에어비주얼 플랫폼은 전 세계 공기질에 대한 가장 포괄적인 개요를 제공하기 위해 현재 이용 가능한 한 많은 공기질 정보를 한곳에 모아 중앙집중화하는 것을 목표로 합니다.

에어비주얼 플랫폼을 통해 보고되는 데이터 소스에는 정부 모니터링 스테이션(일반적으로 고가의 '기준 모니터'로 간주)의 센서 데이터와 공공 에어비주얼 프로 스테이션 및 퍼플에어 센서와 같은 저가의 센서가 포함됩니다.

AirVisual 플랫폼을 통해 게시되는 모든 데이터는 데이터 유효성 검사를 거치게 되며, 이 프로세스는 두 센서 데이터 소스마다 다릅니다.

에어비주얼의 데이터 검증 시스템은 클라우드 기반이며 머신러닝에 의해 구동되며, 모든 측정값은 플랫폼에 게시하기 전에 이 시스템을 통과합니다.

정부 '참조' 센서 데이터
​

일반적으로 고가의 정부 센서가 가장 정확하고 신뢰할 수 있는 공기질 측정 데이터로 간주되지만, 이러한 센서가 이상 징후나 부정확한 데이터를 보고하는 경우도 있습니다. 그 원인으로는 일시적인 유지보수 기간이나 결함, 센서 근처의 일시적인 국지적 배출원 등이 있을 수 있습니다.

따라서 모든 정부 센서 데이터는 공개하기 전에 데이터 검증 시스템을 거칩니다. 이러한 검증의 한 예로, 클라우드 기반 시스템은 관측소에서 발표하는 잠재적인 이상 징후(예: 한 시간 동안 PM2.5가 10ug/m3에서 100ug/m3로 갑자기 급등하는 경우)를 식별하고, 주변의 다른 측정치와 교차 확인하여 이러한 급등이 대표성 있는 것인지 아니면 이상 징후인지 확인합니다. 또한 유효성 검사 프로세스는 과거 패턴 및 기상 조건과 같은 기타 매개변수와 교차 확인합니다. 그러면 그에 따라 값이 공개되거나 할인됩니다.

저비용 센서
​

저가 센서의 측정값은 위에서 설명한 유효성 검사 프로세스 외에도 데이터 보정 및 보정 프로세스를 거쳐 비정상적인 판독값을 식별하고 할인합니다.

저비용 센서에 적용된 시스템은 온도, 습도, 오염 성분 등 주변 조건을 고려하고 환경 조건에 따른 데이터 보정 알고리즘을 적용합니다. 예를 들어, 습도가 높으면 경우에 따라 저가의 센서가 미세먼지의 수치를 과도하게 보고할 수 있습니다. 마찬가지로 오염 성분(운송으로 인한 오염, 모래 폭풍, 석탄 기반 오염 등)은 측정에 큰 영향을 미치며, AirVisual 플랫폼은 위성 이미지를 사용하여 보정 메커니즘에 사용할 오염 성분을 결정합니다. 따라서 이 보정 & 보정 알고리즘은 지역별 습도 수준 및 기타 환경 매개변수와 지역별 과거 패턴을 고려하고 그에 따라 PM2.5 측정값을 조정합니다.

조정 수준은 인공 지능( & 머신 러닝)을 기반으로 구축된 클라우드 기반 시스템에 의해 결정됩니다. 이 시스템은 기준 센서, AirVisual 센서, 기상 데이터, 위성 이미지의 오염 성분 등 수년간 수십억 개의 글로벌 대기질 데이터 포인트를 집계하여 세계 각지의 다양한 대기질 매개 변수 간의 복잡한 역사적 관계를 학습하고 있습니다.

미세먼지의 구성은 전 세계 지역마다 크게 다를 수 있으므로 지역/지역 수준에서 미세먼지와 습도와 같은 요인의 상관관계를 구분하는 것이 중요합니다. 이러한 상관관계는 PM의 다양한 로컬 구성에 따라 크게 달라질 수 있으므로 로컬 보정 및 보정 알고리즘에 반드시 고려해야 합니다.