Mit Public Sensing können große Gebiete unserer Umgebung durch mobile Sensoren in Smartphones, die sich mit ihren Besitzern bewegen, abgedeckt werden. Dadurch wird es möglich, Daten über unser Umfeld, wie zum Beispiel die Heimatstadt, zu sammeln, ohne dass aufwendige Sensornetze installiert werden müssen. Die Daten können durch Lokalisierungsdienste wie GPS dabei direkt mit einer Position verknüpft werden.

Ein großer Nachteil ist, dass durch die ständige Verwendung von Sensoren und GPS die Akkus der Smartphones sehr schnell zur Neige gehen. Ein weiteres Problem ist, dass wegen der unkontrollierbaren Mobilität der Smartphones durch ihre Besitzer nie sichergestellt werden kann, dass bestimmte Bereiche durch Sensoraufnahmen abgedeckt sind.

Modellbasierte Erfassungsmethoden versuchen diesen beiden Punkten entgegenzuwirken, indem fehlende Daten berechnet werden und die Anzahl benötigter Messwerte sogar aktiv eingeschränkt wird. Ziel dieser Arbeit ist es, diese modellbasierten Erfassungsmethoden in ein Realwelt-Testbett für Public-Sensing-Systeme zu integrieren, damit sie in einer realen Umgebung validiert werden können.

Um die modellbasierten Erfassungsmethoden im kleinen Rahmen vorführen zu können, wird außerdem das Testbett so erweitert, dass es optional verkleinert auf einem Tisch ausgeführt werden kann.