Construa um Datalogger GPS com Análise Espacial no Azure IoT Hub

Componentes e Materiais

Componente	Quantidade	Observações
Arduino UNO	1	Datalogger GPS
Raspberry Pi 2 Model B	1	Gateway IoT (Windows 10 IoT Core)
Adafruit Ultimate GPS Breakout	1	Módulo GPS de alta sensibilidade
Conector 9V para Jack Barril	1
Bateria 9V	1	Alimentação portátil
Fotorresistor (LDR)	1	Sensor de luminosidade
LEDs (3 transparentes, 1 vermelho, 1 amarelo, 1 verde)	6	Status de fix GPS (HDOP)
Pushbutton 12mm	2	Registro de waypoint + função extra
Chave Deslizante (Slide Switch)	3	Seleção binária de tipo de feature (0-7)
Resistor 10k ohm	4	Pull-ups botões/chaves
Resistor 221 ohm	3	Limitadores de corrente LEDs
Protoboard Meia + Inteira	1 cada
Jumpers	1 kit
MicroSD 16GB + Adaptador	2	Armazenamento dados GPS

Plataformas e Serviços

• Microsoft Windows 10 IoT Core (Raspberry Pi 2)
• Microsoft Azure IoT Hub
• Arduino IDE
• Microsoft Visual Studio 2015 (UWP apps)
• Google Earth Professional (visualização GIS)
• QGIS (Quantum GIS) - Análise espacial interpolada
• Windows 10 Enterprise (desenvolvimento)

Sobre o Projeto

Projeto educacional em 3 etapas que ensina hardware open-source, computação móvel, tecnologias geoespaciais e cloud computing. Ideal para atividades em sala de aula ou makerspaces.

Etapa 1: Arduino GPS Datalogger

Dispositivo portátil que registra: Latitude, Longitude, Valor de Luminosidade, Tipo de Feature em CSV no cartão MicroSD.

Funcionamento dos Sensores

• GPS (Adafruit Ultimate): Fornece lat/long + HDOP (Horizontal Dilution of Precision). LEDs indicam qualidade: Vermelho = sem fix, Amarelo = fix HDOP > 1.5, Verde = fix HDOP ≤ 1.5.
• Fotorresistor: Leitura analógica 0-1023. Exemplos: sol pleno ~1000, sombra diurna ~900, sob poste noturno ~170.
• 3 Chaves Deslizantes (Binário): Codificam tipo de feature 0-7 (ex: 0=Leitura Luz, 1=Banco, 2=Rocha, 3=Lixeira, 4=Árvore, 5=Telefone, 6=Poste, 7=Bebedouro).
• Botão: Cada pressionamento grava uma linha CSV no arquivo datalog.csv.

Formato CSV

LATITUDE,LONGITUDE,LIGHT_VALUE,FEATURE_TYPE
40.77221,-73.97392,105,5
40.77139,-73.97394,60,1
40.77051,-73.97460,150,6

Por que LEDs em vez de LCD?

• Conflito de recursos: GPS + SD + LCD instabilizava o cartão SD no UNO (RAM limitada).
• Autonomia: Display LCD drenava a bateria 9V rapidamente.
• Solução: Arduino MEGA permitiria LCD, mas UNO + LEDs é mais didático e barato.

Etapa 2: Visualização e Análise GIS

Visualização no Google Earth Pro

1. Copie datalog.csv do MicroSD para PC.
2. Adicione cabeçalho: LATITUDE,LONGITUDE,LIGHT_VALUE,FEATURE_TYPE
3. Importe no Google Earth Pro (versão Pro obrigatória para importar CSV).
4. Estilize ícones por tipo de feature.

Análise Espacial no QGIS (Interpolação)

1. Carregue shapefiles de referência (limites, trilhas, infraestrutura).
2. Importe pontos CSV como camada vetorial, simbologia por valor de luz.
3. Execute interpolação (IDW, Kriging, etc.) nos pontos de luminosidade para estimar valores entre pontos conhecidos.
4. Resultado: mapa de calor contínuo identificando áreas bem/iluminadas.
5. Colete mais pontos → reexecute interpolação → mapa mais detalhado e preciso.

Conceito chave: Interpolação espacial permite inferir condições em áreas não amostradas, essencial para planejamento de iluminação pública, segurança, etc.

Etapa 3: Windows 10 IoT Core + Azure IoT Hub (Escalabilidade)

O datalogger Arduino é barato e simples, mas gerenciar milhares de dispositivos dispersos exige infraestrutura cloud.

Arquitetura de Escalonamento

1. Dispositivos de campo: Arduino GPS Dataloggers (ou sensores genéricos) gravam CSV local.
2. Gateway IoT: Raspberry Pi 2 com Windows 10 IoT Core lê CSV (via rede/compartilhamento) ou recebe dados via serial/Bluetooth.
3. UWP App Sender (IoTHubClientSendEvent): Monitora botão GPIO no Pi, lê arquivo data.csv local, serializa JSON, envia para Azure IoT Hub via HTTPS.
4. Azure IoT Hub: Recebe mensagens (máx 256KB), roteia para Event Hubs.
5. Console Receiver (IoTEventHubReceiver): Aplicação C# console no desktop assina Event Hub, desserializa JSON, salva arquivos CSV timestampados em c:\gps\download\.

Configuração Chave

• Device Explorer: Ferramenta Azure para gerenciar dispositivos, obter connection strings, monitorar mensagens.
• Deploy UWP no Pi: Visual Studio 2015 → Target ARM → Remote Machine (IP do Pi).
• Manifesto WebApp: manifest.json permite instalar como app standalone no Chrome Android.
• Arquivo de dados no Pi: Colocar data.csv na pasta do app via compartilhamento de rede (c$\Data\Users\DefaultAccount\AppxLayouts\<AppName>).

Fluxo de Mensagem

// Payload JSON enviado ao IoT Hub
{
  "id": "MakerChallengeDevice2",
  "data": "LAT,LNG,LT,TYP\n45.45926,-110.57361,45,6\n45.78546,-110.02487,156,3"
}

Extensões Futuras

• Outros sensores no Arduino (qualidade ar, ruído, umidade).
• Upload direto do Arduino via WiFi/Bluetooth/Cellular (ESP32, MKR NB 1500).
• Outras análises espaciais: clustering, hotspot analysis, network analysis.
• Webapp de mapa interativo (Leaflet, Mapbox, ArcGIS JS API).
• Azure Stream Analytics para processamento em tempo real (alertas, dashboards Power BI).

Recursos de Código

• Arduino GPS Datalogger (sketch + fritzing)
• UWP Sender para Azure IoT Hub
• Azure IoT Device Explorer
• Samples Windows 10 IoT Core