Забруднення повітря на нашій планеті становить все більш серйозну проблему не лише для навколишнього середовища, а й для здоров'я людей. Згідно зі звітом Всесвітньої організації охорони здоров'я (ВООЗ), забруднення повітря є одним з найбільш значущих екологічних факторів, які впливають на здоров'я людей та навколишнє середовище [1]. Тому важливо розробити систему контролю якості повітря, яка буде здатна виявляти та прогнозувати інциденти забруднення повітря в режимі реального часу. В цьому напрямку особливо важливе значення має використання хмарних сервісів, таких як Microsoft Azure, які дозволяють створювати гнучкі та масштабовані рішення для роботи з великими обсягами даних.
Для початку розглянемо питання, чому варто використовувати хмарні сервіси для контролю якості повітря, і які інструменти та сервіси Microsoft Azure можуть бути застосовані для цієї мети. За допомогою таких служб, як Azure IoT Hub, можна організувати збір даних з різних датчиків якості повітря, при цьому забезпечуючи надійне та безпечне підключення пристроїв [2]. Для обробки, аналізу та зберігання даних можна використати Azure Data Factory та Azure Blob Storage, що дозволяє добиватися гнучкого управління та оптимального зберігання даних, які отримуються від датчиків [3,5]. У свою чергу, сервіс Azure Data Lake дозволяє зберігати, обробляти та аналізувати будь-які дані з будь-якої джерела у масштабі підприємства [4]. Дані про якість повітря можна візуалізувати за допомогою служби Power BI Embedded, що гарантує наглядність та доступність інформації для користувачів системи контролю [6].
Архітектурне рішення для системи контролю якості повітря на основі Azure базується на використанні IoT пристроїв для збору даних про якість повітря, що потім надсилаються на платформу Azure. Другим застосуванням TensorFlow Lite пристроїв може бути побудова передбачень моделей базуюваних на даних з частки PM2.5 та PM10. Для зберігання та аналізу даних застосовуються результати обробки сигналу PM2.5 та сигналу PM10. Результати обробки сигналів можуть передаватися на аналіз завдяки API-запитам. Зібрані дані можуть бути перетворені на структуровані дані за допомогою сервісів Azure Data Factory та Azure Blob Storage [3,5]. Після цього, можливість прогнозування поведінки PM2.5 та PM10 в майбутньому може бути оцінено та оптимізовано для кращої корекції даних. Нарешті, система передбачення може продемонструвати свою ефективність завдяки методам, які передбачають часові ряди або машинне навчання методи.
Програмне забезпечення для системи контролю якості повітря включає в себе розділ, присвячений роботі з Azure IoT Hub для збору даних з датчиків якості повітря [2]. Також, програмне забезпечення інтегрується з такими сервісами, як Azure Data Factory, Azure Data Lake, Azure Blob Storage та іншими для обробки та аналізі дані [3-5]. Відповідно до потреб системи, можна вибрати різноманітні мови програмування та технології розробки для створення програмного забезпечення. Окрім того, система передбачає реалізацію різних модулів, придатних для моніторингу, аналізу та оцінки якості повітря в режимі реального часу.
У процесі впровадження та тестування системи контролю якості повітря на основі Azure слід проаналізувати ряд питань. Спочатку потрібно розглянути підготовку до впровадження та організацію процесу впровадження. Наступним кроком є розгортання інфраструктури Azure, включаючи Azure IoT, Data Factory, Data Lake, Blob Storage та інші сервіси, які мають бути використані для роботи з датчиками якості повітря. У процесі тестування системи рекомендується перевірити її роботу з різними видами забруднення повітря та кількістю датчиків, що використовуються для збору даних. Також необхідно перевірити точність системи передбачення інцидентів забруднення повітря з використанням машинного навчання та розумного аналізу даних.
Список використаних джерел:
1.Режим доступу: https://www.who.int/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-and-health
2.Режим доступу: https://azure.microsoft.com/en-us/services/iot-hub/
3.Режим доступу: https://azure.microsoft.com/en-us/services/data-factory/
4.Режим доступу: https://azure.microsoft.com/en-us/services/storage/data-lake-storage/
5.Режим доступу: https://azure.microsoft.com/en-us/services/storage/blobs/
6.Режим доступу: https://powerbi.microsoft.com/en-us/power-bi-embedded/
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter