環境物聯網數據分析

透過人工智慧技術,
找出污染排放潛勢區位


傳統上空污管制大多透過宣導或是制定排放量的方式進行,但隨著新興技術的興起,環保署建構了人工智慧加上空氣污染的大數據技術,除了能夠更精準鎖定排放來源之外,也能建立空污排放數據模型,全自動進行空氣污染的預測、推估、告警等等,讓相關空污稽查人員從過去被動式參與、單方面的接受報告結果,到現在可主動出擊,事半功倍有效率地查處污染。

伴隨著環境物聯網的佈建,除了可收集到更細緻的環境數據,更可透過人工智慧演算法,找出影響空氣品質的關鍵因子,並依據專家經驗建立模型,建立異常狀況的全自動判斷,推送重要資訊供智慧稽查之用。

環境感測物聯網人工智慧分析技術
主要導入三大智慧化服務

Responsive image

技術1:空污潛勢區位分析

Air Pollution Trend Analysis

Responsive image
IOT 感測器不管在時間或是空間上都提升了資料收集的密度,然而每一臺 IOT 感測器皆為獨立裝置,而空氣則是流動的,依靠單臺感測器所獲得的數據將會遇到資料分析的限制,較難建構更全面的網狀分析觀點。

『空污潛勢區位分析』,透過 Data Fusion 的數據融合方法,當某 IOT感測器偵測到的數值異常超標,其受覆蓋的可疑潛勢區位就會累加可疑潛勢分數,後續可整合空污潛勢區位與人類判讀,標記污染熱區,找到最可疑的排放區域。
Responsive image

技術2:重大空污事件分析

Air Pollution Event Analysis

空污事件零星且眾多,且污染排放的時間因素大,越是近期的數據越有代表性,數據的重複跡象也能協助判斷慣犯與規律性,但傳統方法能夠依賴大量人力分析,取得的資訊有限,也較難串連出行為慣性。

『重大空污事件分析』藉由IOT污染數據的累計,全自動彙整週間污染的時空間特性,分析『哪個區間、星期幾、幾點』等等污染事件資訊,可自動計算相關污染事件,並在數據平台上做出提示,讓現場勘查人員能夠更快取得事件資訊,透過高效率智慧稽查,提升稽查效率和破案績效。
Responsive image
Responsive image

技術3 :空污足跡重現地圖

Air Pollution Footprint Map

Responsive image
空污事件零星且眾多,數據變化非常快速,即使是重大空污事件,也很難被判斷出來,更難以標記其發生的時間與地點,所以空污事件的一大挑戰,是針對特定排放行為進行舉證,由於空氣污染源會隨著風向四處飄散,狀態改變非常快速,過去技術難以還原當時排放的狀況,造成舉證困難。

『空污足跡重現地圖』的技術結合空污數據、地理資訊、時間資訊、風向數據、風速數據等等進行視覺化數據還原,用視覺回推當時空污飄散狀況,再結合時間軸調整功能,可動態切換檢視特定時間區段,模擬當時污染熱區和排放潛勢。
行政院環保署版權所有 © 2017