利用大数据来应对城市空气污染

 

Public Website: http://urbanair.msra.cn/

项目简介:空气质量信息对控制污染和保护人们身体健康有着重要的意义。很多城市都开始建地面空气监测站来实时感知地面的空气质量。

1)实时细粒度空气质量分析: 由于监测站的建设和维护成本高昂,一个城市通常只有有限个站点,并不能完全覆盖整个城市的范围。然而,受地表植被、交通流量、楼房密度和气象条件等各种复杂因素的影响,城市中不同地域的空气质量差异显著。因此,有限站点的读数并不能反映整个城市的空气污染情况,比如,当前位置恰好没有站点,我们就不知道他的空气污染状况。为解决这个问题,我们利用已有空气质量监测站点读数,结合气象、交通流、路网和兴趣点等多种数据源来实时分析细粒度的空气质量。该细粒度信息可指导人们出行,并为进一步研究空气污染根源提供基础。

 

论文:

[1] Yu Zheng, Furui Liu, Hsun-Ping Hsie. U-Air: When Urban Air Quality Inference Meets Big Data. 19th SIGKDD conference on Knowledge Discovery and Data Mining (KDD 2013).

[2] Yu Zheng, Xuxu Chen, Qiwei Jin, Yubiao Chen, Xiangyun Qu, Xin Liu, Eric Chang, Wei-Ying Ma, Yong Rui, Weiwei Sun. A Cloud-Based Knowledge Discovery System for Monitoring Fine-Grained Air Quality. MSR-TR-2014-40.

 

2)空气质量预测:城市各个地区未来空气质量如何也将影响政府的决策和人们的出行。该项目的第二个目标便是预测各个空气质量监测站点的未来48小时空气质量。该预报可以每小时更新,并可细化到站点级别的预测。其中前六小时可以做逐小时预报,7-12,12-24,25-48小时做一个最大-最小范围预报。

 

 

论文:

[1] Yu Zheng, Xiuwen Yi, Ming Li, Ruiyuan Li, Zhangqing Shan, Eric Chang, Tianrui Li. Forecasting Fine-Grained Air Quality Based on Big Data. In the Proceeding of the 21th SIGKDD conference on Knowledge Discovery and Data Mining (KDD 2015).

 

3)新站点选址:如果我们有一笔新的经费可以再建设几个空气质量监测站点,把这些站点建在哪里可以使得对整个城市空气质量监控的效果最好呢?该研究利用大数据分析的方法,为新建站点选择最佳的位置。

 

论文:

[1] Hsun-Ping Hsieh*, Shou-De Lin, Yu Zheng. Inferring Air Quality for Station Location Recommendation Based on Big Data. In the Proceeding of the 21th SIGKDD conference on Knowledge Discovery and Data Mining (KDD 2015).

 

 

 

基于大数据的城市噪音诊断

 

项目简介:城市的发展带来了很多噪音源,如汽车鸣笛、酒吧和建筑施工等。这些噪音不仅会影响人的睡眠质量、降低工作效率,还会对人体的精神和健康产生危害。应对城市噪音污染首先要了解整个城市的噪音状况和噪音构成。但对整个城市的噪音建模却非常困难。首先,噪音随时间变化很快,随空间变化剧烈。要监控细粒度的城市噪音需要安装数百万声学传感器,这种做法很不现实。此外,噪音污染的衡量不仅仅取决于噪音的强弱(分贝数),还取决于人们对噪音的容忍度,而后者会随着时间的变化而变化。再者,噪音通常是多种声音源的混合体。单纯的传感器数据只能反应声音的强弱,却不能解析噪音的构成。本项目利用纽约市民对噪音的抱怨数据(311数据),将人作为一个智能传感器,以群体感知的方式,并结合路网数据、兴趣点数据和社交媒体中的签到数据来协同分析各个区域在不同时间段和噪音类别上的污染指数。有了这样细粒度的噪音指数,我们可以理解城市中各个区域的噪音状况,并诊断噪音构成。

 

 

论文:

[1] Yu Zheng, Tong Liu, Yilun Wang, Yanchi Liu, Yanmin Zhu, Eric Chang. Diagnosing New York City’s Noises with Ubiquitous Data. In Proceedings of the 16th ACM International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp 2014).

[2] Tong Liu, Yu Zheng, Lubin Liu, Yanchi Liu, Yanmin Zhu. Methods for Sensing Urban Noises. MSR-TR-2014-66, May 2014.

[3] Yilun Wang, Yu Zheng, Tong Liu. A Noise Map of New York City. In Proc. of Ubicomp 2014, Demo.

 

 

 

城市管网水质预测

 

该项目利用城市管网中有限的水质传感器数据和流量数据,结合气象、地理信息和管网结构等多源数据来预测各个测点未来12小时内的水质变化。该预测信息可以帮助自来水厂及时、准确调节出厂水质中的各项指标,保证人们的用水安全。但预测与实际值差别很大时,可能预示着管网出现了某种问题。

 

论文:

[1] Ye Liu, Yu Zheng, Yuxuan Liang, Shuming Liu, David S. Rosenblum, Urban Water Quality Prediction based on Multi-task Multi-view Learning , in Proceedings of the 25th International Joint Conference on Artificial Intelligence (IJCAI 2016)