Die AirVisual Plattform zielt darauf ab, so viele verfügbare Informationen zur Luftqualität wie möglich an einem Ort zu zentralisieren und zu aggregieren, um einen umfassendsten Überblick über die globale Luftqualität zu bieten.

Zu den Datenquellen, die über die AirVisual Plattform gemeldet werden, gehören Sensordaten von staatlichen Überwachungsstationen (die typischerweise als hochpreisige "Referenzmonitore" gelten) sowie kostengünstige Sensoren wie öffentliche AirVisual Pro Stationen und PurpleAir-Sensoren.

Alle Daten, die über die AirVisual Plattform veröffentlicht werden, unterliegen einer Datenvalidierung, und dieser Prozess unterscheidet sich zwischen diesen beiden Quellen von Sensordaten.

Das Datenvalidierungssystem von AirVisual ist cloudbasiert und wird durch maschinelles Lernen gesteuert, und alle Messungen werden vor der Veröffentlichung auf unserer Plattform durch dieses System geleitet.

Regierungsnahe "Referenz"-Sensordaten

Obwohl hochpreisige staatliche Sensoren typischerweise als die genaueste und zuverlässigste Quelle für gemessene Luftqualitätsdaten gelten, melden diese Sensoren manchmal auch Anomalien oder ungenaue Daten. Gründe dafür können vorübergehende Wartungszeiten oder Defekte sein, oder sogar vorübergehende hyperlokale Emissionsquellen in der Nähe des Sensors.

Dementsprechend unterliegen alle staatlichen Sensordaten einem Datenvalidierungssystem vor der Veröffentlichung. Ein Beispiel für diese Validierung ist, dass das cloudbasierte System potenzielle Anomalien, die von einer Station gemeldet werden (beispielsweise ein plötzlicher hoher Anstieg von PM2.5 von 10 µg/m3 auf 100 µg/m3 von einer Stunde zur nächsten), erkennt und mit anderen nahegelegenen Messungen abgleicht, um zu überprüfen, ob ein solcher Anstieg repräsentativ oder eine Anomalie ist. Der Validierungsprozess überprüft auch historische Muster und andere Parameter wie Wetterbedingungen. Der Wert wird dann entsprechend veröffentlicht oder verworfen.

Kostengünstige Sensoren

Messungen von kostengünstigen Sensoren unterliegen ebenfalls einem Datenkalibrierungs- und Korrekturprozess zusätzlich zum oben beschriebenen Validierungsprozess, der anomale Messwerte identifiziert und ausschließt.

Das auf kostengünstige Sensoren angewandte System berücksichtigt nahegelegene Bedingungen wie Temperatur, Luftfeuchtigkeit, Zusammensetzung der Verschmutzung und wendet einen Datenkalibrierungsalgorithmus basierend auf Umweltbedingungen an. Zum Beispiel können bei hohen Luftfeuchtigkeitswerten kostengünstige Sensoren in manchen Fällen eine Überbewertung der PM2.5-Werte anzeigen. Ebenso beeinflusst die Zusammensetzung der Verschmutzung (verkehrsbedingte Verschmutzung, Sandstürme, kohlebasiere Verschmutzung usw.) die Messung stark, und die AirVisual Plattform nutzt Satellitenbilder, um die Zusammensetzung der Verschmutzung für den Kalibrierungsmechanismus zu bestimmen. Daher berücksichtigt dieser Kalibrierungs- und Korrekturalgorithmus lokale Luftfeuchtigkeitswerte und andere Umweltparameter zusätzlich zu regionalen historischen Mustern und passt die PM2.5-Messungen entsprechend an.

Der Anpassungsgrad wird von dem cloudbasierten System bestimmt, das auf künstlicher Intelligenz und maschinellem Lernen basiert. Durch die Aggregation von Milliarden globaler Luftqualitätsdatenpunkte über zahlreiche Jahre, von Referenzsensoren, AirVisual Sensoren, meteorologischen Daten und Verschmutzungszusammensetzung aus Satellitenbildern hat dieses System die komplexen historischen Zusammenhänge zwischen verschiedenen Luftqualitätsparametern in verschiedenen Teilen der Welt erlernt.

Da die Zusammensetzung von PM in verschiedenen Regionen der Welt stark variieren kann, ist es entscheidend, zwischen den Korrelationen von PM und Faktoren wie Luftfeuchtigkeit auf lokaler bzw. regionaler Ebene zu unterscheiden. Diese Korrelationen können je nach der unterschiedlichen lokalen Zusammensetzung von PM stark variieren und müssen daher bei lokalen Kalibrierungs- und Korrekturalgorithmen berücksichtigt werden.

EINEN FALL ERSTELLEN