Innovativ forvaltning av luft og miljø i norske kommuner

Mange kommuner i Norge vil gjerne måle luftkvalitet i lokalmiljøet og dele informasjonen med innbyggerne sine. Men stasjonære målestasjoner er dyre i anskaffelse og drift, så det er ikke mange av dem i norske byer. Alternativet er dermed enklere og billigere luftkvalitetssensorer, som er forholdsvis lett tilgjengelig fra flere leverandører. Utfordringen er at det foreløpig er mye usikkerhet knyttet til datakvaliteten fra disse sensorene. I tillegg kreves det gode kommunikasjons- og databaseløsninger for å kunne sette sammen informasjon fra flere sensorer og slik gi et godt bilde av luftkvalitetssituasjonen i sanntid. iFLINK-prosjektet skal gjøre det enklere å overvåke luftkvaliteten på langt flere steder til en lavere pris. Forskerne i prosjektet skal utvikle og bruke nye kalibrerings- og visualiseringsmetoder basert på maskinlæring og datafusjonsteknologi for å korrigere og forbedre datakvaliteten fra de billigere sensorene. Det skal også etableres en åpen teknologiløsning som kan ta imot og kvalitetssikre data fra en rekke ulike typer luftkvalitetssensorer, så kommuner og andre kan hente ut luftkvalitetsdata av tilstrekkelig kvalitet. Tanken er at alle som ønsker det skal kunne bruke iFLINK-prosjektets funn og teknologi til å utvikle sanntidstjenester forbundet med luftkvalitet, klimaendringer eller støyforurensning. Kommunene er viktige støttespillere og partnere i prosjektet, og i første omgang skal det opprettes pilotprosjekter i fem deltakende kommuner; Oslo (prosjektleder), Bergen, Bærum, Drammen og Kristiansand. Vi ønsker så å utvide tjenestene til enda flere kommuner.

a)Data processing infrastructure for sensor connectivity available for municipalities b)Automated data quality and control algorithms integrated in the iFLINK infrastructure c)Automated generation of high-resolution air quality maps using data assimilation techniques d)Dashboard for sensor management and data visualization available for municipalities e)iFLINK data infrastructure and dashboard tested in four municipalities f)Uptake of the iFLINK data infrastructure by the municipalities participating in the project g)Uptake of the iFLINK data infrastructure by one municipality outside the project h)iFLINK data infrastructure is used in international research projects i)Leveraged use of sensor networks for urban environmental assessment j)Uptake of the iFLINK data infrastructure by other municipalities in Norway k)Continuation of the use of iFLINK data infrastructure in research projects l)Validated sensor network data is used in decision making and policy

Municipalities are seeking new cost effective ways to generate and deliver information relevant to individuals. Low-cost sensor technologies for monitoring air quality bring the opportunity for ubiquitous monitoring, potentially at a fraction of current costs. However, the quality of the sensor data prior to significant processing does not meet the requirements of the municipalities. iFLINK will implement novel calibration and visualisation approaches using machine learning and data fusion techniques to perform real time intelligent corrections of measurements, improving data accuracy, and provide comprehensive data coverage in real time. Municipalities also experience that the total cost of the sensor solutions is much higher than expected due to communication and database needs. The iFLINK data infrastructure will be efficient, scalable, fast and open, potentially serving Norwegian municipalities as well as international clients based on modern capabilities of Big Data integration. iFLINK will fill-in the existing gap on providing real-time accurate air quality information with high spatial and temporal resolution at an affordable cost. The project will be piloted in five municipalities (Bergen, Bærum, Drammen, Kristiansand and Oslo). iFLINK will also allow public and private actors to develop real time environmental services related to e.g., air quality, climate change or noise, with a seamless interface to any local smart city development. The anticipated result of our project is the successful connection of a variety of low-cost environmental sensors to an open technological platform that adds value to the sensor data by increasing their accuracy through applying machine learning and data assimilation algorithms. The platform will allow municipalities and other parties to access different data processing levels (i.e. from unprocessed sensor data to high resolution maps) according to their specific needs.