相关实验视频
Updated: Sep 13, 2025
05:16
Flying Insect Detection and Classification with Inexpensive Sensors
Published on: October 15, 2014
25.3K
一个低成本的物联网传感器和初步的机器学习可行性研究,用于监测机内空气质量:阿尔马提的一个试点案例
Nurdaulet Tasmurzayev1,2,3, Bibars Amangeldy1,2,3, Gaukhar Smagulova1,4,5
1Institute of Combustion Problems, Almaty 050012, Kazakhstan.
Sensors (Basel, Switzerland)
|July 30, 2025
概括
乘客密度对阿拉木图的室内空气质量产生了重大影响.
科学领域:
- 环境科学 环境科学
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 城市公共交通空气质量对乘客健康至关重要.
- 阿尔马蒂公共交通的通风不良导致高的二氧化碳和PM2.5水平.
- 高度的污染物会导致呼吸道和心血管疾病的风险.
研究的目的:
- 调查阿尔马提公共交通中的空气质量 (CO2,PM2.5,PM10,温度,湿度).
- 根据乘客密度和每天的时间分析污染物波动.
- 评估机器学习模型来预测机内空气质量.
主要方法:
- 使用Tynys移动物联网设备持续监测空气质量.
- 对物联网设备与参考传感器进行基准校准.
- 机器学习模型 (物流回归,决策树,XGBoost,随机森林) 关于环境和占用数据的培训和验证.
主要成果:
- 乘客占用率是机内空气污染的主要驱动因素.
- XGBoost模型实现了最高的预测准确性 (91.25%).
- 高时间分辨率的数据显示,在高峰乘客时段,污染峰值出现.
结论:
- 改善阿尔马蒂公共交通中的通风对于公共卫生至关重要.
- 机器学习模型有效地捕捉了复杂的环境变量关系.
- 低成本的物联网和数据分析为保护城市移动健康提供了实际解决方案.
