Sviluppo di una infrastruttura per l’acquisizione, memorizzazione ed elaborazione dati provenienti da sensori di inquinamento atmosferico a basso costo mobili e fissi

Il mio ruolo nel progetto è stato quello di sviluppare un’infrastruttura di acquisizione, memorizzazione ed elaborazione dati provenienti da sensori di inquinamento atmosferico a basso costo portatili e fissi. I sensori portatili sono in dotazione ai pazienti affetti da SLA e SM con lo scopo di monitorare costantemente l’esposizione ad inquinanti atmosferici nel corso della giornata. I dati acquisiti verranno poi utilizzati per realizzare modelli di machine learning (ML) al fine di comprendere al meglio le cause e i pattern che caratterizzano SLA e SM, rendendo possibile fronteggiare queste patologie con un approccio di tipo “predittivo” anziché “reattivo”. Il fatto che il paziente sia dotato di un sensore personale in grado di rilevare la localizzazione in real-time ha imposto dei vincoli nella progettazione dell’infrastruttura di memorizzazione dati al fine di rispettare il regolamento europeo “GDPR – n. 2016/679” sulla protezione dei dati personali e della privacy. La città di Pavia è dotata di un rete di 38 sensori di inquinamento atmosferico a basso costo di tipo PurpleAir che acquisiscono dati in tempo reale (ogni due minuti). Questo consente di monitorare i livelli di inquinamento atmosferico con una granularità spaziale e temporale maggiore. La principale limitazione è però l’accuratezza delle misure. Infatti, i sensori PurpleAir sono sensori a basso costo che non garantiscono lo stesso grado di affidabilità delle stazioni di monitoraggio dell’Agenzia Regionale per la Protezione dell’Ambiente (ARPA) riconosciute, realizzate nel rispetto delle direttive europee dei sistemi di misurazione [12][13][14]. I dati di inquinamento atmosferico verranno utilizzati per allenare un modello di intelligenza artificiale in grado di predire l’esposizione personale ad inquinanti atmosferici. I dati grezzi provenienti dalla rete di sensori della città non possono essere utilizzati nella pratica ma è prima necessario applicare una procedura di calibrazione dei sensori affinché l’accuratezza delle misure sia paragonabile a quella dei sistemi di riferimento. Uno degli obbiettivi di questo lavoro è stato quello di sviluppare un modello di calibrazione dei dati grezzi acquisiti dalla rete di sensori PurpleAir della città di Pavia al fine di mettere a disposizione delle misure accurate e ritenute valide per gli scopi futuri del progetto.