[ANGLÈS] In our project we have designed an Android application to obtain mobility data of the citizens in the metropolitan area of Barcelona. Our implementation synchronously obtains in background on the one hand, periodic location updates and, on the other hand, the type of activity citizens are doing. At the end of the day, all this data is processed and sent to a server where are stored to obtain mobility patterns from citizens that could help to improve the current transportation infrastructure. MobilitApp is fully functional and stable although the results can be improved in some situations. In future releases we will implement machine learning techniques to obtain significant improvements, especially in the activity recognition modules.[CASTELLÀ] En nuestro proyecto hemos diseñado una aplicación para Android llamada MobilitApp con el objetivo de obtener datos de movilidad de los ciudadanos del Área Metropolitana de Barcelona (AMB). La recogida de los datos se realiza totalmente en segundo plano y se obtienen mediante localizaciones periódicas y la obtención del tipo de activad que realiza el usuario de manera síncrona. Al final del día, los datos son procesados y finalmente son enviados al servidor donde se almacenarán en archivos para posteriormente poder extraer patrones de movilidad que puedan ayudar a mejorar las actuales infraestructuras de transporte. La aplicación es totalmente estable y funcional a pesar de que los resultados obtenidos son mejorables en algunos casos. En futuras versiones de la aplicación se redefinirán los algoritmos utilizando Machine Learning. De esta manera, y mediante el entreno de los datos, obtendremos una mejora notable en los resultados.[CATALÀ] En el nostre projecte hem dissenyat una aplicació per Android anomenada MobilitApp amb l’objectiu d’obtenir dades de mobilitat dels ciutadans de l’Àrea Metropolitana de Barcelona (AMB). La recollida de dades es realitza totalment en segon pla i s’obtenen, per una banda amb localitzacions periòdiques de l’usuari i, per l’altra, obtenint el tipus d’activitat que l’usuari està realitzant, de manera síncrona. Al final del dia, les dades són processades i finalment són enviades al servidor on s’emmagatzemaran en arxius per tal d’extreure’n posteriorment patrons de mobilitat que puguin ajudar a millorar les actuals infraestructures de transport. L’aplicació és totalment estable i funcional tot i que la fiabilitat dels resultats obtinguts és millorable en alguns casos. En futures versions de l’aplicació es redefiniran els algoritmes utilitzant Machine Learning. D’aquesta manera, i mitjançant l’entrenament de dades, obtindrem una millora notable en els resultats.

Es dissenyaran i implementaran serveis Android relacionats amb les .ciutats intel-ligents.