Capteur mobile Luftdaten
Le but de ce projet est de rendre mobile un capteur d'air Luftdaten (https://luftdaten.info/fr/accueil/ et guide Wiki-Rennes) pour pouvoir l'embarquer, par exemple sur un vélo, afin de contribuer à un écosystème autour de la qualité de l'air, avec un capteur fixe et un serveur domestique.
Projet dans le cadre du hackathon #velonum #Rennes http://hackathon-velo-et-numerique-rennes.mystrikingly.com/ à Rennes du 7 au 9 février 2020.
Organizations using or interested in using the resource: Collectivité Territoire
Contributor(s): VIGNERON, Rchfdr
Tags: capteur, air quality, pollution, Qualité de l'air
Categories: Données, Matériel
Theme: Open HardWare, Vélo et Mobilités Actives, Données ouvertes, Urbanisme et ville
Referent:
Key people to solicit:
Other related common: Arduino PM10 Level
Wealth sought:
Required skills:
Community of interest: Communauté de l'Open Hardware
License: CERN Open Hardware Licence
Terms of Service (TOS):
Level of development: Disponible mais non validé
Link to my actions board:
Link to my cloud, wiki, drive…:
Needs:
Next step:
Documentation of the experimentations:
Other informations
List of the actors using or willing of using this common: aucun pour le moment
List of the workshop reports related to this common:
Les ressources utilisées :[edit | edit source]
Matériel utilisé[edit | edit source]
Pour l'équipement Luftdaten Mobile[edit | edit source]
- NodeMCU
- SDS011 (capteur de PM : PM10 PM2,5 ; particules fines en suspension dans l'air, inférieur à respectivement 10 micromètres et 2,5 micromètres)
- DHT11 (capteur de température et d'humidité)
- NEO M6 (GPS)
(Le capteur Air Beam a été regardé mais pas intégré, notamment à cause des contraintes de smartphone et de connexion)
Pour le capteur fixe[edit | edit source]
- SDS011 (Capteur de PM)
- DHT11 (Capteur de température et humidité)
Pour le serveur[edit | edit source]
- Raspberry Pi, 3 B+
- Écran
On n'a finalement utilisé qu'un seul Raspberry.
Et aussi[edit | edit source]
- De l'impression 3D pour le boîtier,
- Du café, du thé, de la bonne humeur
Logiciels utilisés[edit | edit source]
Pour le serveur[edit | edit source]
- connexion directe
Les ressources utilisées :[edit | edit source]
Wiki-Rennes : http://www.wiki-rennes.fr/Monter_son_capteur_Luftdaten
Luftdaten.info : https://luftdaten.info/fr/montage-detecteur-de-particules-fines/
Le Github du projet AirRohr : https://github.com/opendata-stuttgart/sensors-software/blob/master/airrohr-firmware/Readme.md
Bibliothèque Python :
- https://github.com/ikalchev/py-sds011 pour le capteur de particules
- https://github.com/adafruit/Adafruit_Python_DHT pour la sonde de température/humiditié
Le projet :[edit | edit source]
En associant, un capteur mobile, un capteur fixe extérieur et un capteur fixe intérieur, le but du projet est de créer un écosystème personnel de qualité de l'air, avec une visualisation au travers d'un écran diffusant un Grafana.
Le but du projet a été de créer un capteur de qualité de l'air "Luftdaten Mobile", en associant un Luftdaten au GPS NEO M6, directement prévu par le code du projet Luftdaten, permettant de mesure la pollution en particule fine des cyclistes. En remontant les informations au travers d'un serveur grafana, la donnée produite permet d'être visualisée facilement
Le capteur mobile Luftdaten :[edit | edit source]
En assemblant le capteur Lufdaten et un capteur GPS MEO M6, nous souhaitions créer un capteur mobile de la qualité de l'air.
Le branchement des équipements se fait comme suivant le schéma ci-contre.
Le Capteur NEO M6 se connecte au capteur Luftdaten comme suivant :
VCC et GND peuvent être fournis par le NodeMCU (avec le 3.3v!)
Note: Les connexions Serial sont toujours croisées (RX d'un côté est connexté au TX de l'autre côté)
TX du Neo -> Pin D5 (RX)
RX du Neo -> Pin D6 (TX)
Le serveur Grafana :[edit | edit source]
Les problèmes rencontrés :[edit | edit source]
Le NEO M6 :[edit | edit source]
Nous n'avons pas réussi à calibrer le NEO M6, le capteur restant sur ses valeurs d'usine par défaut (GPS_lat=-200.000000,GPS_lon=-200.000000, GPS_height=-1000.00, GPS_date=, GPS_time=,).
Une calibration du capteur à l'extérieur sur une durée longue (plus de 10 minutes) permettrait de résoudre ce problème.
Le WiFi :[edit | edit source]
Le WiFi a posé problème durant le hackathon pour la connexion entre les capteurs et le serveur InfluxDB.
La mise en place d'un hotspot WiFi personnel a permis de résoudre ce problème.
Merci aux participants[edit | edit source]
Nicolas, Romain, Pierre, Marjolaine, Simon, Antoine.
Français
English
Italiano
