[論文レビュー] UAV Aided Aerial-Ground IoT for Air Quality Sensing in Smart City: Architecture, Technologies and Implementation

Zhiwen Hu, Zixuan Bai+4 more|arXiv (Cornell University)|Sep 11, 2018

Air Quality Monitoring and Forecasting参考文献 6被引用数 7

ひとこと要約

本論文は、スマートシティにおけるリアルタイムで詳細かつ省電力効率の良い大気質モニタリングを実現するため、UAVを支援とする空中・地上IoTシステムを提案する。空間適合、短期予測、最適化された配置戦略、および適応型電力制御を統合することで、北京大学および西安電子科技大学で2018年6月までに約100,000件の有効データサンプルを収集し、正確な3次元大気質マップを実現した。

ABSTRACT

As air pollution is becoming the largest environmental health risk, the monitoring of air quality has drawn much attention in both theoretical studies and practical implementations. In this article, we present a real-time, fine-grained and power-efficient air quality monitoring system based on aerial and ground sensing. The architecture of this system consists of four layers: the sensing layer to collect data, the transmission layer to enable bidirectional communications, the processing layer to analyze and process the data, and the presentation layer to provide graphic interface for users. Three major techniques are investigated in our implementation, given by the data processing, the deployment strategy and the power control. For data processing, spacial fitting and short-term prediction are performed to eliminate the influences of the incomplete measurement and the latency of data uploading. The deployment strategies of ground sensing and aerial sensing are investigated to improve the quality of the collected data. The power control is further considered to balance between power consumption and data accuracy. Our implementation has been deployed in Peking University and Xidian University since February 2018, and has collected about 100 thousand effective data samples by June 2018.

研究の動機と目的

• 都市環境における希薄で遅延が生じやすく、解像度が低い公式の大気質モニタリングシステムの限界を解消すること。
• 低コストIoTセンサの高密度ネットワークを用いて、詳細かつリアルタイムな3次元大気質マップを実現すること。
• バッテリ駆動の地上センサおよびUAVの厳しい電力制約下でもシステム性能を最適化すること。
• 適応型センシング間隔および飛行計画を通じて、データの正確性とエネルギー効率のバランスを取ること。
• リアルタイム可視化を備えた、実用的でスケーラブルなアーキテクチャをスマートシティ用途に開発すること。

提案手法

• センシング、送信、処理、表示の4層構造のシステムアーキテクチャを実装する。
• 空間適合を用いて、希少なセンサデータに基づき測定されていない位置の大気質を推定する。
• 歴史的データおよび天候状況を用いて短期予測を適用し、データ遅延を緩和する。
• 最適な空間的分布を確保するため、地上センサの配置戦略を設計する。
• 可変センシング間隔（6～12時間）およびホバリング時間（5秒）を用いたUAV飛行計画を最適化し、カバー範囲と電力消費のバランスを取る。
• 適応型電力制御を実装：大気質レベルに応じて、センシング／アップロード間隔（例：30分間のセンシング、60分間のアップロード）を調整することで、バッテリ寿命を延長する。

実験結果

リサーチクエスチョン

• RQ1 UAV支援の空中・地上IoTシステムは、都市環境においてどのようにリアルタイムかつ詳細な大気質モニタリングを実現できるか？
• RQ2 バッテリ制限のあるセンサネットワークにおいて、データ遅延および不完全な測定をどのように軽減できるか？
• RQ3 地上および空中センサはどのように配置すれば、空間的カバー範囲とデータ正確性を最大化できるか？
• RQ4 地上およびUAVベースのセンシングにおいて、電力消費とデータ精度の最適なトレードオフは何か？
• RQ5 空間適合および短期予測は、3次元大気質分布マップの正確性をどのように向上できるか？

主な発見

• 2018年6月までに、2つの大学キャンパスで合計約100,000件の有効データサンプルを収集した。
• 空間適合および短期予測は、不完全な測定およびデータアップロード遅延の影響を顕著に低減した。
• 標準的な地上センシング間隔30分およびアップロード間隔60分が、正確性とバッテリ寿命の実用的バランスを提供した。
• 6～12時間ごとの航空センシングは、コスト、カバー範囲、およびデータ正確性の妥当なトレードオフを提供した。
• 最適なUAVホバリング時間は約5秒であり、サンプリング誤差を最小限に抑えながら、測定可能な位置の数を最大化した。
• 電力制御戦略は、重要なデータ品質を損なわず、デバイスの寿命を著しく延長でき、長期的な展開を可能にした。