Applications of machine learning and IoT for Outdoor Air Pollution Monitoring and Prediction: A Systematic Literature Review

要約

世界保健機関（WHO）によると、大気汚染によって毎年700万人が命を落としている。屋外の大気汚染は、低・中・高所得国に影響を及ぼす主要な環境衛生問題である。過去数年間、研究コミュニティは、屋外大気汚染予測のためのIoT対応機械学習アプリケーションを模索してきた。本稿の一般的な目的は、屋外大気汚染予測のための機械学習とモノのインターネット（IoT）のアプリケーション、および使用される監視センサーと入力特徴の組み合わせを体系的にレビューすることである。このレビューのために2つの研究課題を設定した。最初のPRISMA段階で1086件の論文が収集された。スクリーニングと適格性の段階を経て、37件の論文が組み入れ対象として選択された。高コストのモニタリング、低コストのIoT、ハイブリッドによる予測を強調するために、調査結果をコストベースで分析した。時系列、特徴ベース、時空間という3つの予測方法が特定された。このレビューの結果、文献に見られるアプリケーションの主な限界、すなわち、カバレッジの不足、データの多様性の不足、コンテキスト固有の特徴の包含の不足が明らかになった。このレビューでは、今後の研究の方向性を提案し、ヘルスケア、都市計画、グローバルシナジー、スマートシティにおける実用的な意味を強調している。

要約(オリジナル)

According to the World Health Organization (WHO), air pollution kills seven million people every year. Outdoor air pollution is a major environmental health problem affecting low, middle, and high-income countries. In the past few years, the research community has explored IoT-enabled machine learning applications for outdoor air pollution prediction. The general objective of this paper is to systematically review applications of machine learning and Internet of Things (IoT) for outdoor air pollution prediction and the combination of monitoring sensors and input features used. Two research questions were formulated for this review. 1086 publications were collected in the initial PRISMA stage. After the screening and eligibility phases, 37 papers were selected for inclusion. A cost-based analysis was conducted on the findings to highlight high-cost monitoring, low-cost IoT and hybrid enabled prediction. Three methods of prediction were identified: time series, feature-based and spatio-temporal. This review’s findings identify major limitations in applications found in the literature, namely lack of coverage, lack of diversity of data and lack of inclusion of context-specific features. This review proposes directions for future research and underlines practical implications in healthcare, urban planning, global synergy and smart cities.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL