एयरविज़ुअल प्लेटफ़ॉर्म का लक्ष्य वैश्विक वायु गुणवत्ता का सबसे व्यापक अवलोकन प्रदान करने के लिए वर्तमान में उपलब्ध वायु गुणवत्ता की अधिक से अधिक जानकारी को केंद्रीकृत और एकत्रित करना है।

एयरविज़ुअल प्लेटफ़ॉर्म के माध्यम से रिपोर्ट किए जाने वाले डेटा स्रोतों में सरकारी निगरानी स्टेशनों (आमतौर पर उच्च लागत वाले "संदर्भ मॉनिटर") से सेंसर डेटा, साथ ही सार्वजनिक एयरविज़ुअल प्रो स्टेशन और पर्पलएयर सेंसर जैसे कम लागत वाले सेंसर शामिल हैं।

एयरविज़ुअल प्लेटफ़ॉर्म के माध्यम से प्रकाशित सभी डेटा डेटा सत्यापन के अधीन है, और यह प्रक्रिया सेंसर डेटा के इन दो स्रोतों के बीच भिन्न होती है।

AirVisual का डेटा सत्यापन सिस्टम क्लाउड-आधारित है और मशीन लर्निंग द्वारा संचालित है, और हमारे प्लेटफ़ॉर्म पर प्रकाशित करने से पहले सभी माप इस सिस्टम से पारित किए जाते हैं।

सरकारी "संदर्भ" सेंसर डेटा
​

हालाँकि उच्च लागत वाले सरकारी सेंसर को आमतौर पर मापी गई वायु गुणवत्ता डेटा का सबसे सटीक और विश्वसनीय स्रोत माना जाता है, कभी-कभी ये सेंसर विसंगतियों या गलत डेटा की भी रिपोर्ट करते हैं। इसके कारणों में अस्थायी अवधि के रखरखाव या दोष, या सेंसर के पास अस्थायी हाइपरलोकल उत्सर्जन स्रोत भी शामिल हो सकते हैं।

तदनुसार, सभी सरकारी सेंसर डेटा प्रकाशन से पहले डेटा सत्यापन प्रणाली के अधीन हैं। इस सत्यापन का एक उदाहरण यह है कि क्लाउड-आधारित प्रणाली किसी स्टेशन द्वारा प्रकाशित किसी भी संभावित विसंगति की पहचान करती है (उदाहरण के लिए, एक घंटे से अगले घंटे तक PM2.5 में 10ug/m3 से 100ug/m3 तक अचानक उच्च वृद्धि), और यह सत्यापित करने के लिए कि क्या ऐसा स्पाइक प्रतिनिधि है, या एक विसंगति है, अन्य आस-पास के मापों के साथ क्रॉस-चेक करेगा। सत्यापन प्रक्रिया ऐतिहासिक पैटर्न और मौसम की स्थिति जैसे अन्य मापदंडों के खिलाफ भी जांच करती है। फिर मूल्य तदनुसार प्रकाशित या छूट दी जाएगी।

कम लागत वाले सेंसर
​

ऊपर वर्णित सत्यापन प्रक्रिया के अलावा, कम लागत वाले सेंसर से माप को डेटा अंशांकन और सुधार प्रक्रिया के अधीन भी किया जाता है, जो असामान्य रीडिंग की पहचान करेगा और छूट देगा।

कम लागत वाले सेंसरों पर लागू प्रणाली तापमान, आर्द्रता, प्रदूषण संरचना जैसी आस-पास की स्थितियों को ध्यान में रखती है और पर्यावरणीय स्थितियों के आधार पर डेटा अंशांकन एल्गोरिदम लागू करती है। एक उदाहरण के लिए, उच्च आर्द्रता का स्तर कुछ परिस्थितियों में कम लागत वाले सेंसरों को PM2.5 के स्तर से अधिक रिपोर्ट करने का कारण बन सकता है। इसी प्रकार, प्रदूषण संरचना (परिवहन जनित प्रदूषण, रेत के तूफान, कोयला आधारित प्रदूषण, आदि) माप को बहुत प्रभावित करती है और एयरविज़ुअल प्लेटफ़ॉर्म अंशांकन तंत्र में उपयोग करने के लिए प्रदूषण संरचना निर्धारित करने के लिए उपग्रह इमेजरी का उपयोग करता है। इसलिए, यह अंशांकन & सुधार एल्गोरिथ्म क्षेत्रीय ऐतिहासिक पैटर्न के अलावा, स्थानीय आर्द्रता स्तर और अन्य पर्यावरणीय मापदंडों को ध्यान में रखता है, और तदनुसार PM2.5 माप को समायोजित करता है।

समायोजन स्तर क्लाउड-आधारित प्रणाली द्वारा निर्धारित किया जाता है जो कृत्रिम बुद्धिमत्ता & मशीन लर्निंग पर बनाया गया है। कई वर्षों से संदर्भ सेंसर, एयरविज़ुअल सेंसर, मौसम विज्ञान डेटा और उपग्रह इमेजरी से प्रदूषण संरचना से अरबों वैश्विक वायु गुणवत्ता डेटा बिंदुओं को एकत्रित करने के माध्यम से, यह प्रणाली दुनिया के विभिन्न हिस्सों में विभिन्न वायु गुणवत्ता मानकों के बीच जटिल ऐतिहासिक संबंधों को सीख रही है। .

चूंकि पीएम की संरचना दुनिया के विभिन्न क्षेत्रों के बीच व्यापक रूप से भिन्न हो सकती है, इसलिए स्थानीय/क्षेत्रीय स्तर पर पीएम के सहसंबंध और आर्द्रता जैसे कारकों के बीच अंतर करना महत्वपूर्ण है। ये सहसंबंध पीएम की विभिन्न स्थानीय रचनाओं के आधार पर व्यापक रूप से भिन्न हो सकते हैं, और इसलिए स्थानीय अंशांकन और सुधार एल्गोरिदम के लिए इसे ध्यान में रखा जाना चाहिए।