AirVisual 平台旨在集中並彙整目前所有可用的空氣品質資訊於一處，以提供最全面的全球空氣品質概況。

透過 AirVisual 平台報告的資料來源包括感測器數據，來自政府監測站（通常被視為高成本的「參考監測器」），以及低成本感測器，如公共 AirVisual Pro 站和 PurpleAir 感測器。

所有透過 AirVisual 平台發布的數據都需經過資料驗證，而此過程在這兩種感測器數據來源間有所不同。

AirVisual 的資料驗證系統是基於雲端且由機器學習驅動，所有測量數據在發布到我們的平台前都會通過此系統。

政府「參考」感測器數據

雖然高成本的政府感測器通常被認為是測量空氣品質數據最準確且可靠的來源，但這些感測器有時仍會報告異常或不準確的數據。原因可能包括暫時的維護或故障，甚至感測器附近的暫時性局部排放源。

因此，所有政府感測器數據在發布前都需經過資料驗證系統。此驗證的一個例子是，雲端系統會識別站點發布的任何潛在異常（例如，PM2.5 從 10 微克/立方米突然飆升至 100 微克/立方米），並會與附近其他測量數據交叉比對，以確認此類飆升是代表性的還是異常。驗證過程還會與歷史模式及其他參數如氣象條件進行交叉比對。數值將依此決定發布或剔除。

低成本感測器

低成本感測器的測量數據除了上述的驗證過程外，還會經過資料校正和修正程序，以識別並剔除異常讀數。

應用於低成本感測器的系統會考慮附近的條件，如溫度、濕度、污染組成，並根據環境條件套用資料校正演算法。例如，高濕度在某些情況下可能導致低成本感測器過度報告 PM2.5 水準。同樣地，污染組成（交通產生的污染、沙塵暴、煤炭污染等）會大幅影響測量結果，而 AirVisual 平台利用衛星影像來判斷污染組成，以用於校正機制。因此，此校正與修正演算法會考慮當地濕度及其他環境參數，並結合區域歷史模式，相應調整 PM2.5 測量值。

調整程度由基於人工智慧與機器學習的雲端系統決定。透過匯集數十億筆來自參考感測器、AirVisual 感測器、氣象資料及衛星影像污染組成的全球空氣品質數據多年，該系統已學習到世界不同地區各種空氣品質參數間複雜的歷史關聯。

由於懸浮微粒（PM）的組成在世界不同地區可能有很大差異，因此區分PM與濕度等因素在當地／區域層面的相關性非常重要。這些相關性會因不同地區的PM組成而大相逕庭，因此必須在當地的校準和修正算法中加以考慮。

建立案件