JovanAigbekaen是一名电气和计算机工程专业的学生，​​他的高级论文研究重点是开发技术来改进空气质量的移动测量并将其地理定位到高速公路、建筑物、停车场和绿地等地点。

拍摄者凯文·伯奇

JovanAigbekaen在周五下午高峰时段新泽西州1号公路上遭遇交通堵塞。对于大多数司机来说，这将是一种令人沮丧的、甚至是熟悉的不便。但对于艾格贝卡恩来说，这是一个获取一些数据的机会。

通过改进空气质量的移动测量并将其地理定位到高速公路、建筑物、停车场和绿地等地点，艾格贝卡恩在普林斯顿大学的高级论文研究揭示了可以帮助城市变得更清洁、更宜居的关键信息。他在新泽西州中部郊区将该技术投入到概念验证阶段。

“这种技术为我们提供了新的方式来了解我们的环境以及污染、建筑空间和交通的动态相互作用，”艾格贝坎说。“如果没有监测和测量技术，就很难做出减少碳排放或其他污染物的决定。”

用四个强力磁铁固定在汽车上的是一个金属盒，里面装有一套太阳能传感器，用于测量污染、噪音、温度和湿度，顶部有一个摄像头，可以拍摄汽车周围环境的近360度图像。

Jovan在他的论文中使用的设备。

Aigbekaen开发了一套太阳能传感器来测量污染、噪音、温度和湿度——顶部有一个摄像头，可以拍摄周围近360度的图像。四块强力磁铁将其固定在他的车上。

拍摄者凯文·伯奇

Aigbekaen是一名电气和计算机工程专业学生，热衷于研究和改善城市空间，他设计的论文研究以新的方式将图像与空气和噪声污染数据相结合，为超本地尺度的环境质量调查提供了可能性。

世界上许多大城市都布满了空气质量监测站，但这些监测站追踪与交通、绿地、建筑或工业设施相关的动态、精细尺度差异的能力有限。艾格贝坎指出，这种类型的监测在发展中国家也相对较少。

“城市总是在变化和发展，而传感节点由于处于固定位置，无法真正捕捉到这种变化和变化，”艾格贝卡恩说，他还获得了普林斯顿大学建筑与工程项目的证书。艾格贝坎在马萨诸塞州德拉卡特长大，距波士顿西北约30英里，他说他总是被这座城市的活力和多样化的建筑所吸引。

通过开发将图像与空气质量数据同步的技术，他希望未来的工作能够为导致空气质量差、噪音污染或热岛的因素提供新的见解，并指出缓解这些问题的策略。例如，艾格贝卡恩说，靠近高速公路或繁忙道路且有大量树木的区域可能比没有植被的类似区域的二氧化碳水平更低，但这些影响需要更多研究。

今年春天的两天里，他使用朋友的汽车和设施工作人员驾驶的大学高尔夫球车，在普林斯顿大学校园和周边地区收集了大约200个数据点，作为将视觉图像与传感器读数集成的概念证明。

除了采用软件来传输和存储数据外，艾格贝卡恩还使用了一种称为语义图像分割的计算机视觉技术，将每张图像的所有像素分类为绿色植物、建筑物、天空或车辆。然后，他使用计算模型来评估图像的组成可以在多大程度上预测二氧化碳、颗粒物和噪音污染的水平。

即使使用相对较小的数据集作为输入，他的模型也出奇地有效，尤其是在预测二氧化碳水平方面，在使用所有可用图像分类时，平均错误率仅为2.5%。艾格贝坎说，结果“凸显了这种方法的实用性——使用所有这些不同的环境指标进行监测”。

他的项目顾问是ElieBou-Zeid土木与环境工程教授，杰拉德·维索基(GerardWysocki)，电气与计算机工程副教授。去年，Aigbekaen与Wysocki一起学习了环境传感系统课程，这激发了他对该主题的兴趣。