論文の概要: High-Resolution Air Quality Prediction Using Low-Cost Sensors
- arxiv url: http://arxiv.org/abs/2006.12092v1
- Date: Mon, 22 Jun 2020 09:30:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 05:41:26.014629
- Title: High-Resolution Air Quality Prediction Using Low-Cost Sensors
- Title（参考訳）: 低コストセンサによる高分解能空気品質予測
- Authors: Thibaut Cassard, Gr\'egoire Jauvion, David Lissmyr
- Abstract要約: 低コストセンサを用いた測定により,エンジンの精度が大幅に向上することを示す。
低コストセンサーの密度が最も高い地域では、低コストセンサーの測定により、それぞれPM2.5とPM10の精度が25%と15%向上する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The use of low-cost sensors in air quality monitoring networks is still a
much-debated topic among practitioners: they are much cheaper than traditional
air quality monitoring stations set up by public authorities (a few hundred
dollars compared to a few dozens of thousand dollars) at the cost of a lower
accuracy and robustness. This paper presents a case study of using low-cost
sensors measurements in an air quality prediction engine. The engine predicts
jointly PM2.5 and PM10 concentrations in the United States at a very high
resolution in the range of a few dozens of meters.
It is fed with the measurements provided by official air quality monitoring
stations, the measurements provided by a network of more than 4000 low-cost
sensors across the country, and traffic estimates. We show that the use of
low-cost sensors' measurements improves the engine's accuracy very
significantly. In particular, we derive a strong link between the density of
low-cost sensors and the predictions' accuracy: the more low-cost sensors are
in an area, the more accurate are the predictions. As an illustration, in areas
with the highest density of low-cost sensors, the low-cost sensors'
measurements bring a 25% and 15% improvement in PM2.5 and PM10 predictions'
accuracy respectively.
An other strong conclusion is that in some areas with a high density of
low-cost sensors, the engine performs better when fed with low-cost sensors'
measurements only than when fed with official monitoring stations' measurements
only: this suggests that an air quality monitoring network composed of low-cost
sensors is effective in monitoring air quality. This is a very important
result, as such a monitoring network is much cheaper to set up.
- Abstract（参考訳）: 空気質監視ネットワークにおける低コストセンサーの使用は、まだ多くの専門家の間で議論されているトピックである: 精度と堅牢性が低いコストで、当局が設置した従来の空気質監視ステーション(数十万ドルに対して数百ドル)よりもはるかに安い。
本稿では,空気質予測エンジンにおける低コストセンサ計測のケーススタディを提案する。
このエンジンは、米国のPM2.5とPM10の濃度を数十mの範囲で非常に高い解像度で予測する。
公式の大気質監視局が提供する測定値、全国4000以上の低コストセンサーのネットワークによる測定値、および交通量の推定値によって供給される。
低コストセンサを用いた測定により,エンジンの精度が大幅に向上することを示す。
特に、低コストセンサの密度と予測精度の間に強い関係がある: 低コストセンサが地域にあるほど、より正確に予測できる。
例えば、低コストセンサーの密度が最も高い地域では、低コストセンサーの測定は、それぞれPM2.5とPM10の精度を25%と15%改善する。
その他の強い結論は、低コストセンサーの密度が高い地域では、エンジンが低コストセンサーの計測で供給される場合、公式の監視局の計測でのみ供給される場合よりも、低コストセンサーで構成される空気質監視ネットワークの方が、大気質の監視に有効であることを示唆している。
このような監視ネットワークをセットアップする方がずっと安いため、これは非常に重要な結果です。
関連論文リスト
- Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。
本稿では,マルチパートを提案する。
センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。
センサーのリコンフィグレーションによる プロセス制御
論文 参考訳（メタデータ） (2024-10-14T23:03:58Z) - Gaussian Processes for Monitoring Air-Quality in Kampala [3.173497841606415]
本研究では,センサが存在しない場所での現在の大気汚染を予測し,センサ位置で将来の大気汚染を予測するためのガウス過程の活用について検討する。
私たちは、AirQoのセンサーネットワークのデータを使って、ウガンダのカンパラ市に焦点を当てています。
論文 参考訳（メタデータ） (2023-11-28T09:25:23Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Modelling calibration uncertainty in networks of environmental sensors [2.016542873726103]
低コストセンサーのネットワークはユビキタスになりつつあるが、しばしば低い精度とドリフトに悩まされている。
本稿では,センサネットワーク間のキャリブレーションをモデル化するための変分手法を提案する。
人工空気汚染データと実際の大気汚染データの両方に対するアプローチを実証し、技術の現状よりも優れた性能が得られることを発見した。
論文 参考訳（メタデータ） (2022-05-04T10:38:45Z) - Dynamic Price of Parking Service based on Deep Learning [68.8204255655161]
都市部における空気質の向上は、公共団体の主な関心事の一つである。
この懸念は、大気の質と公衆衛生の間の証拠から生じる。
規制された駐車場サービスにおける動的価格の提案について述べる。
論文 参考訳（メタデータ） (2022-01-11T20:31:35Z) - Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors [0.1957338076370071]
本研究では, 対流圏オゾン, 二酸化窒素, 一酸化窒素の低コストセンサの校正におけるデータサンプリング戦略の影響について述べる。
具体的には,センササブシステムのデューティサイクルを最小化するサンプリング戦略によって,データ品質を維持しながら消費電力を削減できることを示す。
論文 参考訳（メタデータ） (2021-12-14T11:05:55Z) - Few-shot calibration of low-cost air pollution (PM2.5) sensors using
meta-learning [11.352677351165246]
低コストの粒子状物質センサーは、大気の質をモニターしている。
これらのセンサーは、共同デプロイされた基準モニターからのトレーニングデータを必要とする。
本稿では,センサの迅速な校正のための新しい伝達学習法を提案する。
論文 参考訳（メタデータ） (2021-08-02T05:19:23Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。
我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文 参考訳（メタデータ） (2021-02-18T13:42:34Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。