KIT | KIT-Bibliothek | Impressum | Datenschutz

Spatial Interpolation of Air Quality Data with Multidimensional Gaussian Processes

Tremper, Paul 1; Riedel, Till ORCID iD icon 1; Budde, Matthias
1 Institut für Telematik (TM), Karlsruher Institut für Technologie (KIT)

Abstract (englisch):

The central question of this paper is whether interpolation techniques applied to a distributed sensor network can indeed provide more information than using the constant background of an urban reference station to measure air pollution. We compare different interpolation techniques based on temporal-spatial machine learning in terms of their applicability for correctly predicting personal exposure. Using a dataset of stationary low-cost sensors, we estimate exposure on a route through the city and compare it to mobile measurements. The results show that while different machine learning-based interpolation methods yield quite different results, validation of machine learning-based approaches is still challenging.


Verlagsausgabe §
DOI: 10.5445/IR/1000144642
Veröffentlicht am 11.04.2022
Originalveröffentlichung
DOI: 10.18420/informatik2021-022
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Telematik (TM)
Publikationstyp Proceedingsbeitrag
Publikationsjahr 2021
Sprache Englisch
Identifikator ISBN: 978-3-88579-708-1
ISSN: 1617-5468
KITopen-ID: 1000144642
Erschienen in Workshop: 2. Workshop Künstliche Intelligenz in der Umweltinformatik (KIUI-2021)
Veranstaltung 51. INFORMATIK 2021 - Jahrestagung der Gesellschaft für Informatik (2021), Online, 27.09.2021 – 01.10.2021
Verlag Gesellschaft für Informatik (GI)
Seiten 269-286
Serie GI-Edition : lecture notes in informatics. Proceedings ; 314
Schlagwörter Air Quality, Gaussian Process Regression, Data Analysis
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page