Tekoäly auttaa saamaan ilmanlaadusta tarkempaa tietoa

Helsingin yliopiston tutkijat ovat kehittäneet tavan saada tarkkaa tietoa ilmanlaadusta myös yksinkertaisilla, edullisilla mittalaitteilla. Uuden menetelmän ansiosta edullisia sensoreita voitaisiin hyödyntää paljon nykyistä laajemmin.

Maailman terveysjärjestö WHO arvioi, että ilmansaasteet aiheuttavat vuosittain seitsemän miljoonaa kuolemaa maailmanlaajuisesti. Siksi ilmanlaatua tarkkaillaan monin tavoin. Helsingin yliopiston SMEAR-asemien kaltaiset kiinteät mittauspisteet antavat luotettavia mittaustuloksia, mutta niissä käytettävät tekniikat ovat kalliita.

Kiinteiden mittauspisteiden lisäksi on yritetty kehittää edullisempia sensoreita, joita voitaisiin asentaa suuria määriä ympäri maailmaa. Edullisten sensorien avulla ilmanlaadusta olisi mahdollista saada paljon nykyistä laajempaa tietoa niin ajallisesti kuin maantieteellisesti.

– Edullisia sensoreita voi sijoittaa esimerkiksi toimistoihin tai julkisiin kulkuvälineisiin. Myös yksittäiset ihmiset voisivat hankkia itselleen edullisen sensorin mittaamaan elinpiirinsä ilmanlaatua. Kertyvät datamassat hyödyttäisivät kansanterveyden tutkimusta, kaupunkisuunnittelua ja ympäristön tutkimusta, kertoo tutkijatohtori Martha Arbayani Zaidan Helsingin yliopiston Ilmakehätieteiden keskus INARista.

Edullisten ilmanlaatusensorien ongelma on ollut, että niiden tuottama data ei ole aina tarpeeksi laadukasta. Tämän vuoksi tuloksia pitää jatkuvasti kalibroida ja verrata kiinteiden mittauspisteiden, kuten SMEAR-asemien tuloksiin. Tämä vie aikaa ja rahaa.

Edistynyttä tekniikkaa yksinkertaisiin sensoreihin

Helsingin yliopiston tutkijat esittävät ilmanlaatumittaukseen uutta, integroitua mallia. Siinä edullisiin sensoreihin yhdistetään tekniikkaa, jonka avulla niiden mittaustulokset alkavat vastata luotettavuudeltaan kiinteiden mittalaitteiden tuloksia.

Tämä tekniikka sisältää esimerkiksi automaattista mittaustarkkuuden säätöä tekoälymenetelmillä sekä erityisillä matemaattisilla malleilla, joita tutkijat kutsuvat virtuaalisensoreiksi.

– Käyttämiemme matemaattisten mallien avulla on mahdollista arvioida esimerkiksi mustan hiilen pitoisuuksia ympäristössä. Musta hiili on esimerkki ilmansaasteesta, jota yksinkertaiset sensorit eivät yleensä yksinään pysty mittaamaan. Sen pitoisuuksia voisi kuitenkin arvioida tekoälymenetelmien avulla, Zaidan sanoo.

Vertauspisteet Mäkelänkadulla ja Kumpulassa

Tutkijat testasivat menetelmäänsä vertaamalla neljän edullisen sensorin tuloksia kiinteiden mittalaitteiden tuloksiin kahdessa paikassa Helsingissä: Kumpulanmäellä sijaitsevalla, Helsingin yliopiston ja ilmatieteen laitoksen hallinnoimalla SMEAR-asemalla sekä Mäkelänkadulla sijaitsevalla Helsingin seudun ympäristöpalvelujen mittauspisteellä.

Tulosten ansiosta edullisia mittalaitteita on aiempaa helpompi käyttää itsenäisesti, ilman että niiden tuloksia pitää jatkuvasti verrata ja kalibroida mittauspisteiden tuloksiin.

Tutkijoiden esittämä menetelmä on toistaiseksi prototyyppi. Edullisten sensoreiden laajamittaisessa käytössä on yhä haasteita esimerkiksi internetyhteyksissä sekä sensoreiden energiansaannin järjestämisessä. Zaidan näkee edullisissa sensoreissa kuitenkin paljon mahdollisuuksia.

– Edullisista sensoreista saa esittämällämme menetelmällä kyllin laadukasta dataa. Menetelmämme ansiosta ilmanlaatua mittaavaa verkostoa olisi mahdollista laajentaa huomattavasti, ja kertyvää tietoa voidaan käyttää ihmisten hyväksi.

Tutkimus julkaistiin IEEE Sensors Journal -lehdessä.

Artikkeli:
M. A. Zaidan et al., Intelligent Calibration and Virtual Sensing for Integrated Low-Cost Air Quality Sensors, in IEEE Sensors Journal, doi: 10.1109/JSEN.2020.3010316.