論文の概要: Use of Air Quality Sensor Network Data for Real-time Pollution-Aware POI Suggestion

• arxiv url: http://arxiv.org/abs/2502.09155v2
• Date: Wed, 05 Mar 2025 07:48:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 17:18:40.483167
• Title: Use of Air Quality Sensor Network Data for Real-time Pollution-Aware POI Suggestion
• Title（参考訳）: 空気質センサネットワークデータを用いたリアルタイム汚染対応POIの提案
• Authors: Giuseppe Fasano, Yashar Deldjoo, Tommaso di Noia, Bianca Lau, Sina Adham-Khiabani, Eric Morris, Xia Liu, Ganga Chinna Rao Devarapu, Liam O'Faolain,
• Abstract要約: 本論文では,POIのリアルタイムな汚染対応レコメンデーションを提供するプライバシ保護モバイルアプリであるAirSense-Rを紹介する。 AirSenceセンサーネットワークからのライブの空気質データをユーザの好みと組み合わせることで、このシステムは健康に配慮した意思決定を可能にする。
• 参考スコア（独自算出の注目度）: 10.782779065468558
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This demo paper introduces AirSense-R, a privacy-preserving mobile application that delivers real-time, pollution-aware recommendations for urban points of interest (POIs). By merging live air quality data from AirSENCE sensor networks in Bari (Italy) and Cork (Ireland) with user preferences, the system enables health-conscious decision-making. It employs collaborative filtering for personalization, federated learning for privacy, and a prediction engine to detect anomalies and interpolate sparse sensor data. The proposed solution adapts dynamically to urban air quality while safeguarding user privacy. The code and demonstration video are available at https://github.com/AirtownApp/Airtown-Application.git.
• Abstract（参考訳）: このデモペーパーでは、プライバシー保護のモバイルアプリであるAirSense-Rを紹介し、都市における関心事(POI)について、リアルタイムで汚染を意識したレコメンデーションを提供する。 バリ(イタリア)とコルク(アイルランド)のAirSenceセンサーネットワークからのライブの空気品質データをユーザの好みと組み合わせることで、このシステムは健康に配慮した意思決定を可能にする。 パーソナライズのための協調フィルタリング、プライバシのためのフェデレーション学習、異常を検出してスパースセンサーデータを補間する予測エンジンを採用している。 提案手法は,ユーザのプライバシを保護しながら,都市空気質に動的に適用する。 コードとデモビデオはhttps://github.com/AirtownApp/Airtown-Application.gitで公開されている。

関連論文リスト

• AirCast: Improving Air Pollution Forecasting Through Multi-Variable Data Alignment [46.56288727659417]
  大気汚染は、急速な工業化と都市化によって悪化する世界的な健康リスクの先駆けである。 本稿では,新しい多変量大気汚染予測モデルであるAirCastを紹介する。 AirCastは、大気条件と汚染物質濃度を同時に予測するマルチタスクヘッドアーキテクチャを採用している。
  論文  参考訳（メタデータ） (2025-02-25T07:34:18Z)
• AirTOWN: A Privacy-Preserving Mobile App for Real-time Pollution-Aware POI Suggestion [14.990257803108625]
  Airtown(エアタウン)は、都市環境における関心点(POI)のリアルタイムかつ汚染に配慮したレコメンデーションを提供するモバイルアプリケーションである。 リアルタイム空気質指標(AQI)データをユーザの好みと組み合わせることで,訪問先に関する健康志向の意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2025-01-23T12:28:22Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• 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)
• AIREX: Neural Network-based Approach for Air Quality Inference in Unmonitored Cities [0.491574468325115]
  監視局は、継続的に空気の質に関する情報を取得するために設置されているが、すべての地域をカバーするわけではない。 既存の方法は、監視対象都市のみの空気質を推定することを目的としており、監視対象都市では空気質を推定しない。 本研究では,未モニタリング都市における大気質を正確に推定するためのニューラルネットワークベースのアプローチAIREXを提案する。
  論文  参考訳（メタデータ） (2021-08-16T14:41:14Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• 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)
• AiR -- An Augmented Reality Application for Visualizing Air Pollution [5.564705758320338]
  AiRは、CPCBが測定した空気質を、ユーザーのGPSによって検出された局地性、またはユーザの選択した局地性において考慮し、その局地性に存在する様々な大気汚染物質を可視化する。 AiRはまた、異なる汚染物質、ソース、およびそれらが健康に与える影響について、対話的に認識する。
  論文  参考訳（メタデータ） (2020-06-03T10:03:47Z)

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。