核心揭秘：从一台个人空气质量监测仪到智能手表

PAM两侧的风道处布置了2个较便宜的PPD42N灰尘传感器，以得到原始的粒子数量的数据，再用2个Arduino控制器对这些数据进行本地过滤（见图4A）。

　　图4 数据本地过滤（A）、与环境相关的校正曲线（B）、用基准曲线重估的空气质量指数（C）

　　PAM自带一个网页服务器，用户在电脑上输入PAM的IP地址后，可以在本地实时查看监测数据。网页服务器还会每隔一分钟通过以太网口把本地测量的数据推送到云端，后台云端会不断地收集所有2000个PAM实时上传的监测数据并进行过滤。尽管这些数据不是很精确，但通过参考这些PAM所在位置的温度、湿度、大气压力和高度等信息，及研究小组开发的算法，可以建立空气质量的多维统计模型。目前初级阶段的模型只是个二维地图。

　　此外，在北京还用100多个Dylos设备，设置了一些测量相对更可靠的点。统计模型对于这些相对更可靠测量点的数据给予较高的置信度，对于PAM测量的不太精确的数据给予较低的置信度。上面所有的测试点有室内或室外之分，可由智能手机中的接近式传感器区分出来（见图5）。室外的数据可以进行简单加权平均，而室内的分析方法有些复杂。综合所有这些精确和不精确的数据信息，可分别画出室内或室外与环境相关的颗粒分布校正曲线（见图4B）。
 

　　图5 用户在室内外的行为识别（理论基于微软研究院的两篇论文）

　　服务器会把相邻位置的PAM作为一个群进行分析、校正，所选定的基准曲线用来重估PM2.5、PM10和空气质量指数（见图4C），这些最终数据通过内部服务器回传给用户的PAM或MiniPAM。此外，用户也可以用装有专门应用程序的智能手机或平板电脑通过3G网络与云端连接，并通过低功耗蓝牙，将 MiniPAM数据显示在智能手机或平板电脑的屏幕上（见图6）。这个就是用户身边比较准确的空气质量数据了。

　　图6 通过低功耗蓝牙，将MiniPAM数据显示在智能手机或平板电脑的屏幕上

　　MiniPAM与PAM的一个主要区别是，PAM有2个灰尘传感器，而MiniPAM只有1个。MiniPAM与手机处于连接状态时，红色指示灯每5秒闪一次。粒子通过时，传感器会有一个电压脉冲。这时显示两个数据，一个是直径在1.0μm以上的粒子数，另一个是直径在2.5μm以上的粒子数。对于 1.0μm以上或2.5μm以上的粒子，脉冲幅度不同，以此就可判断出相应的粒子数。用前一个数值减去后一个数值，就是直径介于1.0μm和2.5μm之间的粒子数。

　　由于中国政府规定，未经国家认证，任何机构不能向个人用户提供详细的空气质量数据。考虑到要遵守政府法规，所以，PAM给出的最终空气质量监测数据不是以精确数值的形式出现，而是划分成好、较好、差、较差、最差等1~10个档，以这样的方式提供给用户。

　　与师父的理念异曲同工

　　由于空气质量统计模型需要海量数据支撑，为了得到这些数据，目前中国英特尔物联技术研究院正与北京市空气质量监测中心协商，看能否把PAM安装在电线杆上。因为电线杆上面有网线，这样，就可在北京的道路上布置成全球最密集的空气质量监测点。

　　其实，大家熟知的谷歌地图就是用大量廉价设备的测量数据构建的网络，这比用几台高端设备得到少量精确数据，更全面、更有代表性。谷歌的这个理念其实是基于姜小凡的导师David Culler带领发明的Network of Workstations理论。现在微软、雅虎、谷歌等大部分网络公司都是受了Network of Workstation的影响，用很多联网的中小型计算机，而非几台超级计算机。

　　姜小凡团队开发的监测数据表达与传输层是基于他在美国加州大学伯克利分校博士毕业设计中的sMAP协议。看来，姜小凡把导师的理念用在了空气质量监测上，两者有着异曲同工之妙。

　　由于电线杆比人们日常工作和生活所处的地面位置高很多，所以不少人可能会对监测结果的准确性产生质疑。姜小凡解释说，人们的这种担心不无道理，不过，现在仅是初始研究阶段，空气质量统计模型是二维地图，由于也考虑到了温度、湿度、大气压力、风的走向和高度等信息，因此，今后在测量数据积累多了以后，会开发出更加复杂的多维分布曲线模型。算法会根据电线杆高度的测量数据，计算出人的高度环境下的精确的空气质量数据。

　　吸引了北京黑客马拉松

　　姜小凡希望自己团队研究的上面这种城市大气环境监测及预报管理系统不仅可用标准的接口提供空气质量数据源，还可为生态系统提供更加包容型的数据接口，例如PAM云接口。为此，他和团队的几位研究人员三天三夜没睡觉，开发出了PAM云接口。

与美国谷歌等企业都有黑客马拉松（Hackathon）相似，北京也有这种