Συλλογή IoT δεδομένων και σημασιολογικός εμπλουτισμός τους με εφαρμογή στην παρακολούθηση ποιότητας αέρα σε αστικό περιβάλλον

Abstract

Η παρούσα μεταπτυχιακή εργασία εστιάζει στη βελτίωση της παρακολούθησης της ποιότητας του αέρα σε αστικά περιβάλλοντα, χρησιμοποιώντας δεδομένα που συλλέγονται από συσκευές IoT και εφαρμόζοντας τεχνικές σημασιολογικού εμπλουτισμού. Η εργασία χρησιμοποιεί τον Ευρωπαϊκό Δείκτη Ποιότητας Αέρα (EAQI) ως αναφορά, για την κατανόηση της σοβαρότητας της ατμοσφαιρικής ρύπανσης σε διάφορες περιοχές και την αναγνώριση των αιτιών που την προκαλούν. Για την επίτευξη του σκοπού αυτού, συλλέγονται ετερογενή δεδομένα από IoT συσκευές και ανοικτές πλατφόρμες περιβαλλοντικών δεδομένων. Οι συσκευές IoT τοποθετούνται στρατηγικά στο αστικό περιβάλλον για τη συλλογή δεδομένων σχετικά με τις διάφορες μετρήσεις ποιότητας του αέρα, όπως η συγκέντρωση βλαβερών αέριων ρύπων (SO2, NO2, O3) και τα επίπεδα των αιωρούμενων σωματιδίων (PM2.5, PM10). Αρχικά, τα δεδομένα αποστέλλονται σε IoT πλατφόρμες και στη συνέχεια μεταδίδονται μέσω του πρωτοκόλλου MQTT σε έναν κεντρικό διακομιστή. Στο σημείο αυτό εξατομικευμένες υπηρεσίες συλλέγουν γεωχωρικού τύπου περιβαλλοντικά δεδομένα από ανοικτές πλατφόρμες. Στο σύνολό τους τα συλλεχθέντα δεδομένα υποβάλλονται σε επεξεργασία και σημασιολογικό σχολιασμό εκχωρώντας κλάσεις και ιδιότητες από μια οντολογία. Η χρήση τεχνικών σημασιολογικού εμπλουτισμού επιτρέπει μια πιο ολοκληρωμένη κατανόηση των δεδομένων, καθώς προσθέτει πλαίσιο και νόημα στα ακατέργαστα δεδομένα που συλλέγονται από διαφορετικές πηγές. Επιπλέον, αποθηκεύοντας τα σημασιολογικά δεδομένα σε μια βάση γραφοδεδομένων Neo4j, διευκολύνεται η αναγνώριση προτύπων και σχέσεων μέσα στα δεδομένα, καθιστώντας ευκολότερο τον εντοπισμό περιοχών ανησυχίας και πιθανών αιτιών ατμοσφαιρικής ρύπανσης. Επίσης, η εργασία περιλαμβάνει την υλοποίηση διαδικτυακής εφαρμογής για την οπτικοποίηση των περιβαλλοντικών δεδομένων των σταθμών, υποβάλλοντας ερωτήματα GraphQL προς τη βάση. Αυτό επιτρέπει τον εύκολο εντοπισμό περιοχών με υψηλά επίπεδα ρύπανσης. Επιπρόσθετα, ο χρήστης μπορεί να αναζητήσει μια διαδρομή που θα ακολουθήσει, βάσει των προσφάτων περιβαλλοντικών δεδομένων ποιότητας αέρα, η οποία είναι απαλλαγμένη από ατμοσφαιρική μόλυνση, ορίζοντας τα σημεία έναρξης και λήξης της διαδρομής στο χάρτη.

This master's thesis focuses on enhancing urban air quality monitoring through the utilization of data obtained from IoT devices and the application of semantic enrichment techniques. The European Air Quality Index (EAQI) is used as a reference throughout the study to determine the severity of air pollution in different places and to identify the causes of it. To achieve this purpose, heterogeneous data is collected from IoT devices and open environmental data platforms. IoT devices are strategically placed in the urban environment to collect data on various air quality metrics, such as the concentration of harmful air pollutants (SO2, NO2, O3) and levels of particulate matter (PM2.5, PM10). First, data is sent to IoT platforms and then transmitted via the MQTT protocol to a central server. At this point custom services collect geospatial environmental data from open platforms. The acquired data is processed and semantically annotated by assigning ontology classes and properties. The use of semantic enrichment techniques enables a more complete understanding of the data as it adds context and meaning to the raw data collected from different sources. Additionally, by storing the semantic data in a Neo4j graph database, it facilitates the recognition of patterns and relationships within the data, making it easier to identify areas of concern and potential causes of air pollution. The task also includes the implementation of a web application to visualize the stations' environmental data by submitting GraphQL queries to the database. This allows easy detection of areas with high levels of pollution. Additionally, the user can search for a route to follow based on the latest environmental air quality data that is free of air pollution, by setting the start and end points of the route on the map.