論文の概要: Air Pollution Hotspot Detection and Source Feature Analysis using
Cross-domain Urban Data
- arxiv url: http://arxiv.org/abs/2211.08400v1
- Date: Tue, 15 Nov 2022 18:44:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 15:28:49.271016
- Title: Air Pollution Hotspot Detection and Source Feature Analysis using
Cross-domain Urban Data
- Title（参考訳）: クロスドメイン都市データを用いた大気汚染ホットスポット検出と震源特性解析
- Authors: Yawen Zhang, Michael Hannigan, Qin Lv
- Abstract要約: 汚染源に隣接する地域はしばしば環境汚染濃度が高く、これらは一般に大気汚染ホットスポットと呼ばれる。
本稿では,局所的なスパイク検出とサンプル重み付けクラスタリングを含む,モバイルセンシングデータからホットスポットを検出する2段階のアプローチを提案する。
ソフトバリデーションとして,モバイルセンシングデータを使用しない都市を対象としたホットスポット推定モデルを構築した。
- 参考スコア（独自算出の注目度）: 2.458537954999774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Air pollution is a major global environmental health threat, in particular
for people who live or work near pollution sources. Areas adjacent to pollution
sources often have high ambient pollution concentrations, and those areas are
commonly referred to as air pollution hotspots. Detecting and characterizing
pollution hotspots are of great importance for air quality management, but are
challenging due to the high spatial and temporal variability of air pollutants.
In this work, we explore the use of mobile sensing data (i.e., air quality
sensors installed on vehicles) to detect pollution hotspots. One major
challenge with mobile sensing data is uneven sampling, i.e., data collection
can vary by both space and time. To address this challenge, we propose a
two-step approach to detect hotspots from mobile sensing data, which includes
local spike detection and sample-weighted clustering. Essentially, this
approach tackles the uneven sampling issue by weighting samples based on their
spatial frequency and temporal hit rate, so as to identify robust and
persistent hotspots. To contextualize the hotspots and discover potential
pollution source characteristics, we explore a variety of cross-domain urban
data and extract features from them. As a soft-validation of the extracted
features, we build hotspot inference models for cities with and without mobile
sensing data. Evaluation results using real-world mobile sensing air quality
data as well as cross-domain urban data demonstrate the effectiveness of our
approach in detecting and inferring pollution hotspots. Furthermore, the
empirical analysis of hotspots and source features yields useful insights
regarding neighborhood pollution sources.
- Abstract（参考訳）: 大気汚染は、特に汚染源の近くに住んで働く人々にとって、世界的な環境健康の脅威である。
汚染源に隣接する地域はしばしば環境汚染濃度が高く、これらは一般に大気汚染ホットスポットと呼ばれる。
大気汚染ホットスポットの検出と特徴付けは, 大気汚染物質の空間的・時間的変動が大きいため, 大気汚染管理において非常に重要である。
本研究では,大気汚染ホットスポットの検出にモバイルセンシングデータ(自動車に搭載された空気質センサ)を用いることを検討する。
モバイルセンシングデータの大きな課題の1つは、不均一サンプリング(つまり、データ収集は空間と時間の両方によって異なる可能性がある)である。
そこで本研究では,局所スパイク検出とサンプル重み付けクラスタリングを含むモバイルセンシングデータからホットスポットを検出する2段階アプローチを提案する。
基本的に、このアプローチでは、サンプルの空間的頻度と時間的ヒット率に基づいて重み付けすることで、堅牢で永続的なホットスポットを特定することで、不均一なサンプリング問題に取り組む。
ホットスポットの文脈化と潜在的汚染源特性の発見を目的として,様々な領域の都市データを調査し,その特徴を抽出する。
抽出した特徴のソフトバリデーションとして,モバイルセンシングデータを用いた都市を対象としたホットスポット推定モデルを構築した。
実世界のモバイルセンシング空気質データとクロスドメイン都市データを用いて, 汚染ホットスポットの検出と推定におけるアプローチの有効性を実証した。
さらに、ホットスポットとソース特徴の実証分析により、近隣の汚染源に関する有用な知見が得られる。
関連論文リスト
- Spatiotemporal Air Quality Mapping in Urban Areas Using Sparse Sensor Data, Satellite Imagery, Meteorological Factors, and Spatial Features [11.845097068829551]
本稿では,高時間空気質指標マッピングのためのフレームワークを提案する。
空間的および時間的依存関係に基づいて,非時間的位置におけるAQI値を推定する。
パキスタンのラホールにおけるケーススタディを通じて,我々のアプローチの活用について解説する。
論文 参考訳（メタデータ） (2025-01-20T04:39:13Z) - Autonomous Detection of Methane Emissions in Multispectral Satellite
Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。
現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。
深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文 参考訳（メタデータ） (2023-08-21T19:36:50Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。
本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。
また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
論文 参考訳（メタデータ） (2021-09-09T22:00:51Z) - Estimation of Air Pollution with Remote Sensing Data: Revealing
Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。
本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-08-31T14:58:04Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。
クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文 参考訳（メタデータ） (2020-12-01T11:06:23Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳（メタデータ） (2020-10-06T14:31:25Z)
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。