Nền tảng AirVisual nhằm mục đích tập trung và tổng hợp càng nhiều thông tin về chất lượng không khí hiện có vào một nơi duy nhất, để cung cấp cái nhìn tổng quan toàn diện nhất về chất lượng không khí toàn cầu.

Các nguồn dữ liệu được báo cáo qua nền tảng AirVisual bao gồm dữ liệu cảm biến, từ các trạm giám sát chính phủ (thường được coi là "thiết bị tham chiếu" chi phí cao), cũng như các cảm biến giá rẻ như các trạm AirVisual Pro công cộng và cảm biến PurpleAir.

Tất cả dữ liệu được công bố qua nền tảng AirVisual đều phải trải qua quá trình xác thực dữ liệu, và quy trình này khác nhau giữa hai nguồn dữ liệu cảm biến này.

Hệ thống xác thực dữ liệu của AirVisual được xây dựng trên nền tảng đám mây và sử dụng học máy, tất cả các phép đo đều được xử lý qua hệ thống này trước khi công bố trên nền tảng của chúng tôi.

Dữ liệu cảm biến "tham chiếu" của chính phủ

Mặc dù các cảm biến chính phủ chi phí cao thường được coi là nguồn dữ liệu chất lượng không khí chính xác và đáng tin cậy nhất, đôi khi các cảm biến này cũng báo cáo các bất thường hoặc dữ liệu không chính xác. Nguyên nhân có thể do các giai đoạn bảo trì tạm thời hoặc lỗi, hoặc thậm chí các nguồn phát thải cục bộ tạm thời gần cảm biến.

Do đó, tất cả dữ liệu cảm biến chính phủ đều phải trải qua hệ thống xác thực dữ liệu trước khi công bố. Một ví dụ về xác thực này là hệ thống dựa trên đám mây sẽ xác định bất kỳ bất thường tiềm năng nào được một trạm công bố (ví dụ, sự tăng đột ngột cao về PM2.5 từ 10ug/m3 lên 100ug/m3 chỉ trong một giờ), và sẽ đối chiếu với các phép đo gần đó để xác minh liệu sự tăng đột biến đó có đại diện hay là một bất thường. Quá trình xác thực cũng đối chiếu với các mẫu lịch sử và các tham số khác như điều kiện thời tiết. Giá trị sau đó sẽ được công bố hoặc loại bỏ tương ứng.

Cảm biến giá rẻ

Các phép đo từ cảm biến giá rẻ cũng phải trải qua quá trình hiệu chuẩn và điều chỉnh dữ liệu, bên cạnh quá trình xác thực đã mô tả ở trên, nhằm xác định và loại bỏ các đọc số bất thường.

Hệ thống áp dụng cho cảm biến giá rẻ xem xét các điều kiện lân cận như nhiệt độ, độ ẩm, thành phần ô nhiễm và áp dụng thuật toán hiệu chuẩn dữ liệu dựa trên điều kiện môi trường. Ví dụ, mức độ ẩm cao trong một số trường hợp có thể khiến cảm biến giá rẻ báo cáo quá mức mức PM2.5. Tương tự, thành phần ô nhiễm (ô nhiễm do giao thông, bão cát, ô nhiễm dựa trên than đá, v.v.) ảnh hưởng lớn đến phép đo và nền tảng AirVisual sử dụng hình ảnh vệ tinh để xác định thành phần ô nhiễm nhằm sử dụng trong cơ chế hiệu chuẩn. Do đó, thuật toán hiệu chuẩn và điều chỉnh này xem xét mức độ ẩm địa phương và các tham số môi trường khác, bên cạnh các mẫu lịch sử khu vực, và điều chỉnh các phép đo PM2.5 cho phù hợp.

Mức độ điều chỉnh được xác định bởi hệ thống dựa trên đám mây xây dựng trên trí tuệ nhân tạo và học máy. Thông qua việc tổng hợp hàng tỷ điểm dữ liệu chất lượng không khí toàn cầu trong nhiều năm, từ các cảm biến tham chiếu, cảm biến AirVisual, dữ liệu khí tượng và thành phần ô nhiễm từ hình ảnh vệ tinh, hệ thống này đã học được các mối quan hệ lịch sử phức tạp giữa các tham số chất lượng không khí khác nhau ở các vùng khác nhau trên thế giới.

Vì thành phần của PM có thể khác nhau rất nhiều giữa các khu vực khác nhau trên thế giới, nên việc phân biệt mối tương quan giữa PM và các yếu tố như độ ẩm ở cấp độ địa phương / khu vực là rất quan trọng. Những mối tương quan này có thể thay đổi đáng kể tùy thuộc vào các thành phần PM địa phương khác nhau, do đó cần được xem xét trong các thuật toán hiệu chuẩn và điều chỉnh tại địa phương.

TẠO MỘT VỤ