論文の概要: Integrating mobile and fixed monitoring data for high-resolution PM2.5 mapping using machine learning

• arxiv url: http://arxiv.org/abs/2503.12367v1
• Date: Sun, 16 Mar 2025 05:49:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 14:56:57.873724
• Title: Integrating mobile and fixed monitoring data for high-resolution PM2.5 mapping using machine learning
• Title（参考訳）: 機械学習を用いた高分解能PM2.5マッピングのためのモバイルおよび固定モニタリングデータの統合
• Authors: Rui Xu, Dawen Yao, Yuzhuang Pian, Ruhui Cao, Yixin Fu, Xinru Yang, Ting Gan, Yonghong Liu,
• Abstract要約: 本研究は,320台のタクシー搭載移動体低コストセンサと52台の固定監視ステーションからPM2.5データを統合した。 その結果,500mの空間分解能と5分間の時間分解能が得られた。 これらの結果は,高解像度空気質マッピングのための大規模移動型低コストセンサネットワークの可能性を示している。
• 参考スコア（独自算出の注目度）: 6.294239454535077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constructing high resolution air pollution maps at lower cost is crucial for sustainable city management and public health risk assessment. However, traditional fixed-site monitoring lacks spatial coverage, while mobile low-cost sensors exhibit significant data instability. This study integrates PM2.5 data from 320 taxi-mounted mobile low-cost sensors and 52 fixed monitoring stations to address these limitations. By employing the machine learning methods, an appropriate mapping relationship was established between fixed and mobile monitoring concentration. The resulting pollution maps achieved 500-meter spatial and 5-minute temporal resolutions, showing close alignment with fixed monitoring data (+4.35% bias) but significant deviation from raw mobile data (-31.77%). The fused map exhibits the fine-scale spatial variability also observed in the mobile pollution map, while showing the stable temporal variability closer to that of the fixed pollution map (fixed: 1.12 plus or minus 0.73%, mobile: 3.15 plus or minus 2.44%, mapped: 1.01 plus or minus 0.65%). These findings demonstrate the potential of large-scale mobile low-cost sensor networks for high-resolution air quality mapping, supporting targeted urban environmental governance and health risk mitigation.
• Abstract（参考訳）: 高解像度大気汚染マップを低コストで構築することは、持続可能な都市管理と公衆衛生リスク評価に不可欠である。 しかし、従来の固定位置モニタリングでは空間的カバレッジが欠如しており、モバイルの低コストセンサーはデータの不安定さを顕著に示している。 本研究は,320台のタクシー搭載移動体低コストセンサと52台の固定監視ステーションのPM2.5データを統合して,これらの制約に対処する。 機械学習手法を用いることで,固定濃度と移動濃度との適切なマッピング関係が確立された。 結果として得られた汚染マップは500メートルの時間分解能と5分間の時間分解能を達成し、固定された監視データ(+4.35%のバイアス)と密接な一致を示したが、生のモバイルデータ(-31.77%)からはかなり逸脱した。 融合マップは、固定された公害マップのそれに近い時間変動(固定:1.12プラスまたはマイナス0.73%、移動:3.15プラスまたはマイナス2.44%、地図:1.01プラスまたはマイナス0.65%)を示すとともに、移動公害マップで観測される空間変動の微細化を示す。 これらの結果は,高解像度空気質マッピングのための大規模移動型低コストセンサネットワークの可能性を示し,都市環境管理と健康リスク軽減を支援した。

関連論文リスト

• STeP-Diff: Spatio-Temporal Physics-Informed Diffusion Models for Mobile Fine-Grained Pollution Forecasting [42.05696072296056]
  大気汚染予測は、都市管理と健全な建物の開発に不可欠である。 車やバスなどのモバイルプラットフォームにポータブルセンサーをデプロイすることで、低コストで、メンテナンスが容易で、広範なデータ収集ソリューションを提供する。 これらの非専用モバイルプラットフォームのランダムかつ制御不能な動きパターンのため、結果として得られるセンサデータは不完全であり、時間的に矛盾することが多い。
  論文  参考訳（メタデータ） (2025-12-04T02:17:19Z)
• A comparison between geostatistical and machine learning models for spatio-temporal prediction of PM2.5 data [0.0]
  PM2.5$の高濃度への曝露は、呼吸や心血管系病院の入院の増加、救急部門の訪問や死亡の増大と関係している。 伝統的な空気質監視システムは、空間的および時間的データに制限がある。 低コストセンサーの出現により、空気品質データの粒度が劇的に向上し、リアルタイムで高解像度なモニタリングが可能になった。 この研究は、PurpleAirセンサーからの広範なデータを利用して、カリフォルニア州全体で正確な時間ごとのPM$_2.5$マップの作成において、様々な統計モデルと機械学習モデルの有効性を評価し、比較する。
  論文  参考訳（メタデータ） (2025-09-15T15:32:57Z)
• Adapting Vehicle Detectors for Aerial Imagery to Unseen Domains with Weak Supervision [46.87579355047397]
  本稿では,高品質な空中画像とそのラベルを生成AIで合成する手法を提案する。 私たちの重要な貢献は、多段階のマルチモーダルな知識伝達フレームワークの開発です。
  論文  参考訳（メタデータ） (2025-07-28T16:38:06Z)
• Learning Traffic Anomalies from Generative Models on Real-Time Observations [49.1574468325115]
  トラフィックデータの複雑な空間的および時間的依存関係をキャプチャするために,時空間生成適応ネットワーク(STGAN)フレームワークを用いる。 スウェーデンのヨーテボリで2020年に収集された42台の交通カメラから、STGANをリアルタイムで分単位でリアルタイムで観測する。 その結果, 精度が高く, 偽陽性率の低い交通異常を効果的に検出できることが示唆された。
  論文  参考訳（メタデータ） (2025-02-03T14:23:23Z)
• Deep Self-Supervised Disturbance Mapping with the OPERA Sentinel-1 Radiometric Terrain Corrected SAR Backscatter Product [41.94295877935867]
  地表面の乱れのマッピングは、災害対応、資源と生態系の管理、気候適応の取り組みを支援する。 合成開口レーダ(SAR)は、気象や照明条件に関わらず、地上の連続した時系列画像を提供する、外乱マッピングのための貴重なツールである。 NASAのRemote Sensing Analysis (OPERA)プロジェクトは2023年10月にSentinel-1 (RTC-S1)データセットからほぼグローバルな測地線補正SAR後方散乱器をリリースした。 本研究では,地表面の乱れを体系的に解析するために,この新たなデータセットを利用する。
  論文  参考訳（メタデータ） (2025-01-15T20:24:18Z)
• Comparative Analysis of Machine Learning-Based Imputation Techniques for Air Quality Datasets with High Missing Data Rates [11.458531729724191]
  都市汚染は深刻な健康リスクをもたらし、特に交通関連の大気汚染は、多くの都市で大きな問題となっている。 この研究は、データレートの低いデータセットを処理するための洞察を提供することを目的としている。 アンサンブル法,深層学習モデル,拡散モデルなど,様々な計算・予測手法を評価・比較した。
  論文  参考訳（メタデータ） (2024-12-18T15:45:08Z)
• Deep Learning Enhanced Road Traffic Analysis: Scalable Vehicle Detection and Velocity Estimation Using PlanetScope Imagery [38.22365259129059]
  本稿では,PlanetScope SuperDove衛星画像を用いて車両の速度を推定する手法を提案する。 本稿では,RGB帯における車両軌跡追跡のためのキーポイントR-CNNモデルを提案する。 ドローン比較の結果、衛星データの平均速度は112.85km/h、ドローン映像の平均速度は131.83km/hと過小評価されている。
  論文  参考訳（メタデータ） (2024-10-04T18:14:07Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
  英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。 欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。 このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
  論文  参考訳（メタデータ） (2024-01-16T18:03:07Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• 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)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• 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)
• 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)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• Analytical Equations based Prediction Approach for PM2.5 using Artificial Neural Network [0.0]
  粒子状物質(PM2.5)は大気質指数(AQI)を測定する重要な粒子状汚染物質の一つである。 PM2.5をモニターするために空気質監視局が使用する従来の機器は、コストが高く、かさばる、時間を消費し、電力を消費する。 本稿では,ニューラルネットワーク(ANN)を用いたPM2.5の解析式に基づく予測手法を提案する。
  論文  参考訳（メタデータ） (2020-02-26T11:39:18Z)

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。