Die autonomen Drohnen fliegen etwa 100 Meter \u00fcber einem dicht besiedelten st\u00e4dtischen Wohngebiet, um Daten zu erfassen, die anschlie\u00dfend an ein zentrales Kommunikationsmodul gesendet werden. Die verarbeiteten Informationen werden mit Wind- und Verkehrsmustern und vorausgegangenen Verschmutzungs-Hotspots verglichen. Die Drohnenflotte wird danach angewiesen, sich zu neuen Messpunkten zu bewegen und den Prozess zu wiederholen.<\/p>\n\n\n\n
Den Studenten zufolge wurde ein mobiler Ansatz gew\u00e4hlt, da angenommen wird, dass die sozialen Auswirkungen im Vergleich zu anderen bekannten station\u00e4ren Verschmutzungs-\u00dcberwachungssystemen gr\u00f6\u00dfer sein w\u00fcrden. Die Studenten bewerteten, dass statische Modelle oft nicht in der Lage sind, die r\u00e4umliche Heterogenit\u00e4t der Verschmutzungswerte in einem bestimmten Szenario zu erkennen. „Aufgrund der limitierten Verteilung und der fehlenden Mobilit\u00e4t sind sie nur ein Indikator f\u00fcr die Luftqualit\u00e4t in der unmittelbaren Umgebung eines jeden Messpunktes, nicht aber beispielsweise f\u00fcr die Luftqualit\u00e4t in der gesamten Stadt“, so die Studenten.<\/p>\n\n\n\n
Die Daten \u00fcber die Luftqualit\u00e4t werden in Echtzeit mit einer Aufl\u00f6sung von 15 Metern gesendet und k\u00f6nnen \u00fcber eine Schnittstelle \u00f6ffentlich zug\u00e4nglich gemacht werden, die die gesammelten Informationen mit sozio\u00f6konomischen Daten des Gebiets verkn\u00fcpfen kann, zum Beispiel mit den Faktoren Einkommen, Familienzusammensetzung, Wohnverh\u00e4ltnisse und Verkehrsmittel. Laut den Studenten hilft dies dabei, Muster und Ungleichheiten in der Exposition mit verschmutzter Luft aufzudecken und pr\u00e4zisere Entscheidungen zu treffen, um die Situation zu ver\u00e4ndern.<\/p>\n\n\n\n
Die L\u00f6sung \u00fcberwacht eine Verschmutzungsform namens PM 2,5, die prim\u00e4r aus Partikeln besteht, die so klein sind, dass sie beim Einatmen in den Blutkreislauf gelangen und im Laufe der Zeit zu Lungen- und Herzerkrankungen f\u00fchren k\u00f6nnen.<\/p>\n\n\n\n
Motorische \u00dcberwachung<\/h2>\n\n\n\n
Eine vom Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT entwickelte taktile Sensormatte k\u00f6nnte bei Behandlungsformen im Gesundheitswesen oder in intelligenten H\u00e4usern von Nutzen sein. Die Matte nutzt die vielen Interaktionen, die Menschen jeden Tag mit dem Boden haben, um ihre Bewegungen besser zu verstehen.<\/p>\n\n\n\n
Um die Privatsph\u00e4re so weit wie m\u00f6glich zu wahren, werden Kameras zun\u00e4chst nur verwendet, um den Datensatz der Umgebung zu erstellen, in der das System trainiert wird, und um die Person zu erfassen, die die Aktivit\u00e4ten ausf\u00fchrt. Um die 3D-Position der Person auf der Matte abzuleiten, verwendet sp\u00e4ter ein tiefes neuronales Netzwerk nur die taktilen Informationen und stellt fest, ob die Person beispielsweise Sit-ups, Dehn\u00fcbungen oder eine andere Aktivit\u00e4t durchf\u00fchrt.<\/p>\n\n\n\n
![\"\"](\"https:\/\/network-king.net\/wp-content\/uploads\/2021\/06\/20201108_120242p-1024x768.jpg\")