論文の概要: Indoor Air Quality Dataset with Activities of Daily Living in Low to Middle-income Communities
- arxiv url: http://arxiv.org/abs/2407.14501v1
- Date: Fri, 19 Jul 2024 17:53:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 16:35:50.881490
- Title: Indoor Air Quality Dataset with Activities of Daily Living in Low to Middle-income Communities
- Title（参考訳）: 低所得・中所得地域における日常生活活動と室内空気質データセット
- Authors: Prasenjit Karmakar, Swadhin Pradhan, Sandip Chakraborty,
- Abstract要約: インドでは夏と冬の6ヶ月間に30箇所の屋内から空気の質を測定した。
データセットにはさまざまな種類の屋内環境が含まれている。
発展途上国のユニークな汚染パターンに対応することを目的としたデータ駆動学習モデル研究の基盤を提供することができる。
- 参考スコア（独自算出の注目度）: 5.019848446554892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, indoor air pollution has posed a significant threat to our society, claiming over 3.2 million lives annually. Developing nations, such as India, are most affected since lack of knowledge, inadequate regulation, and outdoor air pollution lead to severe daily exposure to pollutants. However, only a limited number of studies have attempted to understand how indoor air pollution affects developing countries like India. To address this gap, we present spatiotemporal measurements of air quality from 30 indoor sites over six months during summer and winter seasons. The sites are geographically located across four regions of type: rural, suburban, and urban, covering the typical low to middle-income population in India. The dataset contains various types of indoor environments (e.g., studio apartments, classrooms, research laboratories, food canteens, and residential households), and can provide the basis for data-driven learning model research aimed at coping with unique pollution patterns in developing countries. This unique dataset demands advanced data cleaning and imputation techniques for handling missing data due to power failure or network outages during data collection. Furthermore, through a simple speech-to-text application, we provide real-time indoor activity labels annotated by occupants. Therefore, environmentalists and ML enthusiasts can utilize this dataset to understand the complex patterns of the pollutants under different indoor activities, identify recurring sources of pollution, forecast exposure, improve floor plans and room structures of modern indoor designs, develop pollution-aware recommender systems, etc.
- Abstract（参考訳）: 近年、室内大気汚染は社会に重大な脅威をもたらしており、毎年320万人が命を落としている。
インドのような発展途上国は、知識の不足、規制の不十分、屋外の大気汚染などにより、毎日汚染物質に深刻な影響を受けている。
しかし、インドのような発展途上国が室内空気汚染がどう影響するかを理解するために、限られた研究しか行われていない。
このギャップを解消するために,夏と冬の6ヶ月間に30箇所の屋内から空気の質を時空間的に測定した。
この遺跡は、地方、郊外、都市という4つのタイプにまたがって地理的に位置しており、インドの典型的な低所得層と中所得層をカバーしている。
このデータセットには、様々な種類の屋内環境(例えば、スタジオのアパート、教室、研究所、食品缶詰、住宅など)が含まれており、発展途上国のユニークな汚染パターンに対処するためのデータ駆動学習モデル研究の基礎を提供することができる。
このユニークなデータセットは、データ収集中に電源障害やネットワークの停止によって欠落したデータを処理するための高度なデータクリーニングと計算技術を必要とする。
さらに,簡単な音声からテキストへの応用により,住民が注釈付けした屋内活動ラベルをリアルタイムに提供する。
そのため、環境学者やML愛好家は、このデータセットを利用して、異なる屋内活動下での汚染物質の複雑なパターンを理解し、汚染の繰り返し源の特定、暴露の予測、近代屋内デザインのフロアプランやルーム構造の改善、汚染に配慮したレコメンデーターシステムの開発などを行うことができる。
関連論文リスト
- Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
大気汚染は公衆衛生、特に都市部において重大な脅威となる。
本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2024-05-30T10:02:53Z) - 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) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - 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) - Air Pollution Hotspot Detection and Source Feature Analysis using
Cross-domain Urban Data [2.458537954999774]
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。
論文 参考訳（メタデータ） (2022-11-15T18:44:03Z) - 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) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - 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) - 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) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z)
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。