論文の概要: Applications of machine learning and IoT for Outdoor Air Pollution
Monitoring and Prediction: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2401.01788v1
- Date: Wed, 3 Jan 2024 15:36:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 13:46:02.386313
- Title: Applications of machine learning and IoT for Outdoor Air Pollution
Monitoring and Prediction: A Systematic Literature Review
- Title（参考訳）: 機械学習とIoTの屋外大気汚染モニタリング・予測への応用:システム文献レビュー
- Authors: Ihsane Gryech, Chaimae Assad, Mounir Ghogho, Abdellatif Kobbane
- Abstract要約: 世界保健機関(WHO)によると、大気汚染は毎年700万人が死亡している。
屋外空気は、低、中、高所得国に影響を及ぼす主要な環境健康問題である。
過去数年間、研究コミュニティは、屋外大気汚染予測のためのIoT対応機械学習アプリケーションを調査してきた。
- 参考スコア（独自算出の注目度）: 5.210689364246219
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: According to the World Health Organization (WHO), air pollution kills seven
million people every year. Outdoor air pollution is a major environmental
health problem affecting low, middle, and high-income countries. In the past
few years, the research community has explored IoT-enabled machine learning
applications for outdoor air pollution prediction. The general objective of
this paper is to systematically review applications of machine learning and
Internet of Things (IoT) for outdoor air pollution prediction and the
combination of monitoring sensors and input features used. Two research
questions were formulated for this review. 1086 publications were collected in
the initial PRISMA stage. After the screening and eligibility phases, 37 papers
were selected for inclusion. A cost-based analysis was conducted on the
findings to highlight high-cost monitoring, low-cost IoT and hybrid enabled
prediction. Three methods of prediction were identified: time series,
feature-based and spatio-temporal. This review's findings identify major
limitations in applications found in the literature, namely lack of coverage,
lack of diversity of data and lack of inclusion of context-specific features.
This review proposes directions for future research and underlines practical
implications in healthcare, urban planning, global synergy and smart cities.
- Abstract（参考訳）: 世界保健機関(WHO)によると、大気汚染は毎年700万人が死亡している。
大気汚染は、低、中、高所得国に影響を及ぼす主要な環境問題である。
過去数年間、研究コミュニティは、屋外大気汚染予測のためのIoT対応機械学習アプリケーションを調査してきた。
本研究の目的は,屋外大気汚染予測のための機械学習とIoT(Internet of Things)の適用と,センサと入力機能の組み合わせを体系的に検討することである。
このレビューのために2つの研究質問が提出された。
1086の出版物が最初のPRISMAの段階で集められた。
審査と適格化の段階を経て,37紙を包括的に選択した。
コストベースの分析を行い、高コストモニタリング、低コストIoT、ハイブリッド対応予測を強調した。
時系列,特徴ベース,時空間の3つの予測方法が同定された。
このレビューの調査結果は、文献に見られるアプリケーションにおける大きな制限、すなわち、カバレッジの欠如、データの多様性の欠如、コンテキスト特有の機能の欠如を指摘している。
本稿では,医療,都市計画,グローバル・シナジー,スマートシティにおける今後の研究の方向性について述べる。
関連論文リスト
- Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。
最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。
以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
論文 参考訳（メタデータ） (2024-05-27T13:26:34Z) - Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Machine Learning for Urban Air Quality Analytics: A Survey [27.96085346957208]
大気汚染は、広範囲にわたる結果に緊急の世界的な懸念をもたらす。
本稿では,機械学習に基づく空気質分析に関する総合的な調査を紹介する。
論文 参考訳（メタデータ） (2023-10-14T17:03:29Z) - 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) - IoT-Based Air Quality Monitoring System with Machine Learning for
Accurate and Real-time Data Analysis [0.0]
本研究では, どこでも使用可能な携帯型空気質検知装置の開発を提案する。
収集されたデータは、クラウドベースのWebアプリThinkSpeakを使って保存および視覚化される。
論文 参考訳（メタデータ） (2023-07-02T14:18:04Z) - The State-of-the-Art in Air Pollution Monitoring and Forecasting Systems
using IoT, Big Data, and Machine Learning [2.724141845301679]
交通、産業、建設現場、発電機、花火、廃棄物の燃焼は、大気の質を劣化させる上で大きな割合を占めている。
空気の質は、場所、交通量、時間など様々な要因に依存する。
最近の研究は、機械学習アルゴリズム、ビッグデータ技術、モノのインターネットを使って、前述の目的のために安定的で効率的なモデルを提案している。
論文 参考訳（メタデータ） (2023-04-19T11:24:53Z) - Detecting Elevated Air Pollution Levels by Monitoring Web Search
Queries: Deep Learning-Based Time Series Forecasting [7.978612711536259]
以前の研究は、地上モニターや気象データから収集した汚染物質濃度を長期予測のモデルに頼っていた。
本研究では,主要な検索エンジンからほぼリアルタイムで公開されているWeb検索データを用いて,観測された汚染レベルを推定するモデルを開発し,検証することを目的とする。
従来型の教師付き分類法と最先端の深層学習法を併用して,米国の都市レベルで大気汚染レベルの上昇を検出する機械学習モデルを開発した。
論文 参考訳（メタデータ） (2022-11-09T23:56:35Z) - Predicting air quality via multimodal AI and satellite imagery [0.2492060267829796]
本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。
欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。
これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
論文 参考訳（メタデータ） (2022-11-01T22:56:15Z) - Climate Change & Computer Audition: A Call to Action and Overview on
Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。
我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文 参考訳（メタデータ） (2022-03-10T13:32:31Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z)
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。