ІНТЕЛЕКТУАЛЬНА СИСТЕМА ДЛЯ РОЗМІЩЕННЯ МІСЬКИХ СТАНЦІЙ ЕКОЛОГІЧНОГО МОНІТОРИНГУ

Андрій Паливода; Адлет Касимбеков

doi:10.28925/2663-4023.2025.27.728

Автор(и)

Андрій Паливода Державний торговельно-економічний університет https://orcid.org/0009-0009-4785-244X
Адлет Касимбеков Казахський національний дослідницький технічний університет імені К.І. Сатпаєва https://orcid.org/0009-0009-1995-4860

DOI:

https://doi.org/10.28925/2663-4023.2025.27.728

Ключові слова:

інформаційні технології, smart city, інфраструктура, екологічний моніторинг, навколишнє середовище, аналіз якості повітря

Анотація

У статті акцентується увага на ключовій ролі інформаційних систем в розвитку екологічної складової сучасних розумних міст (Smart City). Підкреслено, що впровадження технологій IoT та Data Science може значно підвищити ефективність систем моніторингу та управління екологічними параметрами, що, в свою чергу, дозволить своєчасно виявляти та реагувати на екологічні проблеми. Такий підхід у сукупності з застосуванням інтелектуальних інформаційних систем може сприяти оперативному прийняттю ефективних заходів щодо усунення та мінімізації негативного впливу на навколишнє середовище. Проведено огляд попередніх досліджень, присвячених застосуванню різних інформаційних технологій та систем для оптимізації розміщення ресурсів, таких як метеостанції та сенсори моніторингу стану навколишнього середовища. Обґрунтовано, що, хоча лінійні та нелінійні методи забезпечують точні рішення, вони вимагають значних обчислювальних ресурсів. Еволюційні алгоритми пропонують гнучкість, але їх результати можуть бути менш передбачуваними. Зазначено, що еволюційні алгоритми, такі як генетичні алгоритми, демонструють значний потенціал у вирішенні завдань, пов'язаних з великими обсягами даних. Методи машинного навчання здатні виявляти приховані закономірності, але потребують великого обсягу даних для навчання. Мережеві алгоритми оптимізують розміщення станцій з урахуванням топології мережі, хоча їх реалізація може бути складною. У статті також розглядаються питання інтеграції даних з різних джерел, що дозволяє створювати комплексні моделі екологічного стану міста. Це включає в себе використання геоінформаційних систем (GIS) для візуалізації та аналізу даних, що допомагає приймати обґрунтовані рішення щодо управління міським середовищем. У висновку підкреслюється необхідність подальших досліджень для вибору оптимальних алгоритмів вирішення завдань, пов'язаних з розміщенням моніторингових станцій у містах, з урахуванням специфічних вимог кожної конкретної ситуації. Це відкриває перспективи для розвитку методик оптимізації мережі моніторингових станцій контролю стану повітря в розумних містах. Додатково, наголошується на важливості міждисциплінарного підходу, що включає співпрацю між інженерами, екологами та міськими планувальниками для створення стійких та екологічно безпечних міських середовищ. Висвітлено необхідність подальших досліджень для вдосконалення методик оптимізації мережі моніторингових станцій у міських умовах.

Завантаження

Дані завантаження ще не доступні.

Посилання

Rahman, A.-U., Abbas, S., Gollapalli, M., Ahmed, R., Aftab, S., Ahmad, M., Khan, M. A., & Mosavi, A. (2022). Rainfall Prediction System Using Machine Learning Fusion for Smart Cities. Sensors, 22(9), 3504. https://doi.org/10.3390/s22093504

Ullah, A., Anwar, S. M., Li, J., Nadeem, L., Mahmood, T., Rehman, A., & Saba, T. (2024). Smart cities: The role of Internet of Things and machine learning in realizing a data-centric smart environment. Complex & Intelligent Systems, 10(1), 1607–1637. https://doi.org/10.1007/s40747-023-01175-4

Sharma, H., Haque, A., & Blaabjerg, F. (2021). Machine learning in wireless sensor networks for smart cities: A survey. Electronics, 10(9), 1012. https://doi.org/10.3390/electronics10091012

Monastyrskyi, L., & Hura, V. (2023). Predicting air quality using machine learning. Electronics and information technologies, 22, 57–68.

Nochvai, V., Kryvakovska, R., & Ishchuk, O. (2012). The use of GIS in air quality management tasks. Electronics and information technology, 2, 154–163.

Zaporozhets, A. O. (2017). Analysis of environmental air pollution monitoring equipment. Science-Based Technologies, 35(3), 242–252. https://doi.org/10.18372/2310-5461.35.11846

Hassani, A., Santos, G. S., Schneider, P., & Castell, N. (2024). Interpolation, satellite-based machine learning, or meteorological simulation? A comparison analysis for spatio-temporal mapping of mesoscale urban air temperature. Environmental Modeling & Assessment, 29(2), 291–306. https://doi.org/10.1007/s10666-023-09943-9

Du, R., Zhang, X., Li, Y., & Wang, J. (2018). The sensable city: A survey on the deployment and management for smart city monitoring. IEEE Communications Surveys & Tutorials, 21(2), 1533–1560. https://doi.org/10.1109/COMST.2018.2881008

Bacco, M., Delmastro, F., Ferro, E., & Gotta, A. (2017). Environmental monitoring for smart cities. IEEE Sensors Journal, 17(23), 7767–7774. https://doi.org/10.1109/JSEN.2017.2722819

Olenych, I., & Babiak, S. (2024). Automated system for air pollution research. Electronics and information technology, 26, 59–72.

Zhu, N., & Zhao, H. (2018). IoT applications in the ecological industry chain from information security and smart city perspectives. Computers & Electrical Engineering, 65, 34–43. https://doi.org/10.1016/j.compeleceng.2017.05.036

4 ways cities are using low-cost sensors to improve air quality. (n. d.). Clean Air Fund. https://www.cleanairfund.org/news-item/4-ways-cities-are-using-low-cost-sensors-to-improve-air-quality/

3 ways smart cities can improve air quality. (2020). Smart Cities Dive. https://www.smartcitiesdive.com/news/3-ways-smart-cities-can-improve-air-quality/580519/

5 ways new monitoring technologies can help cities combat air pollution. (2021). World Economic Forum. https://www.weforum.org/agenda/2021/04/air-pollution-cities-monitoring-technologies/

Air quality monitoring and smart cities: Will smart cities have cleaner air? (n.d.). BlueSky HQ. https://blueskyhq.io/blog/air-quality-monitoring-and-smart-cities-will-smart-cities-have-cleaner-air

Air quality. (n.d.). IQAir. from https://www.iqair.com/

Mahalingam, U., Elangovan, K., Dobhal, H., Valliappa, C., Shrestha, S., & Kedam, G. (2019, March). A machine learning model for air quality prediction for smart cities. In 2019 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET), 452–457. https://doi.org/10.1109/WiSPNET45539.2019.9032734

Neo, E. X., Hasikin, K., Lai, K. W., Mokhtar, M. I., Azizan, M. M., Hizaddin, H. F., & Razak, S. A. (2023). Artificial intelligence-assisted air quality monitoring for smart city management. PeerJ Computer Science, 9, e1306. https://doi.org/10.7717/peerj-cs.1306

Ameer, S., Shah, M. A., Khan, A., Song, H., Maple, C., Islam, S. U., & Asghar, M. N. (2019). Comparative analysis of machine learning techniques for predicting air quality in smart cities. IEEE Access, 7, 128325–128338. https://doi.org/10.1109/ACCESS.2019.2925082

Sato, S. (2018). Integration, Third Region Effect, and Policy Commitment. Regional Economic Analysis of Power, Elections, and Secession. New Frontiers in Regional Science: Asian Perspectives, 21. https://doi.org/10.1007/978-4-431-55897-2_5

Singh, M., & Mehrotra, M. (2018). Impact of biclustering on the performance of biclustering based collaborative filtering. Expert Systems With Applications, 113, 443–456. https://doi.org/10.1016/j.eswa.2018.06.001

Liao, Q., Zhu, M., Wu, L., Pan, X., Tang, X., & Wang, Z. (2020). Deep learning for air quality forecasts: A review. Current Pollution Reports, 6, 399–409. https://doi.org/10.1007/s40726-020-00159-z

Iskandaryan, D., Ramos, F., & Trilles, S. (2020). Air quality prediction in smart cities using machine learning technologies based on sensor data: A review. Applied Sciences, 10(7), 2401. https://doi.org/10.3390/app10072401

Majdi, A., Alrubaie, A. J., Al-Wardy, A. H., Baili, J., & Panchal, H. (2022). A novel method for indoor air quality control of smart homes using a machine learning model. Advances in Engineering Software, 173, 103253. https://doi.org/10.1016/j.advengsoft.2022.103253

Zhang, W., Wu, W., Norford, L., Li, N., & Malkawi, A. (2023). Model predictive control of short-term winter natural ventilation in a smart building using machine learning algorithms. Journal of Building Engineering, 73, 106602. https://doi.org/10.1016/j.jobe.2023.106602

Ammara, U., Rasheed, K., Mansoor, A., Al-Fuqaha, A., & Qadir, J. (2022). Smart cities from the perspective of systems. Systems, 10(3), 77. https://doi.org/10.3390/systems10030077

Lom, M., & Pribyl, O. (2021). Smart city model based on systems theory. International Journal of Information Management, 56, 102092. https://doi.org/10.1016/j.ijinfomgt.2020.102092

Wang, M., & Zhou, T. (2022). Understanding the dynamic relationship between smart city implementation and urban sustainability. Technology in Society, 70, 102018. https://doi.org/10.1016/j.techsoc.2022.102018

Tregua, M., D’Auria, A., & Bifulco, F. (2021). Sustainability in smart cities: Merging theory and practice. In Smart cities and the UN SDGs, 29–44. https://doi.org/10.1016/B978-0-323-85151-0.00003-8

Marques, G., Saini, J., Dutta, M., Singh, P. K., & Hong, W. C. (2020). Indoor air quality monitoring systems for enhanced living environments: A review toward sustainable smart cities. Sustainability, 12(10), 4024. https://doi.org/10.3390/su12104024

Kaivonen, S., & Ngai, E. C. H. (2020). Real-time air pollution monitoring with sensors on city bus. Digital Communications and Networks, 6(1), 23–30. https://doi.org/10.1016/j.dcan.2019.03.003

Kaginalkar, A., Kumar, S., Gargava, P., & Niyogi, D. (2021). Review of urban computing in air quality management as smart city service: An integrated IoT, AI, and cloud technology perspective. Urban Climate, 39, 100972. https://doi.org/10.1016/j.uclim.2021.100972

Li, L., Zheng, Y., Zheng, S., & Ke, H. (2020). The new smart city programme: Evaluating the effect of the internet of energy on air quality in China. Science of The Total Environment, 714, 136380. https://doi.org/10.1016/j.scitotenv.2019.136380

Richter, M. A., Hagenmaier, M., Bandte, O., Parida, V., & Wincent, J. (2022). Smart cities, urban mobility and autonomous vehicles: How different cities need different sustainable investment strategies. Technological Forecasting and Social Change, 184, 121857. https://doi.org/10.1016/j.techfore.2022.121857

Koziy, I. S. (2023). Scientific and theoretical foundations of a systematic approach to improving the level of environmental safety of oil-producing areas [Avtoref. dys. ... d-ra tekhn. nauk].