1

PROGRAM PN-III-CERC-CO-PED-2016 : Cresterea competitivitatii economiei romanesti prin CDI

PROIECT: Aplicație inteligentă în timp real pentru managementul calității aerului în mediul urban cu orientare către categoriile sensibile

de persoane/ SMARTSENSE

PN-III-P2-2.1-PED-2016-1285 Raport final

2

Obiectivul General: Obiectivul general al proiectului SmartSense a fost acela de a dezvolta un demonstrator experimental pentru un sistem inteligent care urmăreşte în mod automat nivelul de poluare în zonele urbane, bazat pe o rețea de senzori ce înregistrează valori ale parametrilor de poluare a aerului în timp real. Rezultatele proiectului vor conduce catre un prototip cu potenţialul de a deveni o unealta de predicție pentru populație si autoritățile locale. Pe de o parte, cetățenii vor avea la dispoziție un instrument de conștientizare care să permită participarea efectivă a publicului în politicile de evaluare a calității aerului exterior din zonele urbane. Pe de altă parte, părțile interesate publice (orașele municipale, poliția rutieră, ministerul sănătaţii) vor avea un instrument eficient pentru deciziile lor pe termen scurt, mediu și lung în ceea ce privește acțiunile de control specifice. Unele dintre astfel de acțiuni se pot preconiza automat pe baza scenariilor bine definite și a metodelor de control disponibile la scară urbană (de exemplu, schimbarea automată a vitezei medii impuse pentru trafic, reorientarea șoferilor pe anumite rute specifice). Aecest obiectiv general s-a materializat în următoarele rezultate: (i) dezvoltarea unui prototip experimental al unei platforme dedicate pentru monitorizarea calității aerului exterior într-un mic cartier reprezentativ din București și (ii) dezvoltarea de modele matematice din datele experimentale, în scopul de a furniza predicții pentru puncte spațiale neacoperite și previziuni pe de altă parte. Ambele rezultate reprezintă integrarea unui demonstrator de scara redusa reprezentativ pentru sistemul inteligent propus. Validarea demonstratorului i la scara unui cartier pune în evidenţă multiple posibilităţi de extindere viitoare la scara unui oras.

Obiectivele propuse in cererea de finanțare: Obiectiv specifice propuse Realizare

O1: Integrarea unei platforme hardware cu senzori pentru monitorizarea calităţii aerului

O2: Realizarea unei aplicaţii pentru monitorizarea calităţii aerului cu posibilitatea de a stoca, înregistra şi analiza datele obţinute în timp real, precum şi de a prezice evoluţia temporală a concentraţiilor de poluanţi

O3: O aplicaţie de tip ‘First Responder’ care să ofere posibilitatea de monitorizare a calităţii aerului în zone sensibile ale oraşului

O4: O aplicaţie mobile pentru cetăţeni

O5: Diferite module de gestionare şi a analizare a datelor (bazate pe platforme web) care să perimită utilizarea acestor datea de către mediul academic

INTRODUCERE Poluarea urbană a aerului reprezintă o amenințare din ce în ce mai mare pentru cetățeni, în special în orașele mari, supraindustrializate, știind că traficul este responsabil pentru mai mult de 25% dintre poluanții gazoși și particulele de praf din aer. În Europa, în medie 80% din populație trăiește în zone urbane [1]. Potrivit Organizației Mondiale a Sănătății (OMS), mai mult de 3,3 milioane de decese sunt atribuite poluării aerului înconjurător, adică 6,7% din totalul deceselor din întreaga lume [2]. Mai exact, 16% sunt cauzate de cancerul pulmonar, 11% de boli cronice obstructive pulmonare și mai mult de 20% dintre acestea de maladii cardiace ischemice și accidentel vasculare cerebrale, toate fiind asociate cu poluarea aerului exterior [3]. Costurile economice ale efectelor derivate au fost cuantificate în 2010 la 1,5 trilioane de euro [4]. Poluanții atmosferici pot fi împărțiți în două grupuri pe baza originii compoziției chimice și a stărilor fizice ale acestora. Potrivit OMS, principalele surse de emisie ale acestor poluanți sunt utilizarea resurselor fosile, a vehiculelor de transport, a centralelor electrice

3

și a producției de petrol și gaze [2]. Poluanți atmosferici principali sunt cei care intră direct în atmosferă, cum ar fi dioxidul de sulf (SO2), oxizii de azot (NO2) și hidrocarburile (HC). Contaminanţii secundari sunt cei care poate fi generaţi în atmosferă prin reacții fotochimice de hidroliză sau oxidare, cum ar fi ozonul (O3). Aerosolii sunt considerați o sursă importantă de poluare în zonele urbane [5, 6]. Aerosolii (particulate matter-PM) includ praful, fumul, ceața și fibrele. PM sunt un amestec complex de specii chimice provenite dintr-o varietate de surse, atât antropice (trafic, activități industriale și procese de ardere în general), cât și naturale (praf suflat de vânt, sare de mare, incendii forestiere, erupții vulcanice). Ele pot fi emise ca poluanți primari sau formați ca produşi secundari prin procese chimice atmosferice din compuşi primari gazoși. Conform ultimului raport al Agenției Europene de Mediu (EEA), din 2014 un număr mare de orașe europene au prezentat valori mai mari decât concentrațiile admise ale standardelor de calitate a aerului pentru PM10 și PM2.5, majoritatea concentrațiilor critice fiind observate în Europa de Est și regiunea Balcanilor [5]. Monitorizarea poluării este un prim pas în rezolvarea acestei probleme, dar se rămâne adesea în faza de monitorizare. Inițiativele și politicile prioritare specifice acestui domeniu sunt elaborate, în cea mai mare parte, în mod izolat, lipsind coerența și, uneori, acestea contra-acționează reciproc [7]. Cantitatea mare de date colectate nu este integrată în aplicații software adecvate, care ar trebui să permită o soluție coerentă pentru problemele de poluare a aerului din mediul urban. În mod ideal, astfel de instrumente de sprijinire a deciziilor politice ar trebui să fie eficiente, ușor de utilizat și capabile să evalueze modificările calității aerului în ceea ce privește calitatea mediului în timp real pentru introducerea unor scenarii de reducere a emisiilor si pentru anumite acțiuni de control locale. Problematicile legate de poluarea aerului sunt de obicei adresate de proiectele naționale care se concentrează în principal pe combaterea efectelor asupra sănătății particulelor ultrafine și a poluării aerului datorită arderii combustibililor fosili [8]. Pe de altă parte, cele mai multe modele atmosferice folosite în managementul calității aerului nu au o interfață ușor de utilizat care să sintetizeze rezultatele modelului produs de diferitele emisii de poluanți atmosferici și nu oferă o vizualizare adecvată a datelor pentru a sprijini elaborarea politicilor. Pentru a îmbunătăți eficiența sintezei datelor, este necesar să se dezvolte un instrument pentru a traduce cantitatea masivă de date, model pentru vizualizarea relevantă a politicilor [9]. Studiul literaturii de specialitate arată că monitorizarea poluării la scară urbană a fost abordată în mai multe proiecte, chiar și cu scopul dedicat implementării politicilor [10]. Cu toate acestea, comunitățile au nevoie de legătura dintre procesul de monitorizare și luarea de măsuri. Înțelegerea și prezicerea nivelelor de poluare urbană reprezintă o sarcină dificilă deoarece există o multitudine de fenomene atmosferice implicate în creșterea sau scăderea concentrației de poluanți. De exemplu, emisiile de SO2 și NOx sunt descompuse în atmosferă prin reacții omogene [11, 12]. Reacțiile chimice dintre O3 și NO conduc la formarea de NO2 [13] și degradare a lui O3. NO2 (considerat mai toxic decât NO) variază în funcție de prezența ozonului și fotoliza NO, în timp ce concentrația de NOx nu este influențată de oxidarea ozonului și a fotolizei [14]. Pe lângă toate aceste fenomene, nivelurile de concentrație a poluanților în aer liber sunt, de asemenea, rezultatul transportului poluant datorat vitezei și direcției vântului [15], acest efect fiind luat în considerare în Directiva 2008/50 /CE a Parlamentului European și a Consiliului privind calitatea aerului înconjurător cât și un aer mai curat pentru Europa. Alți parametri meteorologici au fost de asemenea identificați pentru a influența concentrația poluanților în mediul urban (temperatura exterioară, umiditatea relativă, radiația solară) [15]. Nivelurile ridicate ale concentrației de O3 apar în timpul lunilor de vară, iar nivelurile sale sunt influențate cel mai mult de temperatura aerului și de radiația solară [15]. Diferitele reacții fotochimice conduc la formarea de ozon. Aceste reacții au loc atunci când compușii organici volatili și azotul se combină în prezența luminii solare [16, 17]. Concentrația poluanților variază de asemenea cu altitudinea [18] datorită unei mici schimbări de O3 între stratosfera și straturile superioare ale troposferei. Alți parametri care par să influențeze concentrația de poluanți sunt legați de mediul urban (activitatea urbană, activitatea industrială, traficul, instalațiile termice și parametrii aferenți calendarului) [19]. În timp ce majoritatea studiilor oferă o mulțime de informații interesante despre nivelele de concentrație a contaminanților și despre diferiții parametri ce influențează aceste concentrații de contaminanți, problema variației timpului și spațiului de concentrație a poluantului în mediul urban rămâne rar studiată având în vedere complexitatea fenomenului. Este evident că sunt necesare mai multe date experimentale, dar este, de asemenea, esențial ca un studiu privind variația poluanților să fie realizat pentru a vizualiza tendințele generale (specifice microclimatului urban) sau cele datorate fenomenelor locale.

4

Obiectivul general al proiectului SmartSense este de a dezvolta un demonstrator experimental pentru un sistem inteligent care urmăreşte în mod automat nivelul de poluare în zonele urbane, bazat pe o rețea de senzori ce înregistrează valori ale parametrilor de poluare a aerului în timp real. Rezultatele proiectului vor conduce catre un prototip cu potenţialul de a deveni o unealta de predicție pentru populație si autoritățile locale. Pe de o parte, cetățenii vor avea la dispoziție un instrument de conștientizare care să permită participarea efectivă a publicului în politicile de evaluare a calității aerului exterior din zonele urbane. Pe de altă parte, părțile interesate publice (orașele municipale, poliția rutieră, ministerul sănătaţii) vor avea un instrument eficient pentru deciziile lor pe termen scurt, mediu și lung în ceea ce privește acțiunile de control specifice. Unele dintre astfel de acțiuni se pot preconiza automat pe baza scenariilor bine definite și a metodelor de control disponibile la scară urbană (de exemplu, schimbarea automată a vitezei medii impuse pentru trafic, reorientarea șoferilor pe anumite rute specifice).

Fig.1 Conceptul general al demonstratorului propus în cadrul proiectului SMARTSENSE

Pe parcursul proiectului SMARTSENSE, un demonstrator al unei rețele de senzori la scară mică împreună cu mai multe aplicații software a fost testat într-un cartier reprezentativ din București. O soluție bazată pe GIS (Geographic Information System) permite colectarea de date în timp real din rețeaua senzorilor și va simula achiziția de date de la senzorii virtuali pentru a reda practic întregul cartier în scopuri de testare. Se vor evalua mai mulți parametri de impact, de exemplu concentrațiile: SO2, NO2, CO, O3, PM10, precum și radiația solară. Valorile obținute în timp real cu privire la traficul actual și tendința sa viitoare vor fi integrate într-o hartă a poluării cu date actuale și previzionate. Aceste modele, împreună cu colecția de date GIS din rețeaua de senzori implementată anterior, vor permite dezvoltarea unei platforme software cu un widget de tip aplicație mobilă inteligentă pentru informarea în timp real a autorităților publice și a populației. Aplicația de monitorizare a poluării atmosferice (APM) a fost proiectată pentru recepționarea de fluxuri mari de date de la senzori și permite transformarea lor pe cale digital, în informații simple, ușor de utilizat și în timp real. Aplicaţia de tip "First Responder", propusă de noi, va putea fi utilizată pentru semnalizarea evenimentelor de poluare și pentru a informa serviciile de urgență cu privire la aceste evenimente. Aplicația mobilă pentru cetățeni, elaborată în proiect, este folosită pentru a informa și a avertiza cetățenii cu privire la evenimentele legate de poluare și pentru a lua feedback de la cetățeni. Cartierul şi zona pe care a fost testat sistemul propus prin proiectul SMARTSENSE au fost selectate, premiminar, pentru a conține artere grele de trafic, zone verzi, instituții publice dedicate categoriilor sensibile de populație (o instituție publică de învățământ, un spital, o instituție de îngrijire a vârstnicilor, un campus universitar etc.).

5

Activitățile desfășurate în cadrul proiectului SMARTSENSE Proiectul nostru a fost organizat în jurul obiectivelor specifice sub forma unor pachete de lucru – Work Packages (WP). Fiecare Work Package a fost împărţit în mai multe acțiuni (tasks), proiectul fiind structurat in etape intermediare conform Tabelului 1 şi diagramei Gantt din Fig. 2.

Fig. 2 Diagrama Gantt asociată proiectului în structura sa de la contractare

WP1. Definirea scenariilor de lucru, modelare şi simulare

T1.1 Definirea scenariilor de lucru ✓ T1.2 Elaborarea cerintelor pentru utilizator ✓ T1.3 Elaborarea caietului de sarcini pentru sistem si a arhitecturii acestuia ✓ T1.4 Modelare si simularea modului de lucru ✓ WP2. Concepţia şi dezvoltarea sistemului

T2.1 Conceptia platformei de achizitie cu senzori ✓ T2.2 Conceptia aplicatiei APM ✓ T2.3 Conceptia aplicatiei First Responder ✓ T2.4 Conceptia aplicatiei mobile ✓ T2.5 Conceptia platformei integrate ✓ WP3. Integrarea sistemului

T3.1 Realizarea platformei de achizitie ✓ T3.2 Realizarea aplicatiei First Responder +APM ✓ T3.3 Realizarea aplicatiei mobile ✓ T3.4 Realizarea platformei integrate ✓ WP4. Testare evaluare şi validare ✓ T4.1 Definirea planului de testare a demonstratorului ✓ T4.2 Testarea si evaluarea demonstratorului ✓ T4.3 Validarea sistemului, rezultate si comparare ✓ WP5. Diseminare ✓

MONTH

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

WP0. Project management

WP1. Definition of requirements, modeling and

simulation: Parteneri Tip de activitate

Task 1. Use cases and scenario A11 CO A1 Definirea scenariilor de lucru

Task 2. User requirements A12 CO A1 Elaborarea cerintelor pentru utilizator

Task 3. Definition of system requirements and architecture A13 CO, P1 A1 Elaborarea caietului de sarcini pentru sistem si a arhitecturii acestuia

Task 4. System modeling and simulations A14 CO, P1 A1 Modelare si simularea modului de lucru

A15 CO D1 Diseminare - articol de review

WP2. System design and development:

Task 1. Sensors platform design A21 CO, P1 A1 Conceptia platformei de achizitie cu senzori

Task 2. APM application design A22 CO, P1 A1 Conceptia aplicatiei APM

Task 3. First responder application design A23 CO, P1 A1 Conceptia aplicatiei First Responder

Task 4. Mobile application design A24 CO, P1 A1 Conceptia aplicatiei mobile

Task 5. Research platform design A25 CO, P1 A1 Conceptia platformei integrate

A26 CO, P1 D2 Diseminare - workshop

WP3. System integration:

Task 1. Sensors platform integration A27 CO, P1 A2 Realizarea platformei de achizitie

Task 2. First responder application and APM integration A28 P1 A2 Realizarea aplicatiei First Responder +APM

Task 3. Mobile application integration A29 P1 A2 Realizarea aplicatiei mobile

Task 4. Research platform integration A210 P1 A2 Realizarea platformei integrate

A212 CO D2 Diseminare participare conferinta

WP4. Testing, evaluation and validation: A213 CO D3 Diseminare vizita de lucruTask 1. Definition of testing, evaluation and validation

plan A211 CO A1 Definirea planului de testare a demonstratorului

Task 2. Testing and evaluation of the demonstrator A31 CO A2 Testarea si evaluarea demonstartorului

Task 3. System validation: results and comparisons A32 CO A2 Validarea sistemului, rezultate si comparare

A33 CO, P1 D1 Diseminare - articol ISI

WP5. Dissemination

2017 2018

6

REZUMATUL ACTIVITATILOR STIINTIFICE SI TEHNICE ALE PROIECTULUI T.1.1 Definirea scenariilor de lucru Stabilirea scenariilor de lucru a fost orientată în jurul unor puncte importante de plecare, ale ipotezelor de dezvoltare a sistemului, si anume: Locație - S-a evitat existenta unor elemente de urbanism particulare sau de relief între stațiile reale de măsura pentru testările preliminare, amplasarea staţiilor virtuale trebuie să ţină cont de studiile prealabile. Amplasarea stațiilor de măsura pe verticala s-a prevazut la 3.5m înălțime față de sol. Propuneri de locaţie pentru testele preliminare: Curtea Facultății de Inginerie a Instalațiilor cu vecinătatea liceului Mihai Viteazu şi a spitalului MAI Prof. Dr. Dimitrie Gerotă, zonă amplasată în centrul oraşului Bucureşti, în proximitatea unor artere cu trafic intens dar şi a unor străzi cu trafic relativ redus. Poziţii de amplasare puncte de măsura : Amplasarea punctelor de măsură trebuie să surprindă trei niveluri de poluare caracteristice: maxim (lângă zonă poluată – stradă), minim (departe de zona poluata – de exemplu, în spatele curții Facultății de Inginerie a Instalațiilor) şi mediu. Amplasarea celor trei puncte de măsură urmăreşte criteriile impuse de funcţiile de interpolare ale modelului de predicţie spaţială. Amplasarea celor trei puncte de măsură reale şi a staţiilor virtuale ţine cont şi de posibilitatea existentei de surse diferite de poluare pentru un alt poluant. A fost luată în cont posibilitatea zonelor însorite sau umbrite (de ex. O3 se formează în prezenţa radiației solare). Paşi de timp de esantionare: pas de esantionare de cel puţin 1 min pentru fiecare parametru măsurat, concentratie de poluant sau parametru meteorologic, pas de esantionare pentru invatarea modelului matematic de predictie: se vor alege pasii de timp din baza de date, din 10 in 10 min. Scenarii / Evenimente: "naturale", ce pot fi simulate natural şi care au frecventa mare de aparitie si probabilitate mare de aparitie: aparitia soarelui (cresterea radiatiei solare unitare), aparitia unui vârf de trafic (rush hour), iesirea / intrarea studentilor de la cursuri, venirea/plecarea elevilor de la ore, etc., evenimente spontane si neprevizibile prin modelarea lor: de exemplu, se răstoarnă o mașina cu o anumita substanța toxica, explozie, etc. Rezultate: matricea de locatii de output pentru parametrii analizați, harta cu variatia spatiala a fiecarei concentratii la ultimul moment de timp inregistrat (tinand cont de pasul de 10 min), harta cu variatia spatiala prezisa pentru pasul de timp urmator (peste 10 min) a fiecarei, concentratii. Informatii numerice pentru fiecare locatie de output: valori ale concentratii de poluanti, valori de parametrilor climatici, valori ale indexilor de calitatea a aerului, Indicii de poluare propuşi, alarme, recomandari pentru populaţie

T. 1.2 Elaborarea cerintelor pentru utilizator Cerintele pentru dezvoltarea aplicatiilor considerate au fost stabilite astfel:

1. Dezvoltarea platformei senzorilor hardware: Platforma va permite includerea mai multor senzori de: temperatura aerului, radiații UV, umiditate, presiune, - concentrații CO, CO2, O2, O3, NO, NO2, SO2, NH3, CH4, H2, H2S, HCI, HCN, PH3, ETO, Cl2, PM10, PM2.5, - modul de comunicare GPRS, managementul energiei electrice (panou fotovoltaic, controler)

2. Proiectarea și implementarea aplicației de monitorizare a poluării atmosferice (APM): Specificații minime: aplicație server și bază de date server: Colectează datele de pe platformele senzorilor, stochează datele în baza de date, managementul bazei de date, suportă diverse interogări din informațiile baza de date, oferă servicii pentru aplicațiile clientului.

3. Proiectarea și implementarea aplicaţiei First Responder Specificații minime: aplicație client, gestionarea crizei: crearea cazului, inserarea informațiilor despre caz, plasarea cazului pe hartă, rularea cazului (rulare pe etapele cazului), afisarea cazului pe hartă, alocarea resurselor pentru intervenții de urgență, afisarea resurselor pe hartă.

4. Proiectarea și implementarea aplicațiilor mobile pentru utilizatori Specificații minime: aplicație client, afisarea pe hartă a datelor de pe platformele senzorilor, permiterea utilizatorilor sa trimita feedback (trimiteți feedback-ului și coordonatele serverului), permiterea utilizatorului să încarce fișiere (text, fișier foto).

7

5. Proiectarea și implementarea unei platforme web Specificații minime: platforma clientului: primirea datelor de la server, afișare rapoarte despre date, afișarea istoricului pe hartă.

6. Indici de calitate a aerului: Indicele specific de calitatea aerului, pe scurt "indice specific", reprezintă un sistem de codificare a concentrațiilor înregistrate pentru fiecare dintre următorii poluanți monitorizați. Exemplificarea demonstratorului va fi făcută pentru următorii poluanti: Dioxid de sulf (SO2), Dioxid de azot (NO2), Monoxid de azot (NO), Monoxid de carbon (CO), Particule în suspensie (PM10). Indicele general se stabilește pentru fiecare dintre stațiile automate de senzori prezentate pe hartă ca fiind cel mai mare dintre indicii specifici corespunzători poluanților monitorizați. Pentru a se putea calcula indicele general, trebuie sa fie disponibili cel putin 3 indici specifici corespunzători poluanților monitorizați. Indicele general și indicii specifici sunt reprezentati prin numere întregi cuprinse între 1 si 6, fiecare numar corespunzând unei culori.

T. 1.3 Elaborarea caietului de sarcini pentru sistem si a arhitecturii acestuia În această etapă au fost stabilite principalele cerințe și arhitectura sistemului, astfel:

− Modulele backend pentru procesarea evenimentelor, stocarea datelor și serviciile de acces date

− Modulul frontend (dashboard engine kibana) pentru raportare și platforma de cercetare O schemă bloc a sistemului software este prezentată în figura de mai jos. Sistemul are următoarele componente: Interfață senzori reprezintă o aplicație server care primește pachete de date de la senzori într-un anumit format și le convertește în formatul de intrare (event stream) suportat de către modulul de procesare evenimente. Este realizat folosind NodeJS; Modulul de procesare evenimente reprezintă de asemenea o aplicație server care are rolul de a prelua date de la diferite echipamente și a genera evenimente. Modulul permite conectarea unui număr foarte mare de echipamente și procesarea datelor care vin de la acestea (procesare paralelă). Procesarea poate fi în timp real (real time) sau procesarea unor volume de date stocate într-o bază de date gestionată de asemenea de modulul procesare evenimente (batch processing). Este bazat pe aplicația server WSO2 DAS (Data Analytics Server); Modulul de stocare date (DB) asigură stocarea datelor transmise de modulul procesare evenimente și interfețele de interogare a acestora de către alte module. Este implementat utilizând motorul de căutare Elastic Search specializat în furnizarea rapidă a datelor pentru aplicațiile client; Interfața aplicație client permite generarea unui API pentru o aplicație client care se poate conecta la unul sau mai multe servicii backend (în cazul nostru asigurate de modulul stocare date). La noi, aceste interfețe (două în total) sunt implementate utilizând WSO2 AM (Application Manager) care asigură atât o politică de autentificare (acces pe bază de token) cât și separarea serviciilor backend de accesul extern; Modulul dashboard (pentru portalul cercetare) permite afișarea unor rapoarte grafice asupra datelor care sunt furnizate de modulul de procesare evenimente. În cazul nostru utilizam serverul generator dashboard Kibana (motor dashboard) renumit pentru serviciile sale de raportare a datelor. Acest generator dashboard se integrează nativ cu ElasticSearch. De asemenea dashboard-urile generate (6 pentru demonstrator) se integrează în aplicația client – au servicii de sharing; Aplicațiile client permit preluarea datelor și afișarea acestora precum și interfațarea cu utilizatorii: operatori (FirstResponder) și public (Mobile). Acestea sunt aplicații web realizate în NodeJS.

T. 1.4 Modelare si simularea modului de lucru al demonstratorului Una dintre cele mai importante părți ale demonstratorului nostru este reprezentată de modelele temporale de predicție a poluării. În general, un model de învățare automată oferă o abordare de modelare flexibilă și adaptivă pentru poluanții atmosferici nenecesitând prea multe ipoteze asupra fenomenului modelat. Modelele de tip reţea neuronală (Artificial Neuronal Network) sunt deja pe larg investigate pentru a modela concentrațiile de poluanți atmosferici [20, 21]. Pe de altă parte, datorită capacităţii facile de utilizare a unor variabile lingvistice, logica fuzzy a fost intens utilizată pentru modele de predicţie a concentraţiei de ozon [22]. Heo și Kim (2004) au folosit logica fuzzy și un model neuronal pentru a prognoza concentrațiile zilnice maxime de ozon. Inspirat de puterea combinată a modelului ANN și a logicii fuzzy, un sistem neuro-fuzzy hibrid cunoscut sub numele de sistem adaptiv neuro-fuzzy (ANFIS) este propus de [23].

8

În cadrul proiectului SMARTSENSE am dezvoltat câteva modele simple pentru a prezice evoluția concentrației poluanților pe baza datelor monitorizate în timp real.. Modelul nostru a fost instruit pe o bază de date vastă de la Agenția Națională de Meteorologie și Hidrologie. Aceasta este una dintre cele mai mari rețele de monitorizare a calității aerului și de monitorizare meteorologică, pentru care s-au monitorizat șapte poluanți și date meteorologice (NO, NO2, NOx, SO2, O3, CO, Cd, PM10, PM2,5) timp de opt ani, între 2004 şi 2011. Rețeaua de monitorizare, amplasată în București, a fost formată din opt stații terestre fixe pentru monitorizarea calităţii aerului, plasate în oraş, precum și în limitele orașului, cu transmisie şi înregistrare „real-time” simultană a datelor [24]. Datele exportate au format o bază de date cu mai multe serii de timp (fiecare concentrație măsurată a concentrației de poluanți și parametrii climatici) cu valori înregistrate cu un pas de eşantionare de 10min. Un tip de metode utilizate în general pentru a determina parametrii principali care influențează valoarea parametrului de ieșire sunt procedura de selecție secvențială (selecție cu un pas înainte, regresie în trepte sau eliminare cu pas înapoi) [25]. Cu toate acestea, dezavantajul acestei metode este acela că începe cu o formă de model predefinită și, prin urmare, rezultatele ar putea fi interpretabile. În cazul nostru a fost preferată o metodă de corelare datorită simplității și adaptabilității sale la diferite forme de model. Sunt cunoscuți mai mulți coeficienți de corelație: Pearson [26], coeficienții de determinare [26, 27], Spearman [28] și Kendall [29, 30], cele mai recente două tipuri fiind corelații de rang care nu sunt necesare în cazul nostru. Am ales să folosim coeficienții de determinare datorită aplicabilității lor atât la corelațiile liniare, cât și la cele neliniare. Astfel, concluzionăm că parametrii principali care trebuie considerați ca date de intrare pentru modelul de predicție a concentrației de ozon sunt: temperatura exterioară (parametrul climatic) și concentrația locală de NO2 (ca parametru legat de trafic). În studiile anterioare privind poluarea atmosferică sa constatat că valoarea actuală a concentrației de ozon depinde de ultimele valori anterioare, fără a fi găsit un decalaj semnificativ [48]. Pentru o mai bună precizie a modelului predictivin, vom lua în considerare ca date de intrare pentru ambii parametri (temperatura și concentrația de NO2) ultimele 10 valori. Au fost testate mai multe strategii pentru predicția preliminară a O3 după ce am evaluat dacă luăm în considerare dependența lui O3 de propriile lui valori înregistrate pentru cei 11 paşi de timp (t-1, ...). Apoi am testat dependenţa lui O3 de propriile lui valori şi față de concentraţiile obţinute pentru NO2, cât și temperatura aerului pentru cele 11 trepte precedente de la al doilea pas anterior (t-2, ...). Alte strategii au considerat dependența O3 numai de sine și de temperatura aerului sau de sine și de iradierile solare etc. În figura 2 sunt prezentate rezultatele a trei teste. Baza de date de formare a fost aleasă din setul de date real menționat anterior. În figura 2 sunt prezentate trei momente diferite în timpul zilelor și în diferite anotimpuri ale anului. Au fost efectuate mai multe teste, având grijă să se includă în simulări toate situațiile posibile (ziua, noaptea, ziua săptămânii, sfârșitul săptămânii, toate anotimpurile).

Fig.3. Exemple de evoluţii temporale pentru concentraţii măsurate şi prezise ale CO, O3, SO2, NO2, PM10

Fig. 3 prezintă evoluții temporale tipice ale concentrațiilor prezise față de cele măsurate pentru O3 și pentru alți poluanți. În general, modelul oferă rezultate buneCu ajutorul softului Ansys Fluent 18.2 au fost

Carosabil

arteră

circulată

Parking

Spaţiu verde

Clădiri

9

simulate diferite curgeri de aer în jurul clădirilor din aceste modele în funcţie de direcţionarea vântului. Modelele au fost validate cu ajutorul masurărilor LDV 3D şi de presiune în tunelul aerodinamic de la UTCB. Au fost impuse apoi condiţii la limită pentru simularea unor surse de poluanţi şi a unor surse de descreştere a poluanţilor (carosabil, spaţii verzi, etc). Simulările numerice în regim nestaţionar ne-au permis recuperarea unor variaţii temporale fine a acestor poluanţi pentru testarea modelui de predicție temporală. Aceste variaţii au confirmat ipoteza noastră iniţială, arătând faptul că în prezenţa unei discretizări temporale mai fine predicţia modelului propus devine foarte precisă.

Fig. 4 – a) Schema bloc a unei unităţi din sistemul de achiziție și transmitere a datelor, b) Platforma Libelium

Plug & Sense cu perferice conectate, c) Senzorul pentru concentrația de CO (stânga - senzor, dreapta – sensor montat în carcasă)

10

T 2.1 + T.3.1 Conceptia şi realizarea platformei de achizitie cu senzori Pentru a putea îndeplini obiectivele proiectului au fost integrate platforme de senzori destinate identificării poluanților atmosferici, determinării cantității (concentrației) acestora și transmiterii rezultatelor măsurătorilor către o platformă de stocare și analiză a datelor. Platformele de senzori utilizate sunt capabile să identifice atât poluanții atmosferici primari cât și pe cei secundari. Poluanții atmosferici primari sunt reprezentați de dioxidul de sulf, oxizii de azot, monoxidul de carbon precum și particule materiale. Poluanții secundari sunt generați în urma unor reacții chimice între cei primari și componente ale atmosferei. Reprezentativi pentru această categorie sunt ozonul, oxizii de azot și anumite particule materiale. În urma diverselor analize și teste efectuate s-au identificat principalele tipuri de senzori, respectiv platforma pentru achiziția datelor și pentru comunicații, care vor fi utilizate pentru colectarea datelor referitoare la diversele tipuri de poluanți. Sistemul dezvoltat în cadrul acestui proiect este un sistem distribuit format din mai multe platforme de achiziție a datelor privind poluanții, amplasate în diverse regiuni geografice de interes, și un server central, care realizează stocarea și analiza datelor. Fiecare platformă de achiziție a datelor integrează senzori destinați măsurării concentrației de gaze poluante, senzor pentru particule materiale, un senzor de temperatură, presiune atmosferică și umiditate, precum și un modul pentru transmisia datelor. Întrucât platformele de achiziții de date se află în zone geografice diferite, acestea putând fi mutate acolo unde este necesar, tehnologia candidată pentru transmiterea datelor este cea prin rețeaua de date GSM-4G.

Fig.5 Arhitectura APM şi sSchema bloc interfață senzori

T 2.2 + T3.2 Conceptia şi realizarea aplicatiei APM Aplicația de monitorizare a poluării atmosferice (APM) este proiectată pentru recepționarea de fluxuri mari de date de la senzori și permite transformarea lor, pe cale digitală, în informații simple, ușor de utilizat și în timp real. Aplicația APM poate funcționa pe mai multe servere interconectate în diferite locații: a) APM stochează atât date relevante de pe platformele senzorilor, cât și toți indicatorii de calitate a mediului și stările obiectelor urbane și evenimentele trimise și primite de oameni prin aplicația lor mobilă detalii despre locația și timpul lor. În plus, baza de date APM ține evidența măsurilor luate de autorități pentru anumite tipuri de evenimente; b) aplicația APM oferă detectarea în timp real a evenimentelor, recepționarea datelor de pe platformele senzorilor și feedback-ul de la aplicațiile mobile și permiterea acțiunilor de control pentru a informa operatorii orașelor și

WSO2 DASModul procesare evenimente

Elastic Search

DB

NodeJSInterfață senzori

WSO2 AMInterfață

aplicație client

KibanaMotor

dashboard(Interfața cercetare)

NodeJSAplicație client

(FirstResponder & Mobile)

Date platforme

senzoriDate platforme preprocesate

Evenimente

Interogari și raspunsuri

date

Interogari și raspunsuri

date

Cereri API și răspuns pentru actualizare

stare senzori

Alarme

Interfață routare

endpoints/wso2_receiver_smartsense_v1

Procesare body

Interfață endpoint

endpoints/wso2_receiver_smartsense_v2

json platforma

json wso2das

11

pentru a trimite notificări cetățenilor, precum și pentru a utiliza dispozitive de acționare opționale; c) serverul de aplicații de predicție a poluării folosit pentru a prezice evenimentele viitoare; d) serverul GIS utilizat pentru asocierea evenimentelor cu pozițiile geografice; e) serverul WEB folosit pentru "primul răspuns", aplicația mobilă și portalul academic. Accesul la aplicație se realizează prin utilizarea un Browser Web. Până în acest moment, aplicația a fost testată cu Google Chrome și MacOS Safari. Device-ul de pe care se va accesa aplicația trebuie să fie conectat la internet. Conversia datelor recepționate de la platforma de senzori în formatul suportat de serverul WSO2 DAS. Funcțiile realizate sunt: recepționarea datelor de la platforma de senzori (transmise prin GSM) şi conversia datelor în formatul suportat de WSO2 DAS.Reprezintă un API care realizează interfațarea dintre senzori și modulul de procesare evenimente. Rolul acesteia este numai de a converti pachetele de date din formatul furnizat de platformele de senzori, prin GSM, în formatul suportat de WSO2 DAS. Utilizarea unui server NodeJS pentru această sarcină se motivează prin următoarele: permite recepționarea unui număr mare de cereri – este un server specializat în recepția și procesarea cererilor multiple; permite procesarea rapidă a unor task-uri de complexitate mică sau medie – cum ar fi cele de conversie structuri de date. O schemă bloc a interfeței senzori este prezentată în figura 5. Modulul procesare eveniment este responsabil cu preluarea datelor de la Interfața senzori. Modulul Interfață aplicație client: Asigură interfațarea între aplicația client și modulul Elastic Search DB. Interfațarea se face din punct de vedere al conversiei datelor, al autentificării și al izolării serviciilor de acces la date. Funcțiile realizate: autentificarea conexiunii la serviciile backend prin utilizarea token-ului de acces; izolarea serviciilor de acces la date de accesul exterior, pentru protecția datelor; conversia datelor furnizate de serviciile de acces la date în formate suportate de aplicația client. Modulul interfață aplicație client este bazat pe pachetul WSO2 API Manager. Acesta este un pachet realizat în tehnologie Java (Open Source) pentru construirea API (Application Programming Interface – Interfața aplicație programabilă), pentru publicarea ei, pentru dezvoltarea interfețelor aplicații inclusiv stabilirea ciclului de viață precum și pentru stabilirea drepturilor de acces la aplicație. În cazul Modulului interfață aplicație client vom utiliza WSO2 AM pentru: accesul securizat (pe bază de token) de la unitatea de procesare la unitatea de management – securizarea acestui acces este necesară pentru a preveni eventualele încercări de conectare la unitatea de management neautorizate și de injectare a unor date false; preluarea datelor de la Elastic Search; procesarea datelor de la Elastic Search pentru a le aduce în formatul compatibil cu Modulul daplicație client;transmiterea datelor către Modulul aplicație client. Construirea API-ului se face prin utilizarea interfeței de management WSO2 API Publisher. Modulul Kibana motor dashboard permite generarea de dashboard-uri și partajarea acestora astfel încât să poată fi afișate în aplicații client sau de sine stătător. Datele utilizate provin din modulul Elastic Search pe care Kibana îl integrează nativ (inclusiv posedă o consolă web de acces la serviciile Kibana). Funcțiile realizate sunt: interogarea datelor din ElasticSearch, construirea de secvențe de interogare prin modulul Discover, construirea instrumentelor de afișare a informațiilor – tabele, grafice de tip cercuri cu procente, grafice 2D, valori text etc., construirea de dashboard-uri care integrează instrumentele de afișare a informațiilor.

Fig.6. Exemplu de dashboard pentru concentrațiile individuale la 4 poluanți (PM10, CO, NO și SO2) și graficul cu

evoluția în timp a concentrației pe poluanți

12

T.2.3 + T.3.2 Conceptia şi realizarea aplicatiei First Responder Aplicaţia de tip "First Responder" propusă de noi, va putea fi utilizată pentru semnalizarea evenimentelor de poluare, amplasarea acestora și pentru a informa serviciile de urgență cu privire la aceste evenimente. Acesta oferă, într-o interfață grafică, informații privind zonele în care există creșteri ale concentrațiilor de poluanți. Acesta oferă alarma de tip de semnalizare în cazul depășirii pragurilor și va trebui să alerteze autoritățile competente utilizând o interfață dispecer. Serviciile de urgență de alertă, precum și toate mesajele pentru cetățeni sunt transmise de la prima aplicație de răspuns la aplicația server. Alarmele sunt prezentate în fereastra de alarme și sunt transmise în timp real către toți utilizatorii autentificați în aplicație. Pentru accesul în aplicatie se deschide Browser-ul Web preferat și se introduce adresa aplicației.

Fig.7 Printscreen aplicație SmartSense

Pentru utilizatorii neînregistrați, aplicația prezintă hărțile GIS Open Street Map și starea stațiilor de

senzori (reprezentată prin culori). În dreapta sus, pe bara de navigație, se regăsesc butoanele de înregistrare

(Sign In) respectiv logare (Log In) în aplicație. În cazul în care nu există un utilizator creat se va apasa butonul

Sign In și se va crea un utilizator. Aplicația poate utiliza hărțile de tip "raster" oferite de OSM (Open Street Map)

și hărțile de tip "ortofotoplan" oferite de ESRI. Pentru schimbarea tipului de hărți, se va apăsa butonul Hartă și

din meniu se va alege tipul de hartă dorit.

Fig.8 Printscreen din aplicatia „First Responder” cu generarea alarmelor

T.2.4 + T.3.3 Conceptia şi realizarea aplicatiei mobile Aplicația mobilă pentru cetățeni proiectată este folosită pentru a informa și a avertiza cetățenii cu privire la evenimentele legate de poluare și pentru a lua feedback de la cetățeni. Aplicația rulează pe dispozitive mobile conectate la Internet (GPRS / 3G / 4G). Prin această aplicație (disponibilă gratuit in magazinele de aplicații pentru mobile) cetățenii vor putea vizualiza o hartă a orașului cu distribuția zonelor poluate sau mai verzi. De asemenea, vor fi informați despre măsurile luate de autorități pentru a evita anumite zone periculoase, zone de curățare etc. În același timp, fiecare utilizator va putea participa activ la informarea autorităților cu privire la problemele care pot apărea cu poluanți (probleme care poate fi confirmată de platforme de senzori sau de informații suplimentare). O platformă web pentru cercetătorii din mediul urban, precum și pentru administrație și cetățeni, va fi implementată la sfârșitul proiectului, oferind utilizatorilor rapoarte, statistici, predicții, benchmarking și simulare opțională a deciziilor, sprijinind astfel aplicațiile de cercetare din domeniu. Pentru accesul în aplicație

13

se deschide Browser-ul Mobil Web preferat și se va introduce adresa aplicației. O data autentificat utilizatorul va avea acces la functionalitățile.

Fig.9 Aplicaţia mobilă şi înregistrări ale datelor de măsură şi ale valorilor prezise

T.2.5 Conceptia platformei integrate

Pentru monitorizarea în timp real a parametrilor de mediu dintr-un anumit areal este necesară, așa cum a fost prezentat anterior, identificarea prezenței poluanților, măsurarea cantității sau concentrației acestora și transmiterea datelor către serverul central, punctul în care se realizează analiza datelor, alarmarea utilizatorilor autorizați ai sistemului și prognoza evoluției distribuției poluantului în zona monitorizată.

T.3.1 Realizarea platformei de achizitie Libelium Waspmote Plug & Sense este un sistem complex care integrează un microcontroller

programabil în limbajul Arduino (un dialect al limbajului de programare ANSI C), interfețe de intrare-ieșire, convertor analog-numeric, module de comunicație în diverse configurații și interfață pentru programare.

Construcția platformei Plug & Sense este deosebit de robustă, carcasa fiind în conformitate cu standardul IP65 pentru protecția la praf și intemperii, permițând exploatarea platformei de senzori în medii dificile, la exteriorul clădirilor. Arhitectura modulară descrisă a fost implementată cu ajutorul platformei Libelium Waspmote Plug & Sense. Aceasta este o platformă robustă și cu dimensiuni reduse. Alături de urmarea etapelor „standard” pe care le-am urmat (proiectare - implementare - administrare) în fluxul construit au mai fost introduse și etape de procesare suplimentare necesare pentru construirea pachetelor, comunicarea cu modulul aplicație client și cu preluarea răspunsului de la modulul aplicație client. Pentru aceasta s-a utilizat WSO2 API Manager Developer Studio Tools, bazat pe mediul de editare programe Eclipse. Fluxul editat conține doi mediatori (două componente). Primul, denumit extragere (mediator de tip Property), este responsabil cu extragerea pachetului JSON furnizat de Elastic Search în urma interogării, în timp ce M55 (mediator de tip Script) face adaptarea datelor la formatul cerut de aplicația client. După proiectarea celor două API-uri, ele au fost asociate cu un template de aplicație (care are alocat un anumit token) și publicat. Asocierea cu o aplicație și publicarea acestuia are loc prin a doua consola de administrare API denumită Store: WSO2 API Store.

Fig. 10 – Schema logică a programului pentru achiziția datelor și transmiterea acestora către server

14

Fereastra principală a acesteia este oarecum similară cu API Publisher dar scopul este complet diferit. Și accesul aici se face la nivel de utilizator numai că pot diferi nivelele de acces: de la administrator la care este permis alocarea API-ului către diferite template-uri de aplicații până la simplu vizitator căruia îi este permis doar să vizualizeze proprietățile API-ului. Sistemul Libelium Waspmote Plug&Sense conține un microcontroller care se programează în limbajul specific Arduino (dialect al limbajului ANSI C) pentru a implementa funcționalitățile dorite. În figura 10 este prezentată schema logică a aplicației destinate achiziției datelor de la senzori și transmiterii acestor date către serverul centrul.

T.3.4 Realizarea platformei integrate Senzorii utilizaţi pentru demonstratorul SMARTSENSE permit monitorizarea cantității de particule și monitorizarea cantității de radiație solară. O platforma permite cuplarea a cel mult 5 senzori (gaze, particule, radiație solară) alături de senzorul complex măsurare parametrii atmosferici (temperatură, umiditate, presiune). Platformele elementare cu senzori transmit informațiile utilizând interfața GSM/4G de comunicație. Fiecare platformă permite conectarea de pana la 5 senzori. Platforma este autonomă din punct de vedere energetic – posedă un panou fotovoltaic pentru reîncărcarea acumulatorilor.

a) b)

c) d)

Fig. 11 – Mai multe ipoteze de interpolare spaţială au fost testate pentru alegerea modelului implementat

Alături de aceștia, fiecare platformă posedă și un senzor complex pentru măsurarea parametrilor atmosferici: temperatură, umiditate atmosferică, presiune atmosferică. Senzorii de gaze sunt senzori calibrați, de înaltă precizie proveniți de la firma Alphasense. Senzorii de gaze sunt celule electrochimice montate pe convertoare cu trei electrozi. Senzorul de praf realizat de Libelium este de tip optic, având inclusă și o pompă de aer cu ventilator (pentru precipitarea particulelor din aer). Senzorul complex de măsurare a parametrilor atmosferici este realizat de firma Bosch Sensortec fiind de asemenea calibrat. Platforma permite montarea pe stâlpi sau pe ziduri. Carcasa platformei este proiectata pentru a asigura protecție la precipitații, praf, noroi IP67. Sistemul poseda un panou fotovoltaic care poate fi montat in preajma cutiei (distanta maxima de 15 cm) sau chiar pe cutie. Autonomia la întuneric a sistemului (in cazul in care nu se încarcă) este de circa 1000 ore (prin utilizarea acumulatorilor de 6600 mA/h). Prin plasarea corespunzătoare, sistemul de încărcare fotovoltaic asigura autonomia totala energetica pe teritoriul României (inclusiv in lunile de iarna).

15

Pentru sistemul pilot sunt utilizate 3 platforme experimentale cu următorii senzori conectați: Platforma 1 (Stația 1): NO, NO2,SO2,CO,Praf,Temperatură, umiditate, presiune ; Platforma 2 (Stația 2): CO2, O3, NH3,NO,emperatură, umiditate, presiune ; Platforma 3 (Stația 3): Radiația solară,Temperatură, umiditate, presiune.

Fig. 12 Schema de principiu a determonării hărţilor de poluare pentru demonstratorul SMARTSENSE

Diferiţi algoritmi de interpolare spaţială au fost testaţi pentru alegerea soluţiei finale pentru generarea hărţilor de concentraţie de poluanţi. De-a lungul timpului, au fost propuse numeroase metode pentru interpolarea spațială în diferite discipline și existând o varietate de metode. Câteva metode mai populare au fostt analizate şi în cadrul proiectului SMARTSENSE: metoda celor mai apropiaţi vecini, metoda vecinilor naturali, metoda distanţelor inverse, metoda Krigging. oate metodele amintite pot fi utilizate în APM şi au fost testate în acest scop dar pentru optimizarea timpului de calcul am ales metoda de interpolare a celor mai apropiati vecini. In figura 12 este prezentată schema de principiu a metodelor utilizate pentru determinarea harţilor de poluare pentru demonstratorul SMARTSENSE.

T.4.1 Definirea planului de testare a demonstratorului În timpul acestei sarcini a fost definit planul de definire a testelor de validare şi funcţionalitate realizate pe parcursul T 4.2 şi T 4.3. Au fost alese diferite configurații de amplasare a staţiilor de măsură reale şi au fost identificate poziţiile staţiilor de măsură virtuale prezentate în schemele anterioare de calcul de interpolare

Measurements over 8 years for

several pollutants and outdoor

air parameters :

CO, CO2, NO, NO2, O3, SO, SO2,

PM2.5, PM10, Pb, NH3

Temperature, Relative Humidity,

Solar Radiation

6 M

EA

SUR

EM

EN

TS

STA

TIO

NS

OV

ER

BU

CH

AR

EST

Correlations of measured values

Neuro-fuzzy estimators for the

temporal prediction of each

pollutant

Possibility of continuous

monitoring for several

pollutants and outdoor air

parameters :

CO, CO2, NO, NO2, O3, SO,

SO2, PM2.5, PM10, Pb,

NH3 ……..

Temperature, Relative

Humidity, Solar Radiation,

Wind speed….

NE

W M

EA

SUR

EM

EN

T

STA

TIO

NS

AT

TH

E S

CA

LE O

F

TH

E S

TR

EE

T

Spatial interpolation of the

measured and of the predicted

data

Air pollution maps of

instantaneous and of predicted

values with a fine scale

CORRELATION MAPS

TEMPORAL PREDICTION

SPATIO-TEMPORAL PREDICTION

16

spaţială . Primele teste asupra sistemului au fost realizate de echipa de la MiraTechnologies în laborator, apoi sistemele au fost amplasate pe teren, în diferite locaţii.

a)

b)

c) Fig.12 Exemple de hartă de poluare suprapusă peste zona aleasă pentru testarea demonstratorului

implementate în aplicaţie: a) Concentraţie instantanee şi prezisă de O3 suprapusă peste harta zonei test în format satelitare ESRI, b) Concentraţie instantanee şi prezisă de O3 suprapusă peste harta zonei test în format

Open Street Map, c) Valori instanaee şi prezise ale indicelui AQI

T.4.2 + T4.3 Testarea şi evaluarea demonstratorului, Validarea sistemului, rezultate şi comparare Cele trei staţii de măsură reale au fost amplasate ca în figura 10, intr-o zonă in care se găsesc diferite tipuri de instituţii reprezentative pentru categoriile sensibile de populaţie. A fost astfel aelasă o zonă în jurul Facultăţii de Inginerie a Instalaţiilor, a Colegiului Naţional Mihai Viteazu, a unor şcoli (nr. 52 şi 56) şi a unor spitale (Spitalul Clinic de Ortopedie Foişor, Spitalul Clinic de Ortopedie Medlife, Spitalul Clinic de Urgenţă Dimitrie Gerotă).

17

Fig.13 Amplasarea punctelor de măsură şi a staţiilor in situ

Platforma integrată de senzori foloseste captatori calibrati de catre producători. Durata valabilitatii certificatului de calibrare pentru fiecare senzor este 24l uni. Testarea statiilor de achizitie s-a realizat pentru a verifica buna functionare a acestora si verificarea existentei abaterilor între cele 3 statii acolo unde au fost utilizaţi acelaşi tip de senzori. S-a realizat o comparare a temperaturii, umiditatii relative, CO2 si presiune atmosferica cu sondele aflate in aceeasi pozitie. S-au obtinut valori coerente abaterile incadrandu-se in clasa de precizie a senzorilor cu care sunt echipate statiile de achizitie. De asemenea senzorii de poluare au fost comparaţi cu diiferite echipamente disponibile în laboratorul asociat centrului de cercetare CAMBI (contoarele optice Grimm pentru PM 2.5 şi PM 10), senzori de CO şi CO2, senzor de NH3, piranometre, etc.

Activitati de diseminare şi popularizare desfasurate Site-ul proiectului Smartsense este gândit să ofere un spaţiu de diseminare a rezultatelor şi după terminarea proiectului, sub forma unor platforme disponibile pentru diferite instituţii şi echipe de cercetare. Site-ul se doreşte a fi o prelungire a platfomelor. O pagina a fost astfel dedicată unui document repository cu legislaţie naţională şi europeană relativă la calitatea aerului. De asemenea pe o altă pagină sunt preluate alarme din aplicaţia de tip First Responder. Proiectul a fost prezentat la o serie de conferinţe şi manifestări ştiinţifice şi a fost popularizat la expoziţii (Construct Expo 2017, IEAS 2017, Salonul Cercetarii 2017, Romtherm 2018, Romenvirotec 2018, Construct Expo 2018). Proiectul a fost popularizat şi printr-o pagină specială pe portalul ResearchGate.

LICEU

FACULTATE

SPITAL

SPITAL

SCOALA

SCOALA

FACULTATE LICEU

18

Fig.14 Site-ul proiectului SMARTSENSE

Fig. 15 Participări la întâlniri de lucru, manisfestări ştiinţifice şi la Salonul Cercetării 2017

19

Fig. 16 Participări la întâlniri de lucru, manisfestări ştiinţifice şi la Constructexpo 2018

CONCLUZII Activitatile planificate proiect au fost realizate in totalitate, iar rezultatele au fost cuantificate sub forma de rapoarte, studii, precum si diferite articole, prezentate fie ca publicatii de jurnal sau in cadrul conferintelor internationale.

DISTRIBUŢIA GENERALĂ A CHELTUIELILOR DIN PROIECT Distribuţia generală a cheltuielilor proiectului arată ponderea importantă dedicată echipamentelor de cercetare. Este de asemenea evidentă înlesnirea tinerilor colegi de a participa la manifestări internaționale precum şi preocuparea constantă de a invita colaboratorii externi pentru schimburi constructive de cunoştinţe.

PREZENTAREA ŞI ARGUMENTAREA NIVELULUI DE MATURITATE TEHNOLOGICĂ (TRL) LA FINALUL PROIECTULUI Tehnologia propusă de către proiectul implementat a pornit de la TRL 3 și a ajuns la TRL 4 la sfârșitul ultimei faze. Modelul de predicție a fost testat în cadrul unor proiecte anterioare implementate de către UTCB, acesta fiind baza de la care a plecat aplicația propusă. A fost dovedit faptul ca dovedește prin rezultate experimentale și numerice de laborator sau publicații că acest concept este funcțional și eficient, dar nu este încă integrat într-un sistem complet. In momentul de față, aplicația mobilă a fost testată în parametri uzuali, modelul fiind implementat într-un sistem de predicție mobil, validarea acestuia fiind în condiții specifice. Rezultatele așteptate vor fi extrase din configurația experimentală funcțională. Din aceste motive, nivelul TRL la sfârșitul proiectului este 4.

DREPTURI DE PROPRIETATE INTELECTUALĂ În cadrul proiectului, partenerii au colaborat eficient pentru îndeplinirea obiectivelor trasate în proiect. Echipa coordonatoare a fost responsabila cu partea de construcție a modelului de predicţie spaţio-temporală mare, precum si de partea de studiu fundamental al fenomenelor legate de poluarea urbană.

20

Echipa parteneră a fost implicata in elaborarea aplicaţiilor software şi a platformelor de achiziţie. Rezultatele proiectului vor fi exploatate cu drepturi depline de către ambii parteneri.

IMPACT Au fost identificate posibile parteneriate viitoare cu Universitatea Rennes 1, Universitatea din Caen, Institutul de Tehnologie din Fraunhofer pentru dezvoltarea conceptului Smartsense intr-un viitor proiect european prin programul H2020. La ora actuală cei doi parteneri, UTCB şi Mira Technologies explorează posbilitatea cooperării cu un partener norvegian prin programul de finanţare EEA Grants. O teză de doctorat care va continua cercetărie legate de elaborarea de modele matematice de predicţie spaţio-temporală cu aplicaţii legate e monitorizarea calităţii aerului la scară urbană va demara în anul universitar 2018-2019 la UTCB.

PRODUCŢIE ŞTIINŢIFICĂ

1) I. Nastase, I. Ursu, A. Dogeanu, M. Sandu, F. Bode, C. Croitoru, Experimental demonstrator of a mobile application for real time monitoring network system for urban air quality management, submitted to Clima 2019, under evalution for publication in an indexed WOS journal

2) I. Nastase, I.Ursu, A. Dogeanu, M. Sandu, F. Bode, C. Croitoru, Spatio-temporal predictions of small scale urban air pollution, accepted for publication in Incas Bulletin, 2018

3) V. Iordache, I. Ursu, D. Enciu, R. Valentin, I. Nastase, Urban air quality prediction for integration in a

smart application, submitted to Environmental Monitoring and Assessment, 2018

4) Laurenţiu Tăcutu, Ilinca Nastase, Angel Dogeanu Real-time air quality monitoring system. Platform description, submitted for publication in E3S Web of Conferences, DSC 2018

5) Ilinca Nastase, Angel Dogeanu C. Croitoru, Florin Bode, Urban pollution mapping based using real-time measurements, accepted for publication in E3S Web of Conferences, EENVIRO 2018

6) Ilinca Nastase, Ioan Ursu, Daniela Enciu, Vlad Iordache, Sandel Zaharia, Mihai Gustiuc, Mihnea Sandu, Real Time Monitoring Network System for Urban Air Quality Management, COBEE 2018, Melbourne

7) Florin Bode, Paul Danca, Ilinca Nastase, Amina Meslem and Angel Dogeanu, Developing a realistic CFD model of the air distribution inside a vehicle cockpit, Roomvent 2018, Espoo Finland

8) C. Croitoru, I. Nastase, A state of the art regarding urban air quality prediction models, EENVIRO 2017, accepted for publication in E3S web of conferences

9) Ilinca Nastase, Silviu Ionita, Sandel Zaharia, Vlad Iordache Mihai Gustiuc, Cristiana Croitoru, Real time, mobile application, for urban air quality management, Healthy Buildings Asia 2017

10) Laurentiu Tacutu, Florin Bode, Ilinca Nastase, Cristiana Croitoru, Experimental study of thermal comfort and air quality of a patient in a laboratory facility reproducing an OR, Healthy Buildings Asia 2017

11) Gabriel Iana, Ilinca Nastase, Săndel Zaharia, Vlad Iordache, Cristiana Croitoru, Mobile application for real time monitoring network system for urban air quality management, ICUH 2017

21

PREZENTARE SUCCINTA A PROIECTULUI Obiectivul general al proiectului SmartSense a fost acela de a dezvolta un demonstrator experimental pentru un sistem inteligent care urmăreşte în mod automat nivelul de poluare în zonele urbane, bazat pe o rețea de senzori ce înregistrează valori ale parametrilor de poluare a aerului în timp real. Rezultatele proiectului vor conduce catre un prototip cu potenţialul de a deveni o unealta de predicție pentru populație si autoritățile locale. Pe de o parte, cetățenii vor avea la dispoziție un instrument de conștientizare care să permită participarea efectivă a publicului în politicile de evaluare a calității aerului exterior din zonele urbane. Pe de altă parte, părțile interesate publice (orașele municipale, poliția rutieră, ministerul sănătaţii) vor avea un instrument eficient pentru deciziile lor pe termen scurt, mediu și lung în ceea ce privește acțiunile de control specifice. Unele dintre astfel de acțiuni se pot preconiza automat pe baza scenariilor bine definite și a metodelor de control disponibile la scară urbană (de exemplu, schimbarea automată a vitezei medii impuse pentru trafic, reorientarea șoferilor pe anumite rute specifice). Aecest obiectiv general s-a materializat în următoarele rezultate: (i) dezvoltarea unui prototip experimental al unei platforme dedicate pentru monitorizarea calității aerului exterior într-un mic cartier reprezentativ din București și (ii) dezvoltarea de modele matematice din datele experimentale, în scopul de a furniza predicții pentru puncte spațiale neacoperite și previziuni pe de altă parte. Ambele rezultate reprezintă integrarea unui demonstrator de scara redusa reprezentativ pentru sistemul inteligent propus. Validarea demonstratorului la scara unui cartier pune în evidenţă multiple posibilităţi de extindere viitoare la scara unui oras.

LICEU

FACULTATE

SPITAL

SPITAL

SCOALA

SCOALA

FACULTATE LICEU

22

REFERINTE BIBLIOGRAFICE 1. Gulia, S., et al., Urban air quality management-A review. Atmospheric Pollution Research, 2015. 6(2): p.

286-304. 2. WHO, Global surveillance, prevention and control of chronic respiratory diseases. A comprehensive

approach, ed. W.H. Organization. 2007. 3. Veremchuk, L.V., et al., Urban air pollution, climate and its impact on asthma morbidity. Asian Pacific

Journal of Tropical Biomedicine, 2016. 6(1): p. 76-79. 4. WHO, Reducing global healh risks through mitigation of short-lived climate pollutants. Scoping report

for policymakers, W.H. Organization, Editor. 2015. 5. Diapouli, E., et al., Evolution of air pollution source contributions over one decade, derived by PM10 and

PM2.5 source apportionment in two metropolitan urban areas in Greece. Atmospheric Environment, 2017. 164(Supplement C): p. 416-430.

6. Daher, N., et al., Characterization, sources and redox activity of fine and coarse particulate matter in Milan, Italy. Atmospheric Environment, 2012. 49(Supplement C): p. 130-141.

7. Sá, E., et al., Climate change and pollutant emissions impacts on air quality in 2050 over Portugal. Atmospheric Environment, 2016. 131: p. 209-224.

8. Cartier, Y., T. Benmarhnia, and A. Brousselle, Tool for assessing health and equity impacts of interventions modifying air quality in urban environments. Evaluation and Program Planning, 2015. 53: p. 1-9.

9. Prasad, K., A.K. Gorai, and P. Goyal, Development of ANFIS models for air quality forecasting and input optimization for reducing the computational cost and time. Atmospheric Environment, 2016. 128: p. 246-262.

10. Borrego, C., et al., Urban scale air quality modelling using detailed traffic emissions estimates. Atmospheric Environment, 2016. 131: p. 341-351.

11. Wright, R.F. and D.W. Schindler, Interaction of acid rain and global changes: effects on terrestrial and aquatic ecosystems. . Water, Air and Soil Pollution, 1995. 85(85): p. 89-99.

12. Munn, T., P. Timmerman, and A. Whyte, Emerging Environmental Issues. Bulletin of the American Meteorological Society, 2000. 81(7).

13. Brimblecombe, P., Air Composition and Chemistry, ed. C.U. Press. 1996 14. Grundström, M., et al., Urban NO2 and NO pollution in relation to the North Atlantic Oscillation NAO

Atmospheric Environment2011. 45: p. 883-888.

15. Haney, J.L., et al., Ozone air quality scoping study for the lower Lake Michigan air quality region: final report. San Rafael, CA: Systems Application, Inc. 1989.

16. Finlayson-Pitts, B.J. and J.N. Pitts Jr, Chemistry of the Upper and Lower Atmosphere, in Chemistry of the Upper and Lower Atmosphere. 2000, Academic Press: San Diego. p. xvii-xviii.

17. Notario, A., et al., Variability of oxidants (OX=O3+NO2), and preliminary study on ambient levels of ultrafine particles and VOCs, in an important ecological area in Spain. Atmospheric Research, 2013. 128: p. 35-45.

18. H. Levy, J.D.M., W.J. Moxim, S.C. Liu, Tropospheric ozone – the role of transportJ. Geophysical Research, 1985(90 ): p. 3753-3772.

19. Carnero JA, B.J., de la Morena BA., Surface ozone measurements in the southwest of the Iberian Peninsula (Huelva, Spain). Environ Sci Pollut Res Int. , 2010 17(2): p. 355-68.

20. Prakash, A., et al., A wavelet-based neural network model to predict ambient air pollutants’ concentration. Environnemntal Modeling Assessessment, 2011(16): p. 503-517.

21. Karatzas, K.D. and S. Kaltsatos, Air pollution modeling with the aid of

computational intelligence methods in Thessaloniki, Greece. Simul Model Pract Theory, 2007. 15: p. 1310–1319.

23

22. Jorquera, H., et al., Forecasting ozone daily maximum levels at Santiago Chile. Atmos Environ, 1998. 32: p. 3415-3424.

23. Jang, J.S.R., ANFIS adaptive-network-based fuzzy inference systems. IEEE Trans Syst Man Cyber, 1993. 23(3): p. 665–685.

24. Radu, V.M., V. Iordache, and T. Catalina, Eight Year Period Analysis for Outdoor Pollutant Concentration Levels in Bucharest. Buletinul Institutului Politehnic din lasi. Sectia Constructii, Arhitectura, 2013. 59(6): p. 127.

25. Meyers, R.H., Classical and modern regression with appllications 2nd edition. 1990, pp185-193, Belmont, California: Duzbury Press.

26. Wonnacott, T.H. and R.J. Wonnacott, Statistique Economie - Gestion - Sciences - Medecine, 4eme edition. 1991, pp 538-582, Paris: Ed. Economica.

27. Meyers, R.H., Classical and modern regression with applications 2nd edition. 1990, pp 95-96, Belmond, California: Duxbury Press.

28. Lehman, A., Jmp For Basic Univariate And Multivariate Statistics: A Step-by-step Guide. 2005, Cary, North Carolina: SAS Press.

29. Kendall, M., A New Measure of Rank Correlation, in Biometrika. 1938, 81-89, Ed Biometrika. 30. Agresti, A., Analysis of Ordinal Categorical Data 2nd edition. 2010, New York: John Wiley & Sons.