Platform AirVisual bertujuan untuk memusatkan dan menggabungkan sebanyak mungkin informasi kualitas udara yang saat ini tersedia dalam satu tempat, guna menyediakan gambaran paling komprehensif tentang kualitas udara global.

Sumber data yang dilaporkan melalui platform AirVisual meliputi data sensor, dari stasiun pemantauan pemerintah (biasanya dianggap sebagai "monitor referensi" berbiaya tinggi), serta sensor berbiaya rendah seperti stasiun AirVisual Pro publik dan sensor PurpleAir.

Semua data yang dipublikasikan melalui platform AirVisual tunduk pada validasi data, dan proses ini berbeda antara kedua sumber data sensor tersebut.

Sistem validasi data AirVisual berbasis cloud dan didorong oleh pembelajaran mesin, dan semua pengukuran melewati sistem ini sebelum dipublikasikan ke platform kami.

Data sensor "referensi" pemerintah

Walaupun sensor pemerintah berbiaya tinggi biasanya dianggap sebagai sumber data kualitas udara yang paling akurat dan dapat diandalkan, terkadang sensor ini juga melaporkan anomali atau data yang tidak akurat. Alasan untuk ini bisa termasuk periode pemeliharaan sementara atau cacat, atau bahkan sumber emisi hiperlokal sementara yang berada dekat dengan sensor.

Oleh karena itu, semua data sensor pemerintah tunduk pada sistem validasi data sebelum dipublikasikan. Salah satu contoh validasi ini adalah sistem berbasis cloud mengidentifikasi potensi anomali yang dipublikasikan oleh sebuah stasiun (misalnya, lonjakan tinggi mendadak pada PM2.5 dari 10ug/m3 menjadi 100ug/m3 dari satu jam ke jam berikutnya), dan akan memeriksa silang dengan pengukuran lain yang berdekatan untuk memverifikasi apakah lonjakan tersebut representatif atau anomali. Proses validasi juga memeriksa silang terhadap pola historis dan parameter lain seperti kondisi cuaca. Nilai tersebut kemudian akan dipublikasikan atau diabaikan sesuai dengan hasilnya.

Sensor berbiaya rendah

Pengukuran dari sensor berbiaya rendah juga menjalani proses kalibrasi dan koreksi data, selain proses validasi yang dijelaskan di atas, yang akan mengidentifikasi dan mengabaikan pembacaan anomali.

Sistem yang diterapkan pada sensor berbiaya rendah mempertimbangkan kondisi sekitar seperti suhu, kelembapan, komposisi polusi dan menerapkan algoritma kalibrasi data berdasarkan kondisi lingkungan. Sebagai contoh, tingkat kelembapan yang tinggi dalam beberapa keadaan dapat menyebabkan sensor berbiaya rendah melaporkan tingkat PM2.5 secara berlebihan. Demikian pula, komposisi polusi (polusi yang dihasilkan transportasi, badai pasir, polusi berbasis batu bara, dll.) sangat memengaruhi pengukuran dan platform AirVisual menggunakan citra satelit untuk menentukan komposisi polusi yang digunakan dalam mekanisme kalibrasi. Oleh karena itu, algoritma kalibrasi & koreksi ini mempertimbangkan tingkat kelembapan lokal dan parameter lingkungan lainnya, selain pola historis regional, dan menyesuaikan pengukuran PM2.5 sesuai dengan itu.

Tingkat penyesuaian ditentukan oleh sistem berbasis cloud yang dibangun dengan kecerdasan buatan & pembelajaran mesin. Dengan mengumpulkan miliaran titik data kualitas udara global selama bertahun-tahun, dari sensor referensi, sensor AirVisual, data meteorologi, dan komposisi polusi dari citra satelit, sistem ini telah mempelajari hubungan historis kompleks antara berbagai parameter kualitas udara di berbagai bagian dunia.

Karena komposisi PM dapat sangat bervariasi antara berbagai wilayah di dunia, sangat penting untuk membedakan antara korelasi PM dan faktor-faktor seperti kelembapan pada tingkat lokal / regional. Korelasi ini dapat sangat bervariasi tergantung pada komposisi PM lokal yang berbeda, dan oleh karena itu harus diperhitungkan untuk kalibrasi dan algoritma koreksi lokal.

BUAT KASUS