〈研之有物〉自己的環境自己救！以空氣盒子監測你家附近的空汙
研之有物 2020-07-11 12:10
用物聯網和大數據減少 PM 2.5 危害
「今天要開窗還是空氣清淨機？」「哪條慢跑路線少吸一點廢氣？」統統交給空氣盒子！2013 年起，在中研院、LASS 社群、民間企業、學校和政府...... 等跨界合作下，聯手打造全世界規模最大的 PM 2.5 感測資料平台 ---- 以大量便宜、小型的感測器「空氣盒子」構成綿密的空汙監測網路。遍佈臺灣的四千多台空氣盒子，可提供民眾即時空汙資訊，甚至預測空氣品質。研之有物專訪中研院資訊科學研究所、空氣盒子推手陳伶志研究員，一起回首研發、推廣空氣盒子的奇幻旅程。
PM2.5，指的是粒徑小於 2.5 微米的小顆粒，比我們的頭髮還細小，卻能傷人於無形，長期吸入可能引起過敏、氣喘、肺癌、心血管疾病。了解每日 PM2.5 濃度，能在生活中保護自己減少空污威脅。
在過去，臺灣空氣微型感測器尚未普及，想要知道當下空氣品質，必須仰賴全臺 76 個國家監測站（2017 年新增至 77 台）。然而，生活中處處存在汽機車、香爐、工廠等無數小型污染源，影響每時每地的 PM2.5 濃度，大型監測站無法即時反應各地情況。
「我要怎麼知道『當下』、『此刻』的空氣品質好不好？」陳伶志心生疑問，開啟長達 8 年的空氣盒子研發、推廣之路。
什麼是空氣盒子？它跟傳統測站有什麼不一樣？
傳統空氣品質量測的專業儀器，造價數萬至十萬元不等，雖然比較精確，但每次實驗能出動個位數的儀器就很了不起了，無法同時在很多地點取樣。
那時，我們就天馬行空給自己出題目：何不使用小型、便宜的空氣感測器，撒網式地多點取樣。即使準確性比不上專業儀器，但可以量取勝，利用大量數據發展新理論和演算法，另闢蹊徑來解釋、甚至預測空氣品質，這就是空氣盒子的起點。
目前空氣盒子已超過四千台，裝設在全台各地，每五分鐘回傳一筆資料 (全台灣的傳統測站共數十台，每小時只能產出一筆監測資料)，資料量和回傳速度都不可同日而語，可供資料科學家分析 PM2.5 的分布與變化。
不過，空氣盒子能夠有如今規模，還要歸因於它屬於「參與式感測系統」。生活中有許多問題，例如空污、塞車，被動地等待政府解決往往緩不濟急，並非政府效率太差，而是不知道問題真兇在哪裡，例如眼前的空污到底是霾害？還是有工廠偷偷排放廢氣？參與式感測系統以「自己的環境自己救」的概念出發，透過群眾自主觀察所得的大量數據，由專家分析找出問題癥結點，推動政府或相關單位採取行動、對症下藥！
便宜的小型感測器，數據會不會不準確？
其實，我們一開始也陷入「準確性」的迷思：期待便宜的感測器測量結果跟專業儀器一樣！但，天下沒有白吃的午餐，準確度好的機器一定很貴 (苦笑)。
後來我們轉而追求「一致性」，不強求感測器跟專業儀器測量數值完全一樣，只要這些感測器的數值可以穩定維持在同一個區間，可校正、可比較、可以看出趨勢變化。
我們也重新思考研究的目的：不是用便宜的空氣盒子取代數百萬元的專業儀器，而是走一條以量取勝的道路，以大量便宜、但堪用的小型感測器組成綿密的監測網路，取得當下、此刻的空氣品質。
但相對的，空氣盒子的量測也容易受到局部環境變化影響、資料比較雜，分析前必須處理。比方說，有些空氣盒子 PM2.5 飆高是因為沙塵暴來襲，有些是因為有人在旁邊抽菸，後者屬於小範圍異常，必須想辦法排除。
如何辨別環境中的雜訊？PM2.5 飆高是因為沙塵暴，還是有人抽菸？
首先，我們假設戶外空氣在地理空間上會均勻擴散，應該不會發生某台空氣盒子偵測的 PM 2.5 濃度很高，一百公尺外的機器偵測的濃度很低。所以，每台空氣盒子與周圍空氣盒子感測值變化應該要「一致」。
再來，假設空氣的擴散是緩慢的，同一台空氣盒子相近時間的感測數值也應該「一致」。如果某台空氣盒子的 PM 2.5 濃度突然劇烈變化，代表它可能發生異常。
因此，我們必須比較每台空氣盒子在鄰近區域以及相近時間內的一致性，定時給予評分，分數低代表這個空氣盒子的微世界（micro environment）跟別的不一樣，也許它裝在廟旁、裝在室內、有人在旁邊抽煙，或是感測器取風口裝反，讓灰塵進去出不來等等。
這個評分每 5 分鐘執行一次，分析過去 24 小時的資料，如果某個空氣盒子的評分低於標準，會把它標示為異常，資料就不會用來做後續的分析。
空氣盒子如何預測 PM2.5 濃度變化？
預測有兩件事最重要，一個要很準，另一個要夠快，比方當我們想要用預測結果決定 1 小時後的行動，若電腦還得花 50 分鐘運算，那就太遲了。如何用有限資源，在 1 分鐘之內完成 4,000 台空氣盒子的預測模型，極具挑戰性。
首先，我們設定只做 5 小時以內的預測，假設在這時間內氣候變化不會太大，暫且不考慮海風、陸風、大陸冷氣團等氣候變因，純粹使用資料科學方法，從過去的變化歷程預測未來數小時 PM 2.5 濃度。
一開始，我們以類神經網絡模型預測，準確性高、但運算速度太慢。因為每個感測器所處的環境不同，過去的歷史資料也不一樣，所以 4,000 台空氣盒子就要有 4,000 個預測模型。
經過多方嘗試，我們終於找到準確但又不會太慢的作法：先將 4,000 台機器，按照過去歷史資料或是地理位置等方式分群，在每一群中選擇一個具代表性的空氣盒子，以它的歷史資料做預測模型，再把預測模型套用到同群的其他空氣盒子上。以下是按照地理位置分群的做法：
如果是按照歷史資料來分群，想像一下，橫軸是時間、縱軸是 PM2.5 濃度，每個空氣盒子具有自己的濃度變化曲線，把曲線波動類似的空氣盒子分成一群，代表它們的模型特性是相似的。比方說，如果偵測到上下班有兩個波峰，代表這些空氣盒子可能裝在大馬路旁，因為尖峰時刻車流較多，造成空氣品質數值的波動。
空氣盒子可以解決哪些生活問題？
空氣盒子可以回傳即時的資料，協助生活決策，例如空氣盒子的 Line 聊天機器人，你可以把它想像成空氣品質的隨身管家。
像我小孩七點半上學，可以訂閱學校附近的空氣盒子，定時在出門的時刻，以 Line 傳送學校附近的 PM 2.5 濃度，讓我決定要不要讓他戴口罩。又或者，我可以訂閱離家最近的空氣盒子，一超過特定濃度就發出訊息，來決定家裡要開窗戶或開空氣清淨機。
空氣盒子的預測模型也很實用！例如：什麼時間可以出去跑步？畢竟跑步是為了健康，如果空氣很糟還出門，不就成了人體空氣清淨機？
於是我們嘗試用預測模型找出最健康的運動路線，做出 PM 2.5 最小曝露量的導航系統。你可以想像地圖是 x 軸和 y 軸，時間是 z 軸，地圖上每個地點、不同時間，皆有不同的 PM 2.5 濃度。我們將不同路線上、每個時間點所對應的 PM 2.5 濃度累加，預測出吸入最少 PM 2.5 的路徑。
此外，生活中有許多空汙問題，很難知道問題真兇藏在哪裡，例如眼前的空污是霾害？還是有工廠偷偷排放廢氣？因為不肖業者常常利用各種取巧、偽裝來規避稽查，例如半夜偷排廢氣。空氣盒子可收集大量數據，經過機器學習找出汙染排放規律、可疑地區，幫助稽查員確定關鍵時機，人贓俱獲！
開發這些應用服務的靈感從哪來？
一方面來自生活真實需求，另一方面是希望…… 空氣盒子系統可以活得久一點！！
事實上，從 2013 年計畫開始到現在，有些空氣盒子已慢慢離線。原因不是參與者主動不要它了，而是時間一長，可能發生無線網路不穩、停電後沒有重新開機等等，參與者很難察覺。一開始，我還會呼籲大家常常檢查自己的空氣盒子，但是呼籲久了也怕被嫌煩。
因此我決定讓空氣盒子提供更貼心的生活服務，參與者可主動透過 Line 訂閱自己的空氣盒子，不僅可即時知道 PM 2.5 濃度，機器故障時也會收到通知提醒。
參與式感測不只「感測」要成功，「參與」也要成功，提高參與就要滿足大家發自內心的需求，提供有用的服務，回應大家的生活問題。
對空氣盒子未來有什麼規劃呢？
首先是嘗試將空氣盒子與專業測站結合，開發更多的應用。最近跟國外學者合作，疊合環保署測站、空氣盒子、衛星影像的氣膠光學厚度（Aerosol Optical Depth, AOD），發展三者相互換算的校正模型，全台各地只要這三個量測工具任一覆蓋，就可算出當地的 PM 2.5 濃度、增加全台空氣品質量測的解析度。未來這個技術還可應用於測站分佈較少的國家，例如非洲沒有太多空氣品質測站，如果安裝空氣盒子搭配衛星遙測影像，即有機會算出當地空氣品質概況。
其次，增加與國外相關計畫與社群的連結。目前我們與美國芝加哥最大的智慧城市計畫「Array Of Things」合作，他們一開始佈建的感測器價格比較高，所以數量不多，希望與我們合作，利用微型感測器補足數量。韓國則與台灣購買微型感測器，佈建機器後請我們協助分析資料。此外，德國和泰國也都在洽談合作。
推動空氣盒子的過程，有沒有難忘的回憶？
最感動的就是：一開始就不斷有志同道合的夥伴加入！LASS 的創客、關心空污的台中親子共學團加入、教師社群進來，後來又蹦出台北市智慧城市，接著訊舟科技要捐機器，然後是前瞻基礎建設計畫……，現在回頭看這一切，真的是很幸運。
那段時間也是最快樂的，因為你完全無法預期接下來會發生什麼事，每次好像走到一個盡頭，就蹦出一個力量把我們再往前推一點、再多做一點。就像有一句話說：
當你真心渴望某樣東西時，整個宇宙都會聯合起來幫助你完成。
此外，中研院在這過程也給我很大的自由，從 2013 年到 2015 年的開發階段，沒有發表任何一篇和空氣盒子相關的論文，直到 2017 年才有正式的論文發表。乍看之下，好像做了四年的白工。但這在中研院是 OK 的！因為信任，讓研究人員有機會去嘗試可能失敗的重要題目，讓我們可以再ㄍㄧㄥ一下、再試一下，這也是身在中研院的好處，我覺得啦。
原文連結：
延伸閱讀：
- 安全可靠的多資產平台!靈活槓桿 免費模擬
- 掌握全球財經資訊點我下載APP
延伸閱讀
上一篇
下一篇
