AirVisualプラットフォームは、現在入手可能な限りの大気質情報を一箇所に集中・集約し、世界の大気質の最も包括的な概要を提供することを目的としている。

AirVisualプラットフォームを通じて報告されるデータソースには、政府監視ステーション（通常、高コストの「基準モニター」とみなされる）からのセンサーデータだけでなく、公共のAirVisual ProステーションやPurpleAirセンサーのような低コストのセンサーも含まれる。

AirVisualプラットフォームを通じて公開されるすべてのデータは、データ検証の対象となり、このプロセスは、これら2つのセンサーデータのソース間で異なる。

AirVisualのデータ検証システムは、機械学習によって駆動するクラウドベースであり、すべての測定値は、当社のプラットフォームに公開する前に、このシステムを通過します。

政府の「基準」センサーデータ
​

高コストの政府センサーは、通常、大気質測定データの最も正確で信頼できる情報源と考えられているが、これらのセンサーが異常や不正確なデータを報告することもある。 その理由としては、一時的なメンテナンス期間や不具合、あるいはセンサーの近くにある一時的な超局所的発光源などが考えられる。

したがって、すべての政府センサーデータは、公表前にデータ検証システムの対象となる。 この検証の一例として、クラウドベースのシステムは、あるステーションから発表された潜在的な異常（例えば、ある時間から次の時間にかけてPM2.5が10ug/m3から100ug/m3へと突然急上昇した場合）を識別し、そのような急上昇が代表的なものなのか、それとも異常なのかを検証するために、近隣の他の測定値とクロスチェックする。 また、検証プロセスでは、過去のパターンや天候などの他のパラメーターとのクロスチェックも行われる。 そして、それに応じて価値が公表されるか、割引される。

低価格センサー
​

低コストのセンサーからの測定値は、上記の検証プロセスに加え、データの較正と補正プロセスにもかけられ、異常な測定値を特定し、割り引く。

低コストのセンサーに適用されるシステムは、温度、湿度、汚染成分などの近隣条件を考慮し、環境条件に基づいたデータ校正アルゴリズムを適用する。 例えば、湿度が高い場合、低コストのセンサーがPM2.5のレベルを過剰に報告することがある。 同様に、汚染組成（輸送によって発生した汚染、砂嵐、石炭ベースの汚染など）も測定に大きく影響する。AirVisualプラットフォームは、校正メカニズムで使用する汚染組成を決定するために衛星画像を使用する。 そのため、この校正 & の補正アルゴリズムは、地域の過去のパターンに加えて、地域の湿度レベルやその他の環境パラメータを考慮し、それに応じてPM2.5の測定値を調整する。

調整レベルは、人工知能 & 機械学習に基づいて構築されたクラウドベースのシステムによって決定される。 このシステムは、リファレンスセンサー、エアビジュアルセンサー、気象データ、衛星画像からの汚染組成から、何年にもわたって何十億もの世界の大気質データポイントを集約することにより、世界各地のさまざまな大気質パラメーター間の複雑な歴史的関係を学習してきた。

PMの組成は地域によって大きく異なるため、PMと湿度などの要因の相関関係を地域レベルで区別することが重要である。 これらの相関関係は、PMの局所的な組成の違いによって大きく変化する可能性があるため、局所的な較正や補正アルゴリズムには考慮が必要である。