تهدف منصة AirVisual إلى مركزية وتجميع أكبر قدر ممكن من معلومات جودة الهواء المتاحة حالياً في مكان واحد، من أجل توفير نظرة شاملة على جودة الهواء العالمية.

تشمل مصادر البيانات التي يتم الإبلاغ عنها من خلال منصة AirVisual بيانات الحساسات، من محطات المراقبة الحكومية (التي تُعتبر عادةً "مراقبات مرجعية" عالية التكلفة)، بالإضافة إلى الحساسات منخفضة التكلفة مثل محطات AirVisual Pro العامة وأجهزة PurpleAir.

جميع البيانات التي تُنشر عبر منصة AirVisual تخضع لعملية التحقق من صحة البيانات، وتختلف هذه العملية بين هذين المصدرين لبيانات الحساسات.

نظام التحقق من صحة البيانات في AirVisual قائم على السحابة ويعتمد على التعلم الآلي، ويتم تمرير جميع القياسات من خلال هذا النظام قبل النشر على منصتنا.

بيانات الحساسات الحكومية "المرجعية"

على الرغم من أن الحساسات الحكومية عالية التكلفة تُعتبر عادةً المصدر الأكثر دقة وموثوقية لبيانات جودة الهواء المقاسة، إلا أن هذه الحساسات قد تُبلغ أحيانًا عن شذوذات أو بيانات غير دقيقة. قد تكون الأسباب في ذلك فترات صيانة مؤقتة أو عيوب، أو حتى مصادر انبعاثات محلية مؤقتة بالقرب من الحساس.

بناءً عليه، تخضع جميع بيانات الحساسات الحكومية لعملية تحقق من صحة البيانات قبل النشر. أحد أمثلة هذا التحقق هو أن النظام القائم على السحابة يحدد أي شذوذ محتمل يُنشر من قبل محطة (على سبيل المثال، ارتفاع مفاجئ في PM2.5 من 10 ميكروغرام/م3 إلى 100 ميكروغرام/م3 من ساعة لأخرى)، وسيقوم بمقارنة هذه البيانات مع قياسات أخرى قريبة للتحقق مما إذا كان هذا الارتفاع ممثلاً أم شذوذًا. كما تتحقق عملية التحقق أيضًا من الأنماط التاريخية ومعايير أخرى مثل حالة الطقس. ثم يتم نشر القيمة أو استبعادها وفقًا لذلك.

الحساسات منخفضة التكلفة

تخضع القياسات من الحساسات منخفضة التكلفة أيضًا لعملية معايرة وتصحيح البيانات، بالإضافة إلى عملية التحقق الموضحة أعلاه، والتي تقوم بتحديد واستبعاد القراءات الشاذة.

يأخذ النظام المطبق على الحساسات منخفضة التكلفة في الاعتبار الظروف المحيطة مثل درجة الحرارة والرطوبة وتركيب التلوث ويطبق خوارزمية معايرة بيانات بناءً على الظروف البيئية. على سبيل المثال، قد تؤدي مستويات الرطوبة العالية في بعض الظروف إلى إبلاغ الحساسات منخفضة التكلفة بمستويات مرتفعة من PM2.5 بشكل مبالغ فيه. وبالمثل، يؤثر تركيب التلوث (التلوث الناتج عن النقل، العواصف الرملية، التلوث القائم على الفحم، إلخ) بشكل كبير على القياس، وتستخدم منصة AirVisual صور الأقمار الصناعية لتحديد تركيب التلوث المستخدم في آلية المعايرة. لذلك، تأخذ خوارزمية المعايرة والتصحيح هذه في الاعتبار مستويات الرطوبة المحلية ومعايير بيئية أخرى، بالإضافة إلى الأنماط التاريخية الإقليمية، وتعدل قياسات PM2.5 وفقًا لذلك.

يتم تحديد مستوى التعديل بواسطة النظام القائم على السحابة المبني على الذكاء الاصطناعي والتعلم الآلي. من خلال تجميع مليارات نقاط بيانات جودة الهواء العالمية على مدى سنوات عديدة، من الحساسات المرجعية، وحساسات AirVisual، وبيانات الأرصاد الجوية، وتركيب التلوث من صور الأقمار الصناعية، تعلم هذا النظام العلاقات التاريخية المعقدة بين معلمات جودة الهواء المختلفة في مناطق مختلفة من العالم.

نظرًا لأن تركيبة الجسيمات المعلقة يمكن أن تختلف بشكل كبير بين مناطق مختلفة من العالم، فمن الضروري التمييز بين العلاقات بين الجسيمات المعلقة وعوامل مثل الرطوبة على المستوى المحلي / الإقليمي. يمكن أن تختلف هذه العلاقات بشكل كبير اعتمادًا على التركيبات المحلية المختلفة للجسيمات المعلقة، وبالتالي يجب أخذها في الاعتبار لخوارزميات المعايرة والتصحيح المحلية.

إنشاء حالة