[論文レビュー] Urban Healthcare Big Data System Based on Crowdsourced and Cloud-Based Air Quality Indicators

Min Chen, Jun Yang+3 more|arXiv (Cornell University)|Oct 25, 2018

Air Quality Monitoring and Forecasting参考文献 9被引用数 8

ひとこと要約

本稿では、クラウドソーシングおよびIoTベースの大気質データとウェアラブルセンサーからの生理的信号を統合する都市型ヘルスケアビッグデータシステム、UH-BigDataSysを提案する。エッジ・クラウド処理と機械学習モデルを用いて、PM2.5、NO2、O3など複数の空気質指標と、心拍数、血中酸素濃度、心電図などのリアルタイム健康指標を統合することで、呼吸器疾患、屋外活動、睡眠の質に関するパーソナライズドな健康アドバイスを可能にする。

ABSTRACT

The ever-accelerating process of globalization enables more than half the population to live in cities. Thus, the air quality in cities exerts critical influence on the health status of more and more urban residents. In this article, based on urban air quality data collected through meteorological sites, mobile crowdsourcing, and IoT sensing, along with users' body signals, we propose an urban healthcare big data system named UH-BigDataSys. In this article, we first introduce a method of integrating multi-source air quality data for the data preparation of artificial-intelligence-based smart urban services. Then a testbed of UH-BigDataSys is set up with the deployment of air-quality-aware healthcare applications. Finally, we provide health guidance for urban residents in aspects of respiratory diseases, outdoor travel, sleep quality, and so on. The ultimate goal of UH-BigDataSys is for urban residents to lead healthier lives.

研究の動機と目的

• モバイルクラウドソーシングとIoTセンシングを活用することで、従来の気象学的空気質モニタリングの空間的・時間的分解能の限界を解消する。
• 固定観測所、モバイルデバイス、スマートウェアラブル機器などの複数ソースのデータ統合により、空気質指数（AQI）推定の精度と粒度を向上させる。
• 局所的な汚染レベルと連携したリアルタイムの生理的データ（例：心電図、心拍数、体表面温度）の統合により、パーソナライズドな健康モニタリングを実現する。
• 呼吸器疾患、屋外活動、睡眠の質に対する実行可能な健康ガイダンスを提供するクラウドベースの都市型ヘルスケアシステムを構築する。
• 実世界の都市センシングおよび健康分析シナリオにおけるシステムの性能を検証するためのテストベッドを構築する。

提案手法

• 固定気象観測所、スマートフォンを用いたモバイルクラウドソーシング、埋め込みセンサー（例：NTC熱抵抗素子による温度、心電図/筋電図センサー）を備えたIoT対応スマートウェアラブル衣料品を用いた、複数ソースのデータ収集フレームワークを展開する。
• エッジ・クラウドアーキテクチャを実装し、多様なソースからのデータを統合して、空間的・時間的分解能が向上した統合的複数ソース空気質指数（M-AQI）を生成する。
• システムサービスの相互運用性を実現するため、Springフレームワークを用いてRESTful APIを実装する。
• ビッグデータ分析と機械学習を活用し、心拍変動、血中酸素濃度などの生理的信号と環境大気質の相関関係を分析し、行動予測と健康ガイダンスを提供する。
• センサーデータを現地で処理し、メモリに保存し、通信状態に応じてクラウドまたはスマートフォンに必要なデータのみを送信するスマートウェアラブル衣料品システムを設計する。
• 室内および屋外の大気質が睡眠の質に与える影響を評価する予測モデルを構築し、大気質、生理的状態、日常行動パターンの相関関係を分析する。

実験結果

リサーチクエスチョン

• RQ1 固定観測所、モバイルクラウドソーシング、IoTからの複数ソースの大気質データを、都市部のAQI推定の精度と粒度を向上させるために、どのように効果的に統合できるか？
• RQ2 ウェアラブルデバイスからの生理的信号は、変化する大気質状態に対する個々の健康反応をどの程度正確に評価できるか？
• RQ3 環境的要因と生理的データのリアルタイム統合は、都市住民に対するパーソナライズドな健康ガイダンスをどのように可能にするか？
• RQ4 大気質が睡眠の質に与える影響は何か、そして統合されたセンサーデータを用いてこの関係をどのようにモデル化できるか？
• RQ5 クラウドベースでRESTfulアーキテクチャは、スケーラブルで応答性の高い都市型ヘルスケアビッグデータアプリケーションをサポートするのにどの程度有効か？

主な発見

• M-AQIモデルは、気象観測所、モバイルデバイス、IoTセンサーからのデータ統合により、従来のAQI推定よりも高いデータ品質と空間的・時間的分解能を達成した。
• スマートウェアラブル衣料品から収集・送信された生理的データ（例：心拍数74bpm、血中酸素濃度98%、心電図1221ADC）は、リアルタイム健康モニタリングに成功した。
• PM2.5が29μg/m³、O3が180μg/m³の悪化した大気質状態と、心拍数上昇および酸素飽和度低下を伴う悪影響を示す生理的反応との強い相関が検出された。
• 睡眠の質は、屋内大気質および生理的ストレスマーカーに著しく影響を受けることが判明し、システムはAQIとバイオメトリックトレンドに基づいて睡眠障害を予測可能であった。
• テストベッドは、効果的なリアルタイムデータ処理と健康ガイダンスの提供を実証し、ウェブインターフェースがエンドユーザー向けに統合された大気質および生理的データを表示した。
• システムは、高汚染状態（例：AQI=75）時に屋外活動を避けることや、高汚染地域を避けるルート調整といったパーソナライズドな推奨事項を効果的に提供した。