Über AirQuality
Die Belastung der Luftqualität durch Schadstoffe ist für viele Städte ein relevantes Thema. Deutschlandweit erfolgt die formelle Überwachung von Luftschadstoffen mithilfe von ca. 450 stationären, lokalen Messstationen. Diese zeichnen sich zwar durch eine sehr hohe Genauigkeit aus, haben jedoch hohe Anschaffungskosten, sind nicht mobil und können so nur einzelne, fragmentierte Messpunkte innerhalb einer Stadt erfassen. Um Transparenz über die Luftqualität im gesamten Stadtgebiet zu schaffen fehlt ein engmaschiges Netz an Luftqualitätssensoren, so dass in Echtzeit lokale Problemzonen erkennbar sind.
Die Belastung der Luftqualität durch Schadstoffe ist für viele Städte ein relevantes Thema. Bisher erfolgt die formelle Überwachung von Luftschadstoffen innerhalb Deutschlands überwiegend mithilfe von stationären Messstationen. Ergebnis ist zumeist ein fragmentiertes, nicht echtzeitfähiges Messbild.
Mit dem Forschungsvorhaben AirQuality wurde ein mobiles Sensornetz zur Erstellung von feingranularen Luftqualitätskarten in Echtzeit entwickelt. Gemeinsam mit Städtepartnern wurden Anwendungsfälle identifiziert, für die die im Vorhaben entwickelte Lösung einen gesellschaftlichen und nachhaltigen Mehrwert bietet.
15 Busse des Aachener ÖPNV-Anbieters ASEAG wurden mit im Vorhaben entwickelter Low-Cost-Sensorik ausgestattet. Sie sammelten auf ihren täglichen Fahrten Luftqualitätsdaten. Die Anzahl der Busse reichte aus, um auf 75% des befahrbaren Stadtgebietes Daten zu sammeln.
Die erhobenen Daten wurden in einer über die Stadtkarte gelegten Heatmap visualisiert. Durch das aufgebaute IoT-Netz konnte die Luftqualität straßengenau und in Echtzeit abgebildet werden. Für die Validierung der Daten wurde ein Sensor auf einer Messstation des LANUV platziert und mit den offiziellen Daten abgeglichen. Im Projekt wurde bereits eine Genauigkeit von durchschnittlich 70% erreicht. Eine Reduzierung der Abweichungen durch eine Kalibrierung oder einen Algorithmus scheint vielversprechend.
Mit der Lösung lassen sich u.a. folgende Anwendungsfälle umsetzen: Identifikation und Reduzierung von Hotspots; Erstellung von Thermalbildern; Beurteilung der Umgebungsluft bei Bauprojekten.
In einem nächsten Schritt wird darauf abgezielt, ein tragbares Geschäftsmodell zur Sicherung der Datenverfügbarkeit auszuarbeiten und die Messgenauigkeit zu optimieren.
Verbundkoordinator
FIR e. V. an der RWTH Aachen, Aachen
Projektpartner
Geotab GmbH