終端方面,在PAM兩側的風道處佈置了2個較便宜的PPD42N灰塵感測器,以得到原始的粒子數量的數據,再用2個Arduino控制器對這些數據進行本地過濾(見圖4A)。

圖4:數據本地過濾(A)、與環境相關的校正曲線(B)、用基準曲線重估的空氣品質指數(C)

PAM自帶一個網頁伺服器,用戶在電腦上輸入PAM的IP位址後,可以在本地即時查看監測數據。網頁伺服器還會每隔一分鐘通過乙太網口把本地測量的數據推送到雲端,後台雲端會不斷地收集所有2,000個PAM即時上傳的監測數據並進行過濾。儘管這些數據不是很精確,但通過參考這些PAM所在位置的溫度、濕度、大氣壓力和高度等資訊,及研究小組開發的演算法,可以建立空氣品質的多維統計模型。目前初級階段的模型只是個2D地圖。

此外,在北京還用100多個Dylos設備,設置了一些測量相對更可靠的點。統計模型對於這些相對更可靠測量點的數據給予較高的置信度,對於PAM測量的不太精確的數據給予較低的置信度。上面所有的測試點有室內或室外之分,可由智慧手機中的接近式感測器區分出來(見圖5)。室外的數據可以進行簡單加權平均,而室內的分析方法有些複雜。綜合所有這些精確和不精確的數據資訊,可分別畫出室內或室外與環境相關的顆粒分佈校正曲線(見圖4B)。

圖5:用戶在室內外的行為識別(理論基於微軟研究院的兩篇論文)

伺服器會把相鄰位置的PAM作為一個群進行分析、校正,所選定的基準曲線用來重估PM2.5、PM10和空氣品質指數(見圖4C),這些最終數據通過內部伺服器回傳給用戶的PAM或MiniPAM。此外,用戶也可以用裝有專門應用程式的智慧手機或平板電腦通過3G網路與雲端連接,並通過低功耗藍牙,將MiniPAM數據顯示在智慧手機或平板電腦的螢幕上(見圖6)。這個就是用戶身邊比較準確的空氣品質數據了。

圖6:通過低功耗藍牙,將MiniPAM數據顯示在智慧手機或平板電腦的螢幕上