PROYECTO DE INVESTIGACIÓN Y DESARROLLO COOPERACION DENOMINADO “Plataforma de Inteligencia Artificial para la predicción de la calidad del aire a partir de datos de sensores de servicios Copernicus” IDI-20230571
Estado: concluido
Ámbito geográfico de ejecución del proyecto: Proyecto desarrollado en Zaragoza, España, con alcance nacional para su implantación en administraciones públicas y entidades privadas. La participación de BETAIR en el proyecto se ha realizado desde su centro de trabajo en L’Hospitalet de Llobregat, Barcelona (Cataluña).
Plazo de ejecución: 01/01/2023 al 30/06/2025
Expediente: IDI-20230571
Presupuesto: 1.154.359,00€ (El proyecto ha sido cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) a través del “Centro de Desarrollo Tecnológico y la Innovación (CDTI)”.
Coordinador: DEISTER,S.A.
Lema: Europa se siente
Proyecto realizado en cooperación entre las empresas DEISTER S.A.(experta en el desarrollo de software de alto nivel), BETTAIR CITIES SL. (experta en el desarrollo de dispositivos sensóricos de bajo coste de monitorización de la calidad del aire) y SISTEMAS TECNOLÓGICOS AVANZADOS,S.A. (como fabricante de estaciones meteorológicas y sistemas de control de la calidad del aire).
Mediante el presente proyecto, el consorcio pretende el desarrollo de una plataforma para entornos urbanos y semi-industriales que aúnan tecnología de monitorización de la calidad del aire, proporcionada por estaciones tradicionales y dispositivos IoT que permiten mediciones en tiempo real y con altísima resolución espacial con una inversión pequeña, con escenarios predictivos basados en técnicas de Inteligencia Artificial (IA) utilizando tanto los datos micro de calidad del aire como datos macro basados en análisis de datos satelitales.
El objetivo general del proyecto es el desarrollo de una plataforma predictiva de la calidad del aire para apoyar la toma de decisiones preventivas que permitan disminuir el impacto medioambiental de las actividades urbanas.
Como objetivos técnicos específicos se plantean los siguientes:
- Despliegue de una nueva generación de sensores IoT de bajo coste con IA en el edge (AIoT) que permite proporcionar mediciones precisas de los contaminantes del aire incluyendo NO2, NO, O3, CO, SO2 y partículas en suspensión, entre otros, tanto en zonas urbanas como en zonas semi-industriales, en las que esta tecnología está menos validada al encontrarse otros contaminantes como el NH3 y el H2S.
- Investigación de la viabilidad del uso de datos ambientales, meteorológicos y espaciales tanto a nivel micro (estaciones tradicionales de monitorización de calidad del aire, sensores IoT) como a nivel macro (satélite) para la mejora de los modelos actuales de predicción de la calidad del aire (evolución espacio-temporal).
- Desarrollo de un modelo predictivo basado en modelos existentes proporcionados por los socios del consorcio y mejorado con la adición de datos micro de alta calidad, que han sido prevalidados por técnicas de IA (datos heterogéneos, datos degradados, series incompletas).
- Estudio y diseño de una capa de simulación basada en modelos normalizados que permitan el análisis y validación de planes de acción antes de su ejecución o la anticipación rápida y efectiva a las consecuencias de emergencias químicas.
- Diseño y desarrollo de una plataforma basada en IoT para la adquisición, almacenamiento y procesamiento de datos procedentes de la red de sensores y de las fuentes de datos abiertos (por ejemplo, series temporales de datos de Copernicus, Institutos Geográficos Nacionales y fuentes similares) que proporcionan una fuente de datos heterogénea para la evaluación de indicadores ambientales.
- Validación de la viabilidad de la plataforma mediante la creación de una única interfaz integrada que reúna todas las herramientas mencionadas anteriormente, proporcionando un acceso fácil de usar para el usuario final.
Resultados
Hito 1
- Se han identificado diez parámetros de calidad del aire a monitorizar y dieciséis ubicaciones de los productores de datos (ocho estaciones de referencia y ocho dispositivos loT de las que recoger datos para la plataforma).
- Se ha escrito el catálogo de requisitos de la plataforma, recogiendo seis requisitos funcionales y cinco requisitos no funcionales.
- Se ha perfilado el diseño conceptual de la plataforma AIRE,
- Se ha avanzado en el diseño de la plataforma AIRE según los requerimientos descritos en el catálogo de requisitos y en base al diseño conceptual.
- Se han desplegado actualizaciones en estaciones de referencia de monitorización de la calidad del aire de la ciudad de Zaragoza.
- Se han fabricado ocho dispositivos loT, especificando los parámetros a medir por cada uno de los dispositivos.
- Se instalaron los ocho dispositivos loT, según plan definido, en las estaciones fijas de referencia de Zaragoza. Tres dispositivos en una misma estación y el resto en estaciones diferentes.
- Se ha procedido a la extracción de datos de estaciones de referencia medioambientales.
- Se ha comenzado a integrar los datos de distintas fuentes (dispositivos loT) en la plataforma AIRE.
- Se han obtenido en conjunto de datasets que servirán como base para la creación del modelo predictivo.
- Los datasets resultantes del preprocesamiento, poseen docenas de variables añadidas que mayoritariamente buscan incluir en el modelo las características del autocorrelación temporal de una variable Congo misma o con otras.
- Se han probado modelos preliminares, incluyendo Random Forest y Regresión Lineal Lasso, comparándolas con un modelo naif. El modelo Random Forest ha mostrado los mejores resultados preliminares.
- Se ha realizado un análisis preliminar para identificar las variables con mayor valor predictivo, destacando la posible correlación entre diferentes contaminantes.
- Se han desarrollado los scripts que posibilitan el preprocesamiento y transformación de los datos.
Hito 2
- Se integraron las diferentes fuentes datos y establecieron los procesos de homogeneización de estos.
- Se han analizado las tecnologías de almacenamientos de datos más apropiadas, las tecnologías de procesamientos más recomendables desde el punto de vista de la escalabilidad, se ha diseñado una arquitectura de datos que integre las distintas tecnologías.
- Se han establecido distintos formatos de representación de los datos, se han analizado distintas técnicas para la elección, diseño y creación de la interfaz más adecuada.
- Se han establecido las bases de la interoperabilidad y accesibilidad de la plataforma.
- Se han evolucionado los algoritmos de los dispositivos loT para mejorar sus prestaciones y eficiencia.
- Se evaluaron y establecieron los modelos de estimación más adecuados, así como el algoritmo de predicción y su entrenamiento más acorde en función de los de calidad de aire disponibles a partir de las distintas fuentes.
- Se ha establecido la comparación de los resultados predictivos de la plataforma AIRE con los proporcionados por CAMS.
- Se ha comenzado a establecer los criterios de evaluación y entorno de pruebas de la plataforma.
Hito 3
- La validación de la integración completa de las diferentes fuentes de datos y estableciendo los procesos de homogeneización de los datos y la compensación de datos faltantes a través de los distintos criterios de validación establecidos.
- La elaboración de los materiales técnicos para futuros despliegues y comercialización de la plataforma.
- Elección de la forma jurídica de protección intelectual del proyecto desarrollado.
- Y la continua y buena comunicación entre los socios del proyecto para llegar a conclusiones conjuntos, progresar y finalizar el proyecto.
Tras la consecución del Hito 3 del proyecto AIRE, se han alcanzado las siguientes conclusiones:
- Se han ejecutado todos los trabajos previstos en las diferentes tareas del Hito3 en colaboración de los socios.
- La plataforma AIRE queda totalmente desarrollada en producción en el entorno de la ciudad de Zaragoza. Que servirá como escaparate para la captación de nuevos o potenciales clientes, por tratarse de un ejercicio real.
Conclusión y resultados
- Se han desarrollado todas las tareas asignadas en el Hito 3 si ninguna incidencia y en los tiempos acordados.
- Se han establecido los distintos criterios de validación de la plataforma, así como el establecimiento del entorno de pruebas adecuado.
- Se han desarrollado y elaborado los manuales técnicos necesarios para la futura comercialización de la plataforma.
- Se ha colaborado en el desarrollo del memorando de explotación.