Mot kognitive og autonome smartby-tjenester: Et datasystem for raskere og nøyaktigere luftkvalitetsvarsling (AirQMAN)

Luftforurensning er et globalt problem med alvorlige konsekvenser for helse og velvære. Ifølge Verdens helseorganisasjon (WHO) er luftforurensning skyld i syv millioner dødsfall per år på verdensbasis. Med tanke på dette er det et klart behov for et luftkvalitetsstyringssystem (Air Quality Management System – AQMS) som kan gi luftkvalitetsinformasjon i høy oppløsning, både med hensyn til tid (innen få minutter) og rom (del av gate) til offentlige og andre relevante etater.

Systemet bør være situasjonsbetinget og støtte folk i å ta egne avgjørelser om hensiktsmessige luftkvalitetstiltak. Per i dag finnes det ikke noe AQMS som tilfredsstiller alle disse behovene.

Dette prosjektet tar sikte på å oppfylle disse behovene via en programvareløsning som tillater autonom og intelligent databehandling av luftkvalitet (AQ) fra skyen til flere nivåer av nettverksenheter mot kanten av nettverket (f.eks. switcher, rutere og embedded servere).

For å oppnå dette foreslår AirQMan en ny databehandlingsmodell som er i stand til å selvstendig bestemme den optimale AQ-databehandlingsflyten og de riktige opplærte maskinlæringsmodellene for å maksimere nøyaktigheten av en prediksjon for en AQ-forespørsel.

AirQMan inneholder også et databehandlingsrammeverk som avgjør den optimale distribusjonen av de nevnte databehandlingsplattformene. Dette gir effektiv beregning av maskinlæringsmodeller, samtidig som det tilfredsstiller kravene til nøyaktig luftkvalitetsprediksjon og informasjonsforsyning med kort ventetid.