تتفاوت جودة الهواء في المدن بشكل كبير عبر ممرات النقل، مما يتطلب رصدًا عالي الدقة. يُقدّم هذا البحث مجموعة جديدة من البيانات المستمدة من الاستشعار المتنقل في مدينة Surat بولاية غوجارات، الهند، والتي تحتوي على تركيزات PM2.5، بالإضافة إلى متغيرات جوية مثل درجة الحرارة والرطوبة وسرعة واتجاه الرياح.

لتمثيل البيانات الزمانية والمكانية كشبكة، اعتمد الباحثون على استراتيجيتين لتعريف العقد: التقطيع المنتظم (200-400 متر) وتجميع DBSCAN لتجميع الملاحظات الكثيفة بشكل تكيفي. تم حساب متوسط Rolling والانحراف المعياري للمتغيرات الجوية لكل عقدة.

لتحليل هذه البيانات عالية الأبعاد، يقدم الباحثون نموذج SA-GNN الذي يوفر توقعات دقيقة لتركز PM2.5 على مدار فترات قصيرة ويساعد في تحديد النقاط الساخنة. تم مقارنة النموذج مع نماذج LSTM وRNN وGRU وANN، حيث أثبت SA-GNN كفاءته بتسجيل نتائج تصل إلى R^2=0.95، RMSE=6.8، وMAE=4.2 ميكروغرام لكل متر مكعب، متفوقًا بذلك على جميع النماذج الأساسية.

يجمع نموذج SA-GNN بين التجميع المكاني مع الانتباه التكيفي، ما يعزز بشكل كبير من دقة التوقعات. هذا الابتكار يمكّن من الرصد الفوري والدقيق، ويساهم في تتبع تعرض الأفراد ويساعد في إصدار التنبيهات في الوقت المناسب، ما يعزز الصحة العامة في المدن.

ما رأيكم في هذا الابتكار التكنولوجي الجديد لتحسين جودة الهواء؟ شاركونا أفكاركم وآرائكم في التعليقات!