Desarrollo y evaluación de sistemas basados en técnicas de aprendizaje automático para la predicción de índices de contaminación de una ciudad inteligente

Abstract

[ES] El siguiente proyecto consiste en el desarrollo y evaluación de modelos de aprendizaje automático para la predicción de índices de contaminación (concentración de partículas y de gases nocivos en el aire) de la ciudad de Alcoy, una ciudad que ha iniciado el proceso de convertirse en una ciudad inteligente.

El desarrollo de los distintos sistemas predictivos se llevará a cabo mediante la implementación de redes neuronales de la librería de aprendizaje automático de alto nivel FastAI y de las técnicas de árboles binarios y bosques aleatorios de la librería Sklearn.

Los datos obtenidos para el desarrollo del proyecto abarcan el periodo de febrero a diciembre del año 2022 y se transformaran en Datasets, construidos a partir de la agregación e indexación de múltiples fuentes de datos: mediciones periódicas de sensores de contaminación, información meteorológica y de tráfico.

El trabajo previo al desarrollo de los modelos predictivos abarca el análisis de los sensores que determinan la concentración de gases y partículas presentes en diferentes ubicaciones de ciudad; la recolección, depuración, agregación y alineamiento temporal de los diferentes conjuntos de datos considerados; el análisis de librerías de aprendizaje automático de alto nivel; y la evaluación de diferentes tipos de modelos y arquitecturas.

A lo largo del desarrollo e implementación de los diferentes sistemas, se ha logrado obtener notables incrementos en la precisión de los resultados predichos.

[EN] The following project consists of the development and evaluation of machine learning models for the prediction of pollution indices (concentration of particles and harmful gases in the air) of the city of Alcoy, a city that has begun the process of becoming a smart city.

The development of the different predictive systems will be carried out through the implementation of neural networks using the high-level machine learning library FastAI and the techniques of binary trees and random forests of the Sklearn library.

The data obtained for the development of the project covers the period from February to December 2022 and will be transformed into Datasets, built from the aggregation and indexation of multiple data sources: periodic measurements of pollution sensors, meteorological and traffic information.

The work prior to the development of the predictive models includes the analysis of the sensors that determine the concentration of gases and particles present in different city locations; the collection, cleaning, aggregation and temporal alignment of the different data sets considered; the analysis of high-level machine learning libraries; and the evaluation of different types of models and architectures.

Throughout the development and implementation of the different systems, remarkable increases in the accuracy of the predicted results have been achieved.

[CA] El projecte següent consisteix en el desenvolupament i l'evaluació de models d'aprenentatge automàtic per a la predicció d'índexs de contaminació (concentració de partícules i de gasos nocius a l'aire) de la ciutat d'Alcoi, una ciutat que ha iniciat el procés d'esdevenir una ciutat intel·ligent. El desenvolupament dels diferents sistemes predictius es duran a terme mitjançant l’implementació de xarxes neuronals de la llibreria d’aprenentatge automàtic dalt nivell FastAI i de les tècniques d'arbres binaris i boscos aleatoris de la llibreria Sklearn. Les dades obtingudes per al desenvolupament del projecte abasten el període de febrer a desembre de l'any 2022 i es transformaran en Datasets, construïts a partir de l'agregació e indexació de múltiples fonts de dades: mesuraments periòdics de sensors de contaminació, informació meteorològica y de trànsit. El treball previ al desenvolupament dels models predictius inclou l'anàlisi dels sensors que determinen la concentració de gasos i partícules presents a diferents ubicacions de ciutat; la recol·lecció, depuració, agregació i alineament temporal dels diferents conjunts de dades considerats; l'anàlisi de llibreries d'aprenentatge automàtic d'alt nivell; i l'avaluació de diferents tipus de models i arquitectures. Al llarg del desenvolupament i la implementació dels diferents sistemes, s'han aconseguit obtenir notables increments en la precisió dels resultats predits.