Платформа AirVisual стремится централизовать и агрегировать как можно больше информации о качестве воздуха, доступной на данный момент в одном месте, чтобы предоставить наиболее полное представление о глобальном качестве воздуха.

Источники данных, которые передаются через платформу AirVisual, включают данные с датчиков, поступающие с государственных мониторинговых станций (обычно считающихся высокозатратными «эталонными мониторами»), а также с недорогих датчиков, таких как общественные станции AirVisual Pro и датчики PurpleAir.

Все данные, публикуемые через платформу AirVisual, проходят проверку качества данных, и этот процесс различается для этих двух источников данных с датчиков.

Система проверки данных AirVisual основана на облачных технологиях и управляется машинным обучением, все измерения проходят через эту систему перед публикацией на нашей платформе.

Данные государственных «эталонных» датчиков

Хотя высокозатратные государственные датчики обычно считаются наиболее точным и надежным источником измеренных данных о качестве воздуха, иногда эти датчики также могут сообщать аномалии или неточные данные. Причинами этого могут быть временные периоды технического обслуживания или неисправности, а также временные гиперлокальные источники выбросов рядом с датчиком.

Соответственно, все данные государственных датчиков проходят систему проверки данных перед публикацией. Одним из примеров такой проверки является то, что облачная система выявляет любые потенциальные аномалии, опубликованные станцией (например, внезапный резкий скачок PM2.5 с 10 мкг/м3 до 100 мкг/м3 за один час), и сверяет их с другими близлежащими измерениями, чтобы проверить, является ли такой скачок репрезентативным или аномалией. Процесс проверки также сверяет данные с историческими паттернами и другими параметрами, такими как погодные условия. Значение затем публикуется или отклоняется соответственно.

Недорогие датчики

Измерения с недорогих датчиков также подвергаются процессу калибровки и коррекции данных, помимо описанного выше процесса проверки, который выявляет и исключает аномальные показания.

Система, применяемая к недорогим датчикам, учитывает близлежащие условия, такие как температура, влажность, состав загрязнений, и применяет алгоритм калибровки данных, основанный на экологических условиях. Например, высокий уровень влажности в некоторых случаях может приводить к завышению показаний PM2.5 недорогими датчиками. Аналогично, состав загрязнений (загрязнение, вызванное транспортом, песчаные бури, угольное загрязнение и т. д.) значительно влияет на измерения, и платформа AirVisual использует спутниковые изображения для определения состава загрязнений, применяемого в механизме калибровки. Таким образом, этот алгоритм калибровки и коррекции учитывает местный уровень влажности и другие экологические параметры, а также региональные исторические паттерны и соответственно корректирует измерения PM2.5.

Уровень корректировки определяется облачной системой, построенной на искусственном интеллекте и машинном обучении. Собирая миллиарды глобальных данных о качестве воздуха за многие годы с эталонных датчиков, датчиков AirVisual, метеорологических данных и состава загрязнений со спутниковых изображений, эта система изучила сложные исторические взаимосвязи между различными параметрами качества воздуха в разных частях мира.

Поскольку состав твердых частиц (PM) может значительно различаться в разных регионах мира, крайне важно различать корреляции между PM и такими факторами, как влажность, на местном или региональном уровне. Эти корреляции могут сильно варьироваться в зависимости от различных локальных составов PM и, следовательно, должны учитываться при разработке локальных алгоритмов калибровки и коррекции.

СОЗДАТЬ ДЕЛО