Ô nhiễm không khí tại Delhi một lần nữa lại ở mức nguy hại

Ô nhiễm không khí tại thủ đô Ấn Độ (Delhi) lại một lần nữa lại ở mức nguy hiểm, vượt quá mức độ an toàn hơn 20 lần. Tại thời điểm này trong năm, sự tái phát của sương mù dày đặc và khói độc đã trở thành một vấn đề hàng năm. Chất lượng không khí tại Delhi là một trong những nơi tệ nhất thế giới và tiếp tục bị giảm sút trong tháng 11 bởi sương lắng đọng trong không khí do khí hậu mùa đông và đốt phụ phẩm nông nghiệp đều đóng góp vào mức độ báo động về ô nhiễm không khí.

Trong vài ngày gần đây, AQI tại nhiều nơi thuộc Delhi vượt qua giới hạn và đạt 733 đối với PM2.5 là mức cực kỳ nguy hiểm.

Việc đốt pháo nổ trong Diwali sẽ làm cho không khí trở nên độc hại hơn. Theo một báo cáo của Liên Hợp Quốc hồi đầu năm nay, 14 trong số 15 thành phố ô nhiễm nhất là ở Ấn Độ. Và xu hướng này cho thấy không có dấu hiệu giảm bớt. Khói tắc nghẽn và ô nhiễm không khí phát sinh từ các siêu đô thị của Ấn Độ và các vành đai nông nghiệp dẫn đến rất nhiều rối loạn sức khỏe và bệnh tật. Năm ngoái, các trường học ở Delhi phải đóng cửa và mọi người thấy khó thở. Các bệnh viện trong thành phố cũng ghi nhận sự gia tăng về số lượng người nhập viện vì các vấn đề hô hấp gây ra do ô nhiễm không khí.

Vào tháng 11 trong vòng 10 năm trở lại đây, nồng độ bụi PM10 tại ở một số vị trí của Delhi vượt quá 999, là mức nằm ngoài giới hạn tiêu chuẩn xảy ra khi sương mù dày đặc bao phủ thành phố Delhi cũng như làm tầm nhìn. Để đưa nó vào một quan điểm rõ ràng, bất cứ khi nào AQI vượt quá 300 được coi là nguy hiểm khí tính với chỉ số PM10. Bây giờ hãy tưởng tượng không khí độc hại mà mọi người bị buộc phải hít vào khi AQI là 999. Thật là đáng sợ!

Với 2 ngày của lễ hội Diwali và mùa thu hoạch bắt đầu, dự kiến ô nhiễm không khí sẽ tồi tệ hơn trong năm nay khi mùa đông đến.

bản đồ toàn cầu Copernicus Sentinel 5-P cho thấy Ấn Độ được đánh dấu là màu đỏ rực, cho thấy mức độ ô nhiễm rất cao. Sentinel 5-P giám sát dữ liệu về carbon monoxide, nitơ điôxit, ozone, cùng với thông tin về sol khí. Nó cũng giám sát formaldehyde cũng trở thành nguồn gốc của carbon monoxide gây chết người. Dấu ấn màu đỏ rực của Ấn Độ trên bản đồ Sentinel có thể là một thảm họa chưa được xác nhận trong tương lai.

Ô nhiễm không khí là dịch bệnh của thời đại chúng ta giết chết nhiều người hơn hàng năm so với hút thuốc và chiến tranh. Theo Liên Hợp Quốc, 6 triệu người chết mỗi năm do ô nhiễm không khí. Điều thậm chí còn đáng sợ hơn là hơn 93% trẻ em trên thế giới hít phải không khí độc hại và dễ bị một số bệnh. Nhất là những người từ tầng lớp kinh tế xã hội thấp.

Không giống như Trung Quốc, đã có những chính sách giảm thiểu ô nhiễm không khí nghiêm ngặt và có những kết quả đáng kể, Ấn Độ vẫn còn bị bỏ lại phía sau và việc thực hiện vẫn là một vấn đề quan trọng bất chấp sự tồn tại của luật, tòa án và các hội đồng thẩm định môi trường. Chỉ thực thi nghiêm ngặt mới có thể giúp cứu người. Và việc này sẽ được nhìn thấy khi chúng ta sẽ giải quyết mối đe dọa tồn tại nghiêm trọng này.

Source: geospatialworld.net

Vệ tinh của Trung Quốc đề xuất giải pháp nâng cao cho mô hình hóa bụi

Đồng hóa dữ liệu AOD được lấy từ vệ tinh của Trung Quốc Fengyun-3A (FY-3A) để nâng cao khả năng mô hình hóa khối lượng sol khí.

FY-3A là thế hệ vệ tinh khí tượng thứ 2. Nó chủ yếu được sử dụng để giám sát khí tượng và môi trường ở Trung Quốc. Sử dụng dữ liệu thu thập trong vòng 10 năm và cùng với sự hỗ trợ của thiết bị quang phổ sóng điện từ và hồng ngoại, nó sẽ nâng cao khả năng dự đoán và mô hình hóa khối lượng sol khí.

Nhóm nghiên cứu của giáo sư Min, là một nhóm nghiên cứu thuộc  Key Laboratory of Meteorological Disaster of the Ministry of Education (KLME)/Joint International Research Laboratory of Climate and Environment Change (ILCEC)/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters of Nanjing University of Information Science and Technology, đã công bố nghiên cứu của họ tại tạp chí Advances of Atmospheric Sciences.

“Sol khí tác động nghiêm trọng tới khí hậu và môi trường. Cụ thể, các hiện tượng ô nhiễm bụi lơ lửng đang đe dọa tới sức khỏe cộng đồng và hệ sinh thái,” theo Giáo sư Min.

AOD được sử dụng để hiệu chuẩn dữ liệu vệ tinh, và cũng là yếu tố quan trọng để xác định ảnh hưởng tới khí hậu bởi sol khí. Tuy nhiên, dữ liệu quan trắc mặt đất về sol khí còn hạn chế tại Đông Á,” GS Min giải thích. “Do đó, điều quan trọng để nâng cao độ chính xác của mô hình hóa học khí quyển bằng cách kết hợp với dữ liệu từ vệ tinh.”

Đồng hóa dữ liệu AOD từ vệ tinh có thể nâng cao khả năng mô hình và dự báo nồng độ sol khí. Sự phân bố AOD của các trường phân tích gần với dữ liệu giám sát từ vệ tinh sau khi đồng hóa dữ liệu AOD từ vệ tinh. Kết quả này gợi ý rằng sản phẩm sol khí của FY-3A là hiệu quả cho áp dụng trong các mô hình số học và phân tích bụi, GS Min nhấn mạnh.

“Các nghiên cứu tương lai là cần thiết để đồng hóa và phân tích dữ liệu sol khí đa chiều, đa cảm biến”.

Để phát triển toàn diện hệ thống đồng hóa dữ liệu, GS Min và nhóm nghiên cứu thực hiện đồng hóa dữ liệu biến đổi 3 chiều (3D-Var) trong phân tích Nội suy thống kê điểm lưới.

Trong năm 2011, thực nghiệm được áp dụng để phân tích bão bụi ở khu vực Đông Á.

Thông qua phương pháp của Trung tâm Khí tượng Quốc gia Trung Quốc để tạo ra một mô phỏng về sai số hiệp phương nền (background error covariance) của biến sol khí, các đặc tính của mỗi biến sol khí có thể được biểu thị khá tốt.

Hơn nữa, phân tích xuất phát từ thử nghiệm đồng hóa cả dữ liệu AOD / 3A / MERSI (Độ phân giải trung bình) cho dữ liệu AOD và dữ liệu AOD MODIS. Kết quả gần với các giá trị trên mặt đất hơn là sự đồng hóa độc lập của hai bộ dữ liệu cho cơn bão bụi khu vực Đông Á. Những kết quả này chứng minh rõ ràng rằng các sản phẩm sol khí của vệ tinh FY-3A có thể được áp dụng cho các mô hình số và phân tích bụi do thời tiết.

Source: geospatialworld.net

StartUp IoT muốn biến mọi điện thoại thông minh thành nút mạng Wifi diện rộng

Một StartUp về IoT, Pycom vừa công bố một sản phẩm trên Kickstarter là một thiết bị đeo có thể biến điện thoại thông minh thành một nút trên mạng wifi diện rộng. Giải pháp này bao gồm ba thành phần phần, bao gồm một ứng dụng Pylife và các thiết bị đeo nhiều thiết bị sử dụng Pygo tham gia để tạo ra những gì công ty đề cập đến như một mạng lưới PyMesh. PyGo là một trung tâm kết nối có kích thước chỉ 41 x 12,5 x 24mm có thể được ghép vào các phụ kiện phụ như đồ trang sức, phụ kiện, dây đeo cổ tay hoặc móc chìa khóa. Ứng dụng Pylife, cho phép người dùng tạo một mạng lưới riêng tư với mỗi thiết bị hoạt động như một nút mạng.

Điều đó có nghĩa là không cần kết nối đến mạng di động hay mạng Wifi, người dùng vẫn có thể tương tác với những thiết bị trong cùng mạng PyMesh để có thể kết nối tới Internet. Mỗi nút mạng được giới hạn tầm hoạt động là 7,5 dặm và cũng có thể được kết nối nặc danh tới một mạng công cộng bao gồm các thiết bị PyGo bên ngoài vào mạng riêng khi phạm vi đó là không đủ. Nó không chỉ mở rộng phạm vi như xa như số lượng người dùng Pylife khác trong một khu vực nhất định. Thiết bị này bao gồm cả kết nối Wi-Fi và kết nối di động. Do đó, phạm vi có thể mở rộng vô thời hạn, cho phép tin nhắn văn bản, dữ liệu vị trí, lời nhắc, cảnh báo và thậm chí cả hình ảnh có kích thước tệp đủ nhỏ để gửi đến nơi không có mạng thông thường.

Pycom đang tìm cách sử dụng kết hợp các nền tảng kết nối đã được sử dụng cho IoT, chẳng hạn như WiFi, BLE, LTE-M Cellular và LPWAN để cung cấp cho khách hàng cách kết nối với một nhóm người hoặc trên thế giới. Vì vậy, trong thực tế, công ty đang đưa các giải pháp đã có sẵn hoặc trong các công trình để quản lý doanh nghiệp và thành phố vào một gói duy nhất phục vụ cho một đối tượng chung hơn. Giống như những mạng khác, điều này không chỉ dành cho mọi người. Pycom nói rằng giải pháp của nó có thể được gắn liền với con người, vật thể, hoặc vật nuôi như một cách để theo dõi chúng trong thời gian thực hoặc như một cách để tương tác nhiều hơn trong một cộng đồng địa phương. Ví dụ, nếu một con vật nuôi bị mất tích, ứng dụng không chỉ theo dõi động vật trong khoảng từ hai đến năm ngày nhờ pin sạc không dây của nó. Người dùng có tùy chọn gửi cảnh báo rộng rãi hơn cho những người dùng Pygo và Pylife khác, những người có thể ở gần yêu cầu trợ giúp trong khi vẫn duy trì một số ẩn danh nếu muốn. Đeo như một dây đeo cổ tay, nó cũng có thể được sử dụng để nhắc nhở một người già hoặc đứa trẻ về thuốc men hoặc để hoàn thành một việc vặt nhờ vào màn hình OLED tích hợp của nó.

Các thiết bị PyGo được dự kiến sẽ có giá $39 cho PyGo1 mà không có các tùy chọn kết nối di động hoặc $75 cho PyGo2 với đầy đủ tính năng. Đó là những mức giá chiết khấu chỉ dành cho chiến dịch Kickstarter và giá lên đến $53 hoặc $86, tương ứng, cho những người chọn bao gồm một phụ kiện đeo và bộ sạc không dây. Thiết lập các vấn đề bảo mật dữ liệu và quyền riêng tư có thể phát sinh từ loại giải pháp kết nối IoT này, cho dù giá đó có hấp dẫn người mua đủ để đẩy nhanh Pylife và PyGo vào dòng chính vẫn được nhìn thấy hay không. Chiến dịch Kickstarter được thiết lập để bắt đầu vào tháng 11.

Nguồn: IoT Startup Wants To Turn Every Smartphone Into Mesh Network Node

Chụp 3D với depth camera Intel RealSense giá rẻ

Hiện nay, rất ít nhà cung cấp công nghệ 3D muốn góp cổ phần kinh doanh của họ trên phần cứng. Những thay đổi trong công nghệ quét chỉ đơn giản là đến quá nhanh, và các cảm biến đang trở thành một món hàng hóa tiềm năng. Đó là lý do tại sao các nhà cung cấp như DotProduct tạo ra các giải pháp phần mềm có thể thích ứng với việc sử dụng bất kỳ phần cứng chụp nào họ chọn.

Công ty đã công bố phiên bản mới nhất của Dot3D cùng với ứng dụng mới Dot3D Scan, có thể nắm bắt và xử lý dữ liệu 3D trong thời gian thực bằng máy ảnh chiều sâu D400-Series của Intel RealSense. DotProduct nói rằng những cảm biến này sẽ mở ra quy trình làm việc mới cho người dùng vì họ sử dụng stereo imaging và không cho thấy bất kỳ giới hạn đối với ánh sáng mặt trời nào mà cảm biến hồng ngoại thực hiện.

Phần mềm của DotProduct hiện hỗ trợ D415, D435 và D410 và hứa hẹn sẽ hỗ trợ nhiều hơn các loại cảm biến khác. Những cảm biến này không đắt so với phần cứng quét truyền thống. D415 và D435 hiện nay được bán trên trang web của Intel với mức giá tương ứng là $ 150 và $ 200.

Dot3D Scan sẽ bắt đầu ở mức 245 đô la một năm và cung cấp quét không giới hạn các dự án lên tới 20 triệu điểm. DotProduct cho biết sẽ bổ sung thêm các cảnh quay lớn hơn và các tính năng chuyên nghiệp vào cuối năm nay.

Nguồn

Nghiên cứu về tự động tối ưu hiệu năng của ResNet50 lên tới 1.77 lần

Các thiết bị công nghệ đang phát triển rất nhanh và kéo theo sự gia tăng nhanh chóng của các ứng dụng AI. Nếu không được tối ưu hóa, các thiết bị, hệ thống sẽ gia tăng hạn chế hiệu suất, lãng phí năng lượng. Tuy nhiên nghiên cứu tối ưu là một công việc phức tạp và đòi hỏi kỹ năng chuyên môn. Startup Studio, người sáng lập bộ công cụ tối ưu hóa hiệu suất Optimizer Studio, đang đặt câu hỏi: quá trình điều chỉnh tối ưu có thể được tự động hóa không?

Sử dụng công cụ tối ưu hóa của Concertio, Intel đã có thể tăng tốc độ triển khai TensorFlow của ba mô hình học tập sâu phổ biến, bao gồm ResNet50 lên tới 1.77 lần so với tốc độ cơ bản. Studio Concertio của Concertio có thể tận dụng các bộ điều khiển của TensorFlow và Bộ xử lý có thể mở rộng của Intel Xeon để tăng tốc độ công việc học tập sâu hơn. Trình tối ưu hóa Studio có thể làm giảm công việc tìm kiếm các tham số tối ưu và biến quá trình bày diễn ra tự động.

Công cụ Studio Optimizer của Concertio điều hướng không gian tham số rộng của cài đặt hệ thống và cài đặt ứng dụng trên thiết bị hiện tại và hoạt động để tối đa hóa hiệu suất bằng cách tìm các cài đặt tốt nhất có thể. ài đặt có thể ở bất cứ đâu trong hệ thống – trong bộ xử lý, phần mềm, hệ điều hành và cũng trong các ứng dụng và khung ứng dụng, như TensorFlow. Trình tối ưu hóa Studio chạy khối lượng công việc lặp đi lặp lại cho đến khi nó tìm thấy cấu hình hoạt động tốt. Hai tham số mà Intel đã có Trình tối ưu hóa Zero ở trên để điều chỉnh tải công việc Tensorflow của nó cho ResNet50 được gọi là intra_op và inter_op, điều khiển song song mức mô hình và song song dữ liệu.

Nhóm kỹ sư của Intel AI, do Tiến sĩ Jayaram Bobba, thực hiện tối ưu hóa bằng cách sử dụng Concertio Optimizer Studio phiên bản 1.12 trên bộ vi xử lý Intel Xeon Platinum 8180 (@ 2.50GHz) với RAM 384GB. Phải mất hai giờ và 8 phút để xác định các giá trị tối ưu cho inter_op và intra_op (lần lượt là 2 và 28). Biểu đồ này hiển thị hiệu suất tương đối của ResNet50 trong quá trình tối ưu hóa:

Mô hình đầu tiên mà Intel đánh giá, ResNet50, là một biến thể của Deep Residual Networks, mạng thần kinh xoắn ốc sâu được tạo ra bởi Microsoft. Nhóm nghiên cứu của Intel đã mở rộng đánh giá của mình để bao gồm GNMT (Hệ thống dịch máy thần kinh của Google) và DeepSpeech, một công cụ phát biểu thành văn bản nguồn mở, được triển khai trong TensorFlow. Trong vòng thử nghiệm này, Intel đang tìm kiếm xem liệu các thiết lập CPU và hệ điều hành được tối ưu hóa có mang lại hiệu suất cao hơn nữa sau khi tối ưu hóa bằng tay các bộ điều chỉnh TensorFlow của họ hay không. Sử dụng Trình tối ưu hóa Studio với cùng nền tảng kiểm tra Xeon đã dẫn đến việc khám phá các cài đặt đã cải thiện hiệu suất thêm 8,3 phần trăm và 8 phần trăm cho GNMT và DeepSpeech.

Nguồn: hpcwire.com

Dữ liệu WorldDEM được chỉnh sửa và phát trực tuyến

Airbus Defense and Space thông báo rằng toàn bộ cơ sở dữ liệu WorldDEM chỉnh sửa, cùng với bộ dữ liệu WorldDEM4Ortho đã có sẵn, hiện có sẵn thông qua phát trực tuyến. Truy cập trực tuyến vào WorldDEM và WorldDEM4Ortho của toàn bộ Trái đất tạo điều kiện cho một loạt các ứng dụng như phân tích tầm nhìn, mô hình thủy văn, chỉnh sửa hình ảnh vệ tinh và nhiều hơn nữa.

truyêSau chiến dịch mua lại toàn cầu một cách toàn diện và nỗ lực xử lý tiếp theo, dữ liệu WorldDEM hiện có sẵn cho toàn thế giới trong một phiên bản đã chỉnh sửa. Bộ dữ liệu này tương ứng với Mô hình bề mặt kỹ thuật số có thủy lực với mặt nước hồ và hồ chứa được đặt ở một độ cao, sông và kênh được san phẳng với dòng chảy đơn điệu, đại dương được đặt thành 0 và các đặc điểm cơ sở hạ tầng ven biển bị loại bỏ. WorldDEM4Ortho, dựa trên bộ dữ liệu WorldDEM toàn cầu, được thiết kế để chỉnh sửa dữ liệu vệ tinh quang và radar có độ phân giải cao và rất cao. Nó cho phép hiệu chỉnh tất cả các biến dạng gây ra bởi các biến thể địa hình của bề mặt Trái đất và định hướng vệ tinh khi có được hình ảnh.

WorldDEM là mô hình độ cao kỹ thuật số đồng nhất, đơn nguồn, độ chính xác cao nhất toàn cầu, đơn nhất, có độ chính xác và chất lượng vượt trội so với bất kỳ mô hình độ cao dựa trên vệ tinh toàn cầu nào hiện có. WorldDEM đóng các khoảng trống với độ chính xác cao ở những khu vực không có DEM đầy đủ tồn tại cho đến nay bằng cách cung cấp các DEM được chuẩn hóa cho bất kỳ vị trí nào trên Trái Đất có cùng chất lượng.

Những thay đổi đáng kể về ô nhiễm không khí tại Trung Quốc từ năm 2015 đến 2017

Phân tích chi tiết đầu tiên về các xu hướng ô nhiễm không khí ở Trung Quốc cho thấy nồng độ ô nhiễm hạt giảm 20% trong ba năm qua (2015-2017).

Một nghiên cứu của Đại học Leeds đã kiểm tra các phép đo từ hơn 1600 địa điểm ở Trung Quốc và thấy rằng hơn 50% các địa điểm cho thấy sự giảm đáng kể nồng độ của sulfur dioxide và các hạt mịn tạo nên một phần lớn ô nhiễm không khí

Nhóm nghiên cứu đã sử dụng các tập dữ liệu từ năm 2015 đến năm 2017 bao gồm các đánh giá hàng giờ nồng độ Nito Dioxide (NO2), Dioxide sulfur (SO2), Ozone (O3) và các hạt mịn có kích thước nhỏ hơn 2.5 μm (PM2.5).

Dữ liệu hàng giờ được sử dụng để tính trung bình hàng tháng và xác định các mức nồng độ tổng thể cũng như khu vực nào của Trung Quốc có nồng độ cao nhất, thấp nhất. Dữ liệu sau đó được sử dụng để đánh giá liệu nồng độ chất gây ô nhiễm có thay đổi trong giai đoạn 2015 đến 2017 hay không. Nhóm nghiên cứu nhận thấy nồng độ PM2.5 giảm 7,2% mỗi năm trong giai đoạn này và nồng độ SO2 giảm 10,3% mỗi năm. Ngược lại, nồng độ O3 tăng 5% mỗi năm.

Đồng tác giả, giáo sư Dominick Spracklen, thuộc trường Trái đất và Môi trường tại Leeds (the School of Earth and Environment), cho biết: “Tăng trưởng kinh tế nhanh và lượng phát thải lớn đã dẫn đến các vấn đề nghiêm trọng về chất lượng không khí trên khắp Trung Quốc. Các hạt này có thể thâm nhập sâu vào phổi gây ra các biến chứng nghiêm trọng về sức khỏe, tiếp xúc với các hạt này ước tính gây ra hơn 1 triệu ca tử vong trên khắp Trung Quốc mỗi năm.

“Đáp lại, chính phủ Trung Quốc đã đưa ra các chính sách giảm phát thải và đặt ra các mục tiêu đầy tham vọng để hạn chế lượng bụi trong khí quyển. Đây là đánh giá chi tiết đầu tiên về việc liệu các chính sách này có gây ra tác động nào hay không.”

Ben Silver, tác giả chính của nghiên cứu và nghiên cứu sinh sau đại học tại Leeds, cho biết: “Công trình của chúng tôi cho thấy những thay đổi nhanh chóng và sâu rộng của ô nhiễm không khí trên toàn Trung Quốc.”

“Cần nghiên cứu thêm để đánh giá đầy đủ những yếu tố gì đang thúc đẩy xu hướng mà chúng tôi phát hiện, đặc biệt những gì đang gây ra sự gia tăng nồng độ ôzôn, chúng ta có thể thấy rằng các chính sách kiểm soát khí thải của Trung Quốc dường như đang đi đúng hướng”

Nguồn www.sciencedaily.com

Các nội dung chính trong hội nghị quốc tế OpenStreetMap 2018

State of the Map (SotM) là một hội nghị quốc tế hàng năm tập hợp các tổ chức trong hệ sinh thái OpenStreetMap. Những người tham dự bao gồm những nhà lập bản đồ, các nhà phát triển phần mềm, các nhà khoa học, những người ủng hộ dữ liệu mở, các tổ chức phi chính phủ,… Năm nay, SotM được tổ chức từ 28-30/7 tại Đại học Bách khoa Milan, Milan. Các nội dung chính được thảo luận trong hội nghị năm nay:

Vector tiles là hướng phát triển trong tương lai

Chủ đề chung của toàn bộ hội nghị là Vector tiles. Hội nghị chia sẻ các ứng dụng thực tế của Vector tiles như hệ thống quản lý giao thông tại Helsinki, trang chủ OpenStreetMap và thống nhất rằng Vector tiles sẽ là hướng phát triển trong tương lai.

Chất lượng dữ liệu

Việc tìm kiếm một hệ thống lý tưởng để giữ chất lượng dữ liệu cao vẫn đang tiếp diễn. Hiện nay, có nhiều công cụ hữu ích và chúng ta có thể mong đợi nhiều cơ chế tự động khác để ngăn chặn sự xuống cấp dữ liệu, nhưng hiện nay chưacó công cụ nào có khả năng thay thế sự biên tập của. con người.

Mô hình dữ liệu mới cho OpenStreetMap

Mô hình dữ liệu hiện tại đã được tạo ra một thời gian trước và có một số vấn đề như không có khả năng sử dụng hai giá trị cho một khóa, cách phức tạp để làm việc với các mối quan hệ và dư thừa. Hội nghĩ đã thống nhất việc nghiên cứu để nâng cấp và cải tiến mô hình dữ liệu là cần thiết.

Phương tiện giao thông công cộng

Trong OpenStreetMap, cơ sở hạ tầng giao thông công cộng được ánh xạ trên các nút. Nó đã được đơn giản nhưng không mô tả các tình huống phức tạp để tạo thuận tiện cho định tuyến. Tuy nhiên, những nhà lập bản đồ tại các nước đang phát triển đã chia sẻ nhiều khó khăn khi áp dụng lược đồ giao thông công cộng. Do đó, lược đồ vận tải công cộng mới v3 hiện đang trong giai đoạn đề xuất.

Lập bản đồ phi thương mại

Các dự án như Team OpenStreetMap Humanitarian, Missing Maps,… đang lập bản đồ ở các nước đang phát triển. Đây là một chặng đường dài trong việc phổ biến bản đồ trên toàn thế giới.

Nguồn: maptiler.com

Cảm biến đeo được theo dõi nồng độ oxy trong máu để phân tích theo thời gian thực

Các kỹ sư tại Đại học California, Berkeley, đã phát triển một bộ cảm biến đeo được có khả năng lập biểu đồ nồng độ oxy trong máu qua da. Thiết bị này có thể được các bác sĩ sử dụng để theo dõi quá trình chữa bệnh trong thời gian thực.

Cảm biến oxy trong máu truyền thống, oximeters, có vẻ vừa phức tạp vừa hạn chế. Chúng đặt trên ngón tay của bệnh nhân để theo dõi độ bão hòa oxy theo thời gian.

Yasser Khan, một sinh viên tốt nghiệp ngành kỹ thuật điện và khoa học máy tính tại UC Berkeley , cho biết: “Chúng tôi muốn khắc phục điều đó, và làm cho oximeters có thể nhẹ, mỏng và linh hoạt”.

Sự linh hoạt đó được tạo ra bởi một cảm biến mới được chế tạo từ các thiết bị điện tử hữu cơ. Nó được in lên nhựa uốn cong để giúp nó phù hợp với các vị trí trên cơ thể.

Không giống như oximeters ngón tay, cảm biến mới có thể phát hiện mức độ oxy trong máu cục bộ. Về lý thuyết, nó có thể được đặt bất cứ nơi nào trên da để theo dõi độ bão hòa oxy trong máu: thậm chí trên một cơ quan nhất định.

Ana Claudia Arias, một giáo sư về kỹ thuật và máy tính khoa học điện tại UC Berkeley giải thích: “Tất cả các ứng dụng y tế có theo dõi oxy có thể tận dụng lợi thế từ một bộ cảm biến đeo được,”.

Bệnh nhân tiểu đường, bệnh hô hấp và thậm chí ngưng thở khi ngủ có thể sử dụng cảm biến có thể đeo ở bất cứ đâu để theo dõi mức oxy trong máu 24/7.

Chuyển từ oximeters LED

Một oximeter truyền thống hoạt động bằng cách sử dụng điốt phát sáng (LED) để chiếu ánh sáng đỏ và gần hồng ngoại qua da. Sau đó nó phát hiện bao nhiêu, và loại ánh sáng nào đi qua phía bên kia.

Tùy thuộc vào nồng độ oxy trong máu, các tỷ lệ ánh sáng khác nhau được truyền qua da.

Hạn chế là hệ thống không hoạt động trừ khi nó được sử dụng trên một phần của cơ thể, một phần ánh sáng có thển truyền qua, giống như một đầu ngón tay hoặc tai. Và chỉ có nồng độ oxy trong máu tại điểm duy nhất đó được đo.

Khan nói: “Các vùng dày của cơ thể, chẳng hạn như trán, cánh tay và chân, hầu như không thể đi qua ánh sáng nhìn thấy được hoặc gần hồng ngoại, làm cho việc đo oxy ở những vị trí này thực sự khó khăn”.

Cải thiện chăm sóc bệnh nhân với IoT

Để giải quyết vấn đề đó, nhóm UC Berkeley đã phát triển một cách để đo nồng độ oxy trong máu bằng cách sử dụng ánh sáng phản chiếu thay vì ánh sáng truyền qua.

Họ kết hợp sự phát triển đó với một bước đột phá có từ năm 2014, trong đó giáo sư Arias và một nhóm sinh viên tốt nghiệp đã chứng minh rằng các đèn LED hữu cơ có thể được nhúng vào các oximeters mỏng và dễ uốn hơn.

Đưa hai công nghệ lại với nhau, nhóm nghiên cứu có một cảm biến đeo được mới có thể phát hiện mức độ oxy trong máu ở bất cứ đâu trên cơ thể.

Khan nói: “Sau khi cấy ghép, bác sĩ phẫu thuật muốn theo dõi tất cả các bộ phận của một cơ quan đang nhận được oxy”.

Nếu bạn có một cảm biến, bạn phải di chuyển nó xung quanh để đo oxy tại các vị trí khác nhau. Với một mạng, bạn có thể biết ngay lập tức nếu có một điểm gặp vấn đề.

Nguồn: Wearable sensor tracks blood-oxygen levels for real-time analysis

Apple dự kiến đưa các cảm biến chụp, quét đối tượng 3D vào iPhone vào năm 2020

Hiện nay có rất nhiều dự án không tưởng đã và đang được ấp ủ trong công nghệ 3D, và một trong số đó có thể sẽ sớm trở thành hiện thực đó là các cảm biến chụp 3D trong điện thoại thông minh, do Apple cung cấp.

Theo nguồn tin đáng tin cậy từ MacRumors, nhà phân tích của Apple Ming-Chi Kuo dự đoán rằng thế hệ iPad tiếp theo sẽ trang bị máy ảnh chuyên dụng ToF (time-of-flight camera) vào cuối năm 2019. Kuo cũng đã dự đoán rằng cảm biến này có thể được đưa vào iPhone vào đầu năm 2020.

Venturebeat cho rằng động thái này sẽ không chỉ cải thiện chất lượng cho những bức ảnh của Apple, mà còn cho phép thu thập toàn bộ hình ảnh 3D của người dùng cho các ứng dụng trò chuyện.

Nguồn