Η παρούσα Διπλωματική Εργασία ασχολείται με τις δυνατότητες που μπορεί να προσφέρει η σημερινή τεχνολογία Wi-Fi για την παρακολούθηση και καταγραφή της Αστικής Ροής.  Οι λαμβανόμενες πληροφορίες είναι σημαντικές για την αποτελεσματικότερη αντιμετώπιση και ρύθμιση της Αστικής Κίνησης ή την γενικότερα την Παροχή Υπηρεσιών προς τους πολίτες με την ανάπτυξη των λεγόμενων  Έξυπνων Πόλεων.

 Πιο συγκεκριμένα η Πτυχιακή ασχολείται με την αξιοποίηση του Raspberry Pi 5 σε ρόλο ‘Wi-Fi sniffer’. Παρουσιάζεται εν συντομία η θεωρία της τεχνολογίας Wi-Fi καθώς και οι δυνατότητές της, ορισμένες Περιπτώσεις Χρήσης της καθώς και Πρακτική Εφαρμογή. Γίνεται παρουσίαση του εξοπλισμού και λογισμικού εγκατάστασης του Raspberry Pi 5, η χρήση του ως ‘Wi-Fi sniffer’ καθώς και ανάπτυξη κάποιων πρακτικών εφαρμογών στις οποίες μεταξύ των άλλων γίνεται μία εισαγωγή στους αλγόριθμους Μηχανικής μάθησης και στο ρόλο που παίζουν στην ανάπτυξη και ολοκλήρωση των εφαρμογών. Αναλύεται η διαδικασία συλλογής, επεξεργασίας και ερμηνείας των δεδομένων, καθώς και η σημασία της σωστής παραμετροποίησης  για την επίτευξη ακριβών και αξιοποιήσιμων αποτελεσμάτων. Πιστεύω ότι μέσα από τα παραδείγματα της Πρακτικής Εφαρμογής τόσο ο συγγράφων όσο και  ο αναγνώστης μπορούν να αντιληφθούν σε μεγάλο βαθμό τις δυνατότητες που προσφέρει η νέα Τεχνολογία, τον τρόπο διαχείρισής της και να προχωρήσουν στην υλοποίηση ακόμη πιο περίπλοκων εφαρμογών οι οποίες μπορούν να βοηθήσουν στην επίλυση και αντιμετώπιση καθημερινών προβλημάτων, όπως είναι για παράδειγμα η αποτελεσματική διαχείριση της Κίνησης Κυκλοφορίας ή η εξαγωγή στατιστικών μελετών. Η τεχνολογία αυτή μπορεί να αποτελέσει βασικό εργαλείο για τον σχεδιασμό βιώσιμων και ευφυών αστικών περιβαλλόντων.

 This Thesis focuses on the capabilities that modern Wi-Fi technology can offer for monitoring and recording Urban Flow. The information obtained is important for more effective management and regulation of Urban Traffic, or more generally, for the provision of services to citizens through the development of the so-called Smart Cities. More specifically, the Thesis explores the utilization of the Raspberry Pi 5 in the role of a ‘Wi-Fi sniffer’. The theory behind Wi-Fi technology is briefly presented, along with its capabilities, selected Use Cases, and finally a Practical Implementation. The equipment and software setup of the Raspberry Pi 5 are presented, as well as its operation as a ‘Wi-Fi sniffer’.
 Among other things, the work includes an introduction to Machine Learning algorithms and the important role that they can play in the development and completion of these applications.
 The process of data collection, processing, and interpretation is analyzed, as well as the importance of proper system configuration for achieving more accurate and actionable results.
It is believed that, through the Practical Application examples, both the author and the reader can gain a substantial understanding of the potential offered by this new technology, the ways it can be managed, and how to proceed with the implementation of even more complex applications. These applications can help address and solve everyday problems, such as efficient Traffic Management or the extraction of statistical studies. This technology can serve as a fundamental tool for designing sustainable and intelligent urban environments.