WeAIR：基于可穿戴群智感知的气候变化空气质量监测系统及其AI驱动的空间定位预测研究

研究人员针对城市空气质量监测中固定站点覆盖不足、数据时空分辨率低的问题，开发了名为WeAIR的可穿戴传感器网络系统。该系统集成NOx、CO2、PM10等多参数监测功能，结合AI神经网络模型实现基于空气质量数据的空间定位预测。通过在意大利锡耶纳市开展实测，构建了包含27万条地理标记数据的新数据集，验证了移动监测与固定站数据的互补性，为公民气候意识提升和政策决策提供了创新技术方案。

　　

随着城市化进程加速，空气污染导致的呼吸系统疾病、心血管疾病和癌症等健康问题日益严峻。传统固定监测站点存在空间覆盖有限、建设成本高等瓶颈，而现有可穿戴设备多局限于单一污染物检测，缺乏系统性数据整合与分析能力。在此背景下，开发兼具移动监测与智能分析能力的创新技术成为环境健康领域的重要研究方向。

意大利的研究团队在《Computer Standards》发表了关于WeAIR系统的突破性研究。该团队设计了一款多功能可穿戴传感器，可实时监测NO_x、CO₂、CO、PM₁₀等7种关键参数，并通过蓝牙低功耗（BLE）技术实现数据传输。研究在锡耶纳市开展了为期一个月的实测，采集了27万条地理标记数据，构建了首个面向移动空气质量监测的开放数据集。

关键技术方法包括：1）定制化传感器节点设计，集成电化学和红外传感技术；2）基于Android的移动端数据采集系统；3）三层神经网络模型（输入层7节点、隐藏层40节点）用于地理坐标预测；4）OSMnx地理信息系统可视化分析。样本数据来自2024年1-2月在锡耶纳市的多模式移动监测。

传感器节点架构设计
硬件采用STM32L4Q5微控制器，集成电化学传感器（如Alphasense NO₂-A43F）和NDIR红外传感器（如Alphasense IRC-A1），尺寸仅80×80×45mm，重量250g。测试显示温度补偿算法使传感器在5-40℃范围内保持稳定精度。

数据集预处理
将运动追踪APP的.gpx文件与传感器数据按5秒间隔对齐，剔除启动噪声后生成10秒滑动平均数据集。关键指标范围：CO 0-7.46ppm，NO₂ 0-1.19ppm，PM₁₀ 0-330.42μg/m³。

固定站点数据验证
与锡耶纳唯一ARPA Toscana固定站对比显示，2024年2月18日19时的移动监测CO均值（0.78ppm）与固定站数据（0.75ppm）偏差仅4%，验证了设备可靠性。

神经网络定位预测
最佳单日模型（1月25日）测试MAE达0.02°，全数据集模型预测锡耶纳固定站位置（43.3393°N,11.3238°E）与实际坐标误差小于500米。值得注意的是，输入全数据中位数参数时，模型预测点与固定站位置高度重合，证实移动监测可辅助站点选址。

这项研究开创性地将群智感知与AI预测相结合，其重要意义体现在三方面：技术层面，验证了可穿戴设备替代传统监测的可行性；公共卫生层面，为建立个人暴露风险评估体系提供了工具；政策层面，提出的"移动监测-AI分析-站点优化"闭环为智慧城市建设提供了新范式。研究团队计划通过3D打印定制化外壳提升设备普及率，未来将进一步扩大监测网络规模，探索污染物扩散模型的动态优化。