Platform AirVisual bertujuan untuk memusatkan dan mengumpulkan sebanyak mungkin informasi kualitas udara yang saat ini tersedia di satu tempat, untuk memberikan gambaran umum yang paling komprehensif tentang kualitas udara global.

Sumber data yang dilaporkan melalui platform AirVisual meliputi data sensor, dari stasiun pemantauan pemerintah (biasanya dianggap sebagai "monitor referensi" berbiaya tinggi), serta sensor berbiaya rendah seperti stasiun AirVisual Pro publik dan sensor PurpleAir.

Semua data yang dipublikasikan melalui platform AirVisual tunduk pada validasi data, dan proses ini berbeda di antara kedua sumber data sensor ini.

Sistem validasi data AirVisual berbasis cloud dan digerakkan oleh pembelajaran mesin, dan semua pengukuran dilewatkan melalui sistem ini sebelum dipublikasikan ke platform kami.

Data sensor "referensi" pemerintah
​

Meskipun sensor pemerintah berbiaya tinggi biasanya dianggap sebagai sumber yang paling akurat dan dapat diandalkan untuk mengukur data kualitas udara, terkadang sensor ini juga melaporkan anomali atau data yang tidak akurat. Alasan untuk hal ini mungkin termasuk periode pemeliharaan sementara atau cacat, atau bahkan sumber emisi hiperlokal sementara di dekat sensor.

Oleh karena itu, semua data sensor pemerintah tunduk pada sistem validasi data sebelum dipublikasikan. Salah satu contoh dari validasi ini adalah sistem berbasis awan mengidentifikasi potensi anomali yang dipublikasikan oleh sebuah stasiun (misalnya, lonjakan PM2.5 yang tiba-tiba tinggi dari 10ug/m3 menjadi 100ug/m3 dari satu jam ke jam berikutnya), dan akan melakukan pengecekan ulang dengan pengukuran lain di dekatnya untuk memverifikasi apakah lonjakan tersebut representatif, atau merupakan anomali. Proses validasi juga melakukan pengecekan silang terhadap pola historis, dan parameter lain seperti kondisi cuaca. Nilai tersebut kemudian akan dipublikasikan atau didiskon.

Sensor berbiaya rendah
​

Pengukuran dari sensor berbiaya rendah juga harus melalui proses kalibrasi dan koreksi data, di samping proses validasi yang dijelaskan di atas, yang akan mengidentifikasi dan meniadakan pembacaan yang tidak normal.

Sistem yang diterapkan pada sensor berbiaya rendah memperhitungkan kondisi di sekitar, seperti suhu, kelembapan, komposisi polusi, dan menerapkan algoritme kalibrasi data berdasarkan kondisi lingkungan. Sebagai contoh, tingkat kelembapan yang tinggi dalam beberapa situasi dapat menyebabkan sensor berbiaya rendah melaporkan tingkat PM2.5 secara berlebihan. Demikian pula, komposisi polusi (polusi yang dihasilkan oleh transportasi, badai pasir, polusi berbasis batu bara, dll.) sangat memengaruhi pengukuran dan platform AirVisual menggunakan citra satelit untuk menentukan komposisi polusi yang akan digunakan dalam mekanisme kalibrasi. Oleh karena itu, algoritme koreksi kalibrasi & ini mempertimbangkan tingkat kelembapan lokal dan parameter lingkungan lainnya, selain pola historis regional, dan menyesuaikan pengukuran PM2.5 yang sesuai.

Tingkat penyesuaian ditentukan oleh sistem berbasis cloud yang dibangun di atas kecerdasan buatan & machine learning. Dengan mengumpulkan miliaran titik data kualitas udara global selama beberapa tahun, dari sensor referensi, sensor AirVisual, data meteorologi, dan komposisi polusi dari citra satelit, sistem ini telah mempelajari hubungan historis yang kompleks antara berbagai parameter kualitas udara di berbagai belahan dunia.

Karena komposisi PM dapat sangat bervariasi di antara berbagai wilayah di dunia, sangat penting untuk membedakan antara korelasi PM dan faktor-faktor seperti kelembapan di tingkat lokal/regional. Korelasi ini dapat sangat bervariasi, tergantung pada komposisi lokal PM yang berbeda, dan oleh karena itu harus diperhitungkan untuk algoritma kalibrasi dan koreksi lokal.