Platforma AirVisual ma na celu scentralizowanie i zebranie w jednym miejscu jak największej ilości informacji o jakości powietrza, aby zapewnić najbardziej kompleksowy przegląd jakości powietrza na świecie.
Źródła danych, które są zgłaszane za pośrednictwem platformy AirVisual, obejmują dane z czujników, z rządowych stacji monitorujących (zwykle uważanych za drogie "monitory referencyjne"), a także z tanich czujników, takich jak publiczne stacje AirVisual Pro i czujniki PurpleAir.
Wszystkie dane publikowane za pośrednictwem platformy AirVisual podlegają walidacji danych, a proces ten różni się między tymi dwoma źródłami danych z czujników.
System weryfikacji danych AirVisual jest oparty na chmurze i oparty na uczeniu maszynowym, a wszystkie pomiary są przepuszczane przez ten system przed opublikowaniem na naszej platformie.
Rządowe "referencyjne" dane z czujników
Chociaż drogie czujniki rządowe są zwykle uważane za najbardziej dokładne i wiarygodne źródło danych o jakości powietrza, czasami czujniki te zgłaszają również anomalie lub niedokładne dane. Przyczyny tego mogą obejmować tymczasowe okresy konserwacji lub usterki, a nawet tymczasowe hiperlokalne źródła emisji w pobliżu czujnika.
W związku z tym wszystkie rządowe dane z czujników podlegają systemowi weryfikacji danych przed ich opublikowaniem. Jednym z przykładów tej walidacji jest to, że system oparty na chmurze identyfikuje wszelkie potencjalne anomalie publikowane przez stację (na przykład nagły wysoki skok PM2.5 z 10ug/m3 do 100ug/m3 z godziny na godzinę) i sprawdza krzyżowo z innymi pobliskimi pomiarami, aby zweryfikować, czy taki skok jest reprezentatywny, czy anomalią. W procesie walidacji sprawdzane są również wzorce historyczne i inne parametry, takie jak warunki pogodowe. Wartość ta zostanie następnie opublikowana lub odpowiednio obniżona.
Tanie czujniki
Pomiary z tanich czujników są również poddawane procesowi kalibracji i korekty danych, oprócz procesu walidacji opisanego powyżej, który identyfikuje i odrzuca anomalie odczytów.
System zastosowany do tanich czujników uwzględnia warunki panujące w pobliżu, takie jak temperatura, wilgotność, skład zanieczyszczeń i stosuje algorytm kalibracji danych w oparciu o warunki środowiskowe. Na przykład, wysoki poziom wilgotności może w pewnych okolicznościach prowadzić do tego, że tanie czujniki będą nadmiernie raportować poziomy PM2,5. Podobnie, skład zanieczyszczeń (zanieczyszczenia generowane przez transport, burze piaskowe, zanieczyszczenia węglowe itp.) w znacznym stopniu wpływają na pomiar, a platforma AirVisual wykorzystuje zdjęcia satelitarne do określenia składu zanieczyszczeń do wykorzystania w mechanizmie kalibracji. Dlatego algorytm korekcji kalibracji & bierze pod uwagę lokalne poziomy wilgotności i inne parametry środowiskowe, oprócz regionalnych wzorców historycznych, i odpowiednio dostosowuje pomiary PM2.5.
Poziom regulacji jest określany przez system oparty na chmurze, który bazuje na sztucznej inteligencji & uczenia maszynowego. Dzięki agregacji miliardów globalnych punktów danych o jakości powietrza przez wiele lat, z czujników referencyjnych, czujników AirVisual, danych meteorologicznych i składu zanieczyszczeń ze zdjęć satelitarnych, system ten uczy się złożonych historycznych relacji między różnymi parametrami jakości powietrza w różnych częściach świata.
Ponieważ skład pyłu zawieszonego może się znacznie różnić w zależności od obszaru świata, kluczowe znaczenie ma rozróżnienie między korelacją pyłu zawieszonego a czynnikami takimi jak wilgotność na poziomie lokalnym/regionalnym. Korelacje te mogą się znacznie różnić w zależności od różnych lokalnych składów PM i dlatego muszą być brane pod uwagę w lokalnych algorytmach kalibracji i korekcji.