Gli ambienti costruiti in cui viviamo dovrebbero agevolare l’autonomia delle persone con disabilità in modo da essere inclusivi. Ma, a causa di ostacoli o barriere architettoniche, il numero di persone con disabilità che può muoversi negli spazi urbani senza aiuto è abbastanza ridotto; ciò indica in modo significativo che la partecipazione delle persone disabili alla vita urbana e sociale è molto bassa. Questo lavoro di tesi, in quanto parte del progetto Polisocial Maps for Easy Paths (MEP), ha come obiettivo finale quello di definire e sviluppare un insieme di strumenti per l’arricchimento di mappe cartografiche contenenti informazioni sull’accessibilità dei percorsi pedonali urbani abitualmente utilizzati da utenti affetti da disabilità motorie. Il progetto MEP prevede la possibilità di arricchire le mappe geografiche con segnalazioni di ostacoli e barriere architettoniche ricevute direttamente dagli utenti utilizzando i propri smartphones. Il lavoro di ricerca, descritto in questo lavoro di tesi, mira alla risoluzione del problema della visualizzazione delle segnalazioni senza nessun tipo di controllo, sviluppando un sistema capace di elaborare e filtrare queste segnalazioni in modo eliminare eventuali immagini inutili o fuorvianti. Questa tesi propone lo sviluppo di una piattaforma di crowdsourcing che coinvolga gli utenti già registrati a MEP, ponendo semplici domande riguardanti le fotografie relative alle segnalazioni ricevute. La piattaforma, chiamata MEP Crowd Engine, si occuperà di gestire le varie fasi del processo di filtraggio delle segnalazioni sfruttando le risposte ottenute dai cosiddetti crowdworkers. La soluzione proposta prevede lo sviluppo di una nuova applicazione mobile, denominata MEP Crowd, che permetterà agli utenti di visualizzare, elaborare e rispondere ai task sottoposti dalla piattaforma. Una volta terminato il processo di validazione delle segnalazioni, il sistema, nel caso in cui esistano più segnalazioni nella stessa zona, effettuerà una fusione di esse in modo da creare una mappa più comprensibile per gli utenti finali. In questa tesi sono stati ottenuti risultati interessanti che, data la natura dei task e il livello di concordanza tra crowdworkers, dimostrano che il crowdsorucing è l’approccio corretto per la risoluzione del problema.