論文の概要: IoT- and AI-informed urban air quality models for vehicle pollution monitoring
- arxiv url: http://arxiv.org/abs/2511.00187v1
- Date: Fri, 31 Oct 2025 18:47:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.660261
- Title: IoT- and AI-informed urban air quality models for vehicle pollution monitoring
- Title（参考訳）: 自動車汚染モニタリングのためのIoTおよびAIによる都市大気質モデル
- Authors: Jan M. Armengol, Vicente Masip, Ada Barrantes, Gabriel M. Beltrami, Sergi Albiach, Daniel Rodriguez-Rey, Marc Guevara, Albert Soret, Eduardo Quiñones, Elli Kartsakli,
- Abstract要約: バルセロナのアイサンプル地区の道路交差点にパイロットを配置する。
このシステムは動的交通条件と環境変数を捕捉し、エッジで処理し、リアルタイムデータを高速コンピューティング(HPC)シミュレーションパイプラインに供給する。
大気中の二酸化窒素(NO2)の測定結果について検証した。
この研究は、都市汚染監視のためのスケーラブルで適応的でプライバシを重視したソリューションを示し、次世代のIoT駆動環境インテリジェンスの基礎を確立する。
- 参考スコア（独自算出の注目度）: 0.4893529843295925
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the rise of intelligent Internet of Things (IoT) systems in urban environments, new opportunities are emerging to enhance real-time environmental monitoring. While most studies focus either on IoT-based air quality sensing or physics-based modeling in isolation, this work bridges that gap by integrating low-cost sensors and AI-powered video-based traffic analysis with high-resolution urban air quality models. We present a real-world pilot deployment at a road intersection in Barcelona's Eixample district, where the system captures dynamic traffic conditions and environmental variables, processes them at the edge, and feeds real-time data into a high-performance computing (HPC) simulation pipeline. Results are validated against official air quality measurements of nitrogen dioxide (NO2). Compared to traditional models that rely on static emission inventories, the IoT-assisted approach enhances the temporal granularity of urban air quality predictions of traffic-related pollutants. Using the full capabilities of an IoT-edge-cloud-HPC architecture, this work demonstrates a scalable, adaptive, and privacy-conscious solution for urban pollution monitoring and establishes a foundation for next-generation IoT-driven environmental intelligence.
- Abstract（参考訳）: 都市環境におけるインテリジェントなIoT(Internet of Things)システムの台頭により、リアルタイム環境監視を強化する新たな機会が生まれている。
ほとんどの研究は、IoTベースの空気質検知や物理ベースの個別のモデリングに重点を置いているが、この作業は、低コストのセンサーとAIを使ったビデオベースのトラフィック分析と高解像度の都市大気質モデルを統合することでギャップを埋める。
バルセロナのEixample地区の道路交差点において,動的な交通条件や環境変数を捕捉し,エッジで処理し,リアルタイムデータを高速コンピューティング(HPC)シミュレーションパイプラインに供給する,実世界のパイロット展開を提案する。
結果は、二酸化窒素(NO2)の空気品質の公式測定に対して検証される。
静電放出在庫に依存する従来のモデルと比較して、IoT支援アプローチは交通関連汚染物質の都市大気質予測の時間的粒度を高める。
この研究は、IoT-edge-cloud-HPCアーキテクチャの全機能を利用して、都市汚染監視のためのスケーラブルで適応的でプライバシを重視したソリューションを示し、次世代のIoT駆動環境インテリジェンスの基礎を確立します。
関連論文リスト
- Forecasting and Visualizing Air Quality from Sky Images with Vision-Language Models [0.4317207251910848]
大気汚染は公衆衛生と環境の持続可能性にとって重要な脅威である。
本稿では,スカイイメージから環境大気汚染レベルを予測するAI駆動エージェントを提案する。
提案手法は, 統計的テクスチャ解析と教師あり学習を組み合わせた汚染分類手法である。
論文 参考訳（メタデータ） (2025-09-18T15:36:38Z) - CityAQVis: Integrated ML-Visualization Sandbox Tool for Pollutant Estimation in Urban Regions Using Multi-Source Data (Software Article) [1.108292291257035]
CityAQVisは、地上の汚染物質濃度を予測し視覚化するために設計された、インタラクティブな機械学習サンドボックスツールである。
その結果,MLによる視覚分析が,状況認識を改善し,品質管理におけるデータ駆動による意思決定を支援する可能性を強調した。
論文 参考訳（メタデータ） (2025-09-13T18:16:29Z) - Deep Reinforcement Learning for Urban Air Quality Management: Multi-Objective Optimization of Pollution Mitigation Booth Placement in Metropolitan Environments [0.0]
都市大気汚染は、特にデリーのような人口密度が高く交通量の多い地域では、世界規模で懸念されている。
本研究では, 空気浄化ブースの設置を最適化するための新しい深層強化学習フレームワークを提案する。
我々は、最先端の強化学習アルゴリズムであるPPO(Proximal Policy Optimization)を反復的に学習し、高い影響のある場所を特定します。
論文 参考訳（メタデータ） (2025-05-01T17:19:48Z) - Air Quality Prediction with A Meteorology-Guided Modality-Decoupled Spatio-Temporal Network [47.699409089023696]
大気質の予測は公衆衛生と環境保護において重要な役割を担っている。
既存の研究は大気の質予測において重要な役割を過小評価している。
MDSTNetは、予測のための大気汚染依存性を明示的にキャプチャするエンコーダフレームワークである。
ChinaAirNetは、大気の質記録と多気圧レベルの気象観測を組み合わせた最初のデータセットである。
論文 参考訳（メタデータ） (2025-04-14T09:18:11Z) - Developing Gridded Emission Inventory from High-Resolution Satellite Object Detection for Improved Air Quality Forecasts [1.4238093681454425]
本研究では, 気象研究・予測モデルと化学(WRF Chem)を併用した, ダイナミックなAIベースの排出在庫システム構築のための革新的なアプローチを提案する。
このシステムは、エミッション推定において前例のない時間的および空間的な解決を提供し、より正確な短期的な空気質予測と都市エミッションのダイナミクスに関する深い洞察を促進する。
今後の研究は、システムの能力を非車両に拡張し、環境条件に挑戦する際の検出精度をさらに向上することに焦点を当てる。
論文 参考訳（メタデータ） (2024-10-14T01:32:45Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - 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 Route Recommendation for an Intelligent Waste Management
System [61.04795047897888]
本研究は, 空間制約を考慮したIoT対応廃棄物管理システムにおいて, 経路推薦のためのインテリジェントなアプローチを提案する。
我々のソリューションは、ビンの状態と座標を考慮に入れた複数レベルの意思決定プロセスに基づいている。
論文 参考訳（メタデータ） (2022-01-01T12:36:22Z) - AirSPEC: An IoT-empowered Air Quality Monitoring System integrated with
a Machine Learning Framework to Detect and Predict defined Air Quality
parameters [0.0]
機械学習モデルにより実装が容易で、セマンティックに配布され、権限を与える新しいモノのインターネットフレームワークが提案されている。
提案システムは,一次センサデータを処理,可視化,保存するNodeREDダッシュボードを備えている。
ダッシュボードは、時間的および地理空間的な空気質予測を得るために、機械学習モデルと統合されている。
論文 参考訳（メタデータ） (2021-11-28T12:13:30Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - 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。