İrem ERSİN, Savas SAHİN, Mehmet Uğur SOYDEMİR, Mehmet Samet HAKUT

Toplu Taşıma Araçlarında Hava Kalitesi İçin Nesnelerin İnterneti Tabanlı Veri Toplama Modülü Tasarım

Bu çalışmada, toplu taşıma araçlarında hava kalitesi analizi için Nesnelerin İnterneti ile kullanılarak ARM tabanlı bir veri toplama modülü tasarlanmaktadır. Tasarlanan modül, araçtaki sürücü bilgisayarı ile haberleşmektedir. Sıcaklık ve nem verilerini toplamak için TEMPerHUM USB Termometre Higrometre Sensörü ve PM2.5 ve PM10 sensörü olarak Dust Sensörü kullanılmaktadır. Bu sensörlerden elde edilen veriler RS-485 portu ile mikroişlemciye gönderilmketedir. Microsoft Azure Hub, mikroişlemciden gelen tüm verileri gerçek zamanlı olarak kaydetmek için kullanılmaktadır. Sıcaklık, nem ve PM verilerini oluşturan regresyon modellerini değerlendirmek için makine öğrenme algoritmaları kullanılmaktadır. Regresyon modelleri Python dilinde üretilmektedir. Farklı regresyon modelleri için R2 puanı ve RMSE sonuçları bulunmaktadır. Sonuçlar değerlendirilmekte ve temsil edilmektedir.

Anahtar Kelimeler:

Hava Kalitesi Analizi, Nesnelerin İnterneti, Makine Öğrenmesi

Internet of Things Based Data Acquisition Module Design for Air Quality in Public Transport Vehicles

In this study, an ARM-based data acquisition module is designed with the Internet of Things in public transportation vehicles for air quality analysis. The designed module communicates with the driver's computer in the vehicle. TEMPerHUM USB Thermometer Hygrometer Sensor is used to collect temperature and humidity data and a dust sensor is used as PM2.5 and PM10 sensors. The data obtained from these sensors are sent to the microprocessor with the RS-485 port. Microsoft Azure Hub is used to save all data from the microprocessor in real-time. Machine learning algorithms are used to evaluate regression models constituting the temperature, humidity, and PM data. Regression models are generated in the Python Language. Results of the R2 score and RMSE are found for the different regression models. The results are assessed and represented.

Keywords:

Air Quality Analysis, Internet of Things, Machine Learning. Air Quality Analysis, Internet of Things, Machine Learning,

PDF

___

Bowdalo, D., Petetin, H., Jorba Casellas, O., Guevara, M., Soret, A., Bojovic, D., ... & Pérez García-Pando, C. (2022). Compliance with 2021 WHO air quality guidelines across Europe will require radical measures. Environmental Research Letters (ERL), 17(2).
Pandey, P., Patel, D. K., Khan, A. H., Barman, S. C., Murthy, R. C., & Kisku, G. C. (2013). Temporal distribution of fine particulates (PM2. 5, PM10), potentially toxic metals, PAHs and Metal-bound carcinogenic risk in the population of Lucknow City, India. Journal of Environmental Science and Health, Part A, 48(7), 730-745.
Mihăiţă, A. S., Dupont, L., Chery, O., Camargo, M., & Cai, C. (2019). Evaluating air quality by combining stationary, smart mobile pollution monitoring and data-driven modelling. Journal of cleaner production, 221, 398-418.
Kingsy Grace, R., & Manju, S. (2019). A comprehensive review of wireless sensor networks based air pollution monitoring systems. Wireless Personal Communications, 108(4), 2499-2515.
Kumar, P., Morawska, L., Martani, C., Biskos, G., Neophytou, M., Di Sabatino, S., ... & Britter, R. (2015). The rise of low-cost sensing for managing air pollution in cities. Environment international, 75, 199-205.
Devarakonda, S., Sevusu, P., Liu, H., Liu, R., Iftode, L., & Nath, B. (2013, August). Real-time air quality monitoring through mobile sensing in metropolitan areas. In Proceedings of the 2nd ACM SIGKDD international workshop on urban computing (pp. 1-8).
Peci, A., Winter, A. L., Li, Y., Gnaneshan, S., Liu, J., Mubareka, S., & Gubbay, J. B. (2019). Effects of absolute humidity, relative humidity, temperature, and wind speed on influenza activity in Toronto, Ontario, Canada. Applied and environmental microbiology, 85(6), e02426-18. Budde, M., Schwarz, A. D., Müller, T., Laquai, B., Streibl, N., Schindler, G., ... & Beigl, M. (2018). Potential and limitations of the low cost SDS011 particle sensor for monitoring urban air quality. ProScience, 5, 6-12.