In the air

From Medialab Prado
Jump to: navigation, search

575x200.png

Contents

Descripción del projecto / Description of the project

El proyecto pretende hacer visibles los agentes microscópicos e invisibles en el aire de Madrid (gases, partículas, polen, enfermedades, etc) para observar cómo se comportan, reaccionan e interactúan con el resto de la ciudad. A través del modelado 3d construiremos un modelo dinámico on-line, en el que emergerán modelos de comportamiento como resultado del cruce de datos. El resultado de este análisis alimentará un prototipo físico de lo que hemos llamado una “fachada difusa”, un indicador masivo de los componentes del aire a través de una nube cambiante que desdibuja la arquitectura con la atmósfera que invade, mediando también los cuerpos humanos que rodea.

más info en el foro

Preguntas:

-describe the goal of the project in 3 sentences (which message do you want to carry? to whom?) To visualize the components of the air through a tool which allows users to navigate and interact in a different way through and with the city

-what are the inspiring projects and theories; background, context, references Theory: B. Latour 3d visualization: Toxi, London air map, particles and gas distribution studies Analogic visualization: Stadab by Stoop, Paris aerophile balloon, Air project

-what is the short-term objective (what do you expect to finish in 2 weeks)? .web real time interface with 3d visualization .analogic device. water diffuser

-what is the long term objective (what posterior development do you think of)? .adding layers of information to the digital interface .refining the analogic prototype and defining places to locate it. .communicating the project for its use.

-what are the data (status, where do they come from) .munimadrid.es. We have the historic ones and we´re downloadng real time ones. Still missing pollen data.

-how will you convert data into some perceptual experience - graphical algorithm (what is the information you want to get out of the data? how are the data and graphics related? what are the graphical decisions?) .geolocalization. .Comparision between the stations as a topography for users to immagine it as a landscape to be able to navigate through them. .analogic: awareness and incitation to decision making.

Datos / Data


Test-report.png

Santiago Ortiz: INTERPOLAR SIN DECIR MENTIRAS

Me gustó mucho el debate intenso que en pocos minutos se dio en torno al proyecto de ustedes... después salí con la cabeza dando vueltas y no pude parar de pensar en el problema específico de "interpolar sin decir mentiras".
Porque Fabien tiene toda la razón en señalar que cualquier método de representación que exprese un valor por fuera de los puntos de donde se obtienen mediciones resultaría engañoso si la persona efectivamente cree que ese valor es un dato confiable (bien sea porque crea que se ha medido o porque resulta de una inferencia técnicamente avalada por especialistas).
Por otro lado, si no se interpola nada, retomando el ejemplo del ciclista que busca una ruta, entonces éste sólo podrá fiarse de las mediciones en los puntos... pero evidentemente él no va a pasar por esos puntos (no por encima en todo caso), y aun si pasa por los puntos no le sirve de nada no saber qué pasa cuando no está encima de un punto ya que la mayoría del tiempo (siempre) no lo estará...
Conclusión: el entorno debe ayudar a las personas a hacerse una idea de lo que hay más allá de los puntos de medición. No le debe dar datos, sino que lo debe ayudar a imaginarse la situación en el plano completo. De todas formas, aun contando con mediciones puntuales, la persona "interpolará mentalmente", con lo cual lo mejor es darle herramientas en este ejercicio de imaginación.
Interpolación, en ciencia y en ingeniería es siempre dar un panorama aproximativo, sujeto a probabilidades de error.
Un ejemplo muy familiar de esto son los reportes de clima (que son extrapolaciones, es decir interpolaciones pero peores, ¡porque falta uno de los extremos!). Los reportes del clima son por supuesto mapas probabilísticos, y sin embargo con base en ellos se toman decisiones (no sólo ir a un picnic, también otras exremas como atravesar el canal de la mancha en velero, ascender el K2, lanzar un transbordador, etc..)
Se trata entonces de hacerlo lo mejor posible. Para esto veo dos esfuerzos muy importantes:
1. Como se habló con Fabien, los usuarios deben saber muy bien qué datos corresponden a mediciones, y cuáles a interpolaciones. Más aún, lo ideal sería que la persona tuviera conocimiento de que se trata de una interpolación y ojalá incluso tuviera acceso a una explicación de cómo esta interpolación está hecha. Siempre he creído que un sistema de visualización que además de visualizar una información se visualiza a él mismo, es decir deja ver su funcionamiento, añade muchísima comprensión además de darle valor cognitivo. En particular veo una oportunidad de compartir el propio debate que se dio con el usuario, que él entienda el "problema" que es representar información continua cuando los datos son discontinuos (OJO: es el drama de la ciencia: datos SIEMPRE discontinuos, teorías continuas).
Algo que ayudaría a fortalecer todo esto sería aplicar la idea de Andrés de permitirle a la persona modificar el sistema visual (por decir algo la escala de color) o incluso el algoritmo de interpolación. Así la persona sabe que se enfrenta a criterios blandos (excepto los datos) y aparte, modificando, se hace una idea del funcionamiento del sistema interpolador... y puede además probar diferentes escenarios.
2. El segundo esfuerzo que se debe hacer es elegir el método matemático más adecuado, es decir menos mentiroso (el mal menor). Llamo a ese método interpolación pero hay que aclarar que tipos de interpolación hay muchísimos.. hay que buscar la interpolación ideal.
Este método, como se habló, debe cumplir con algunas propiedades, éstas tres son requisitos:
a. el valor en los puntos de medición debe dar el valor de la medición... y en los alrededores debe estar muy próximo a ellos. (En términos más matemáticos se dirá que cuando la distancia a un punto de medición tiende a 0, el valor del método debe tender al valor de la medición)
b. si hubiera solo dos puntos de medición en el centro el método debería devolver el valor promedio (por ahora no pensamos el caso de tener en cuenta el viento)
c. conforme nos alejamos de un punto su influencia debe disminuir (d tiende a infinito, influencia tiende a 0)

Ok, la fórmula que alcancé a comentar cumple con todo esto, pero sólo se los podré demostrar bien estando allá.
En realidad hay una familia infinita de fórmulas que cumplen con estas dos condiciones... ¿cuál de ellas elegir?
En concreto si el peso otorgado al valor de cada estación se mide así:
1/(d^w)
(en donde w es un valor mayor que 0 y que no tiene que ser entero) tenemos infinitas posibilidades, pero la pregunta es más específica: ¿cuál es el mejor valor de w?
Descartado buscar a un científico.. no creo que nadie tenga respuesta a esto...
Lo ideal sería poder EXPERIMENTAR y así ajustar w. Es decir tomar mediciones en la ciudad para ver con cual valor de w la interpolación está acertando más (menor valor de desviación estándar).
¿Cómo podemos testar un método si no podemos ir y medir un punto cualquier de la ciudad para ver si ahí aproxima bien? Pues sí se puede...
PODEMOS experimentar... porque en realidad ya tenemos mediciones para saber si la interpolación se desvía mucho o no! Son las propias mediciones reales las que no pueden decir esto. Porque si hacemos la interpolación con todas menos una de ellas, si la interpolación es buena debería adivinar o acercarse a los valores en el punto de medición que no se usó.
EL método funciona así: suponiendo que haya n sitios de medición, usamos sólo n-1 de ellos y comparamos el valor del que quitamos con el valor de la interpolación. Hacemos esto con todos los n puntos (es decir quitando uno y calculando con los otros) y sumamos el error acumulado (desviación estándar). Obtenemos así una idea de si la interpolación ha dado o no un buen resultado.
Hacemos todo esto (es decir lo que hace el computador) para muchos valores entre 0 y en adelante... dará una gráfica.. esa gráfica tiene un mínimo...ese mínimo es el mejor valor de w posible!
(pregunta matemática: porqué tiene un mínimo ---> respuesta matemática: se trata de una curva continua que en sus dos extremos 0 e infinito tiende a valores positivos... estando allá veremos los detalles)
Este valor puede (debe) ser diferente para cada gas (y hemos obtenido además un método para saber qué gases se propagan más que otros).
Dependiendo del número de puntos de medición, se le puede indicar al usuario el margen de error promedio.
A propósito: ¿cuántos puntos de medición hay?
Finalmente, el tema de cómo se visualiza la interpolación es en realidad otro problema y creo que lo que ustedes han planteado resultará interesante.... El reto me parece que está sobre todo en que habrá diferentes "superficies" a la vez.. esto puede ser muy interesante de representar...
santiago


Chemistry Notes

Note: Madrid SMS air quality index tracks ozone (O3), nitrogen dioxide (NO2) and sulphur dioxide (SO2). Scientific study currently tracking "SO2, NOX, NH3 and O3 deposition fluxes."

Sodium Dioxide (S02)

Wikipedia Air Quality Ontario Environment Agency

Ammonia (NH3)

ToxFAQs™ for Ammonia Health Agency Report

Ozone (03)

Wikipedia entry Ground Level Ozone

Interface development Journal

UI01

Interface1.png
View UI Demo -> Media:points.mov

UI02

Interface2.png

UI03

Interface3.png

UI04

Powercost-monitor.jpg

Tecnologías / Technologies

UI01

Difusors-code 2.jpg

UI02

Suero.jpg

Ph-prot-visualizing.jpg

- Herramientas / Tools

- Código / Code

Seguimiento / Current status and next steps

Autor/es del projecto / Author(s) of the project

  • Nerea Calvillo / nereacalvilloATtelefonica.net

Colaboradores / Collaborators

Guillermo Ramirez / guilleramirezcATgmail.com
Carlota Pascual / pascualcarlotaATgmail.com
Greg J. Smith / serialconsignATgmail.com
Victor Viña / victorATdosislas.org
Raphaël de Staël / destaouelAThotmail.com
Paco González/ pacoATradarq.net
Miguel Vidal / michividalATgmail.com
Susanna Tesconi / susannatesconiATgmail.com
Sandra Fernandez / sand76.fgATgmail.com

Links

conceptual

physical prototype

references

Primal Source by haque.co


  • misty Maker

generador de niebla pic
mightyblaster | video1 youtube | video2 youtube | video3 youtube

  • smoke rings Mighty Blaster

smoke rings youtube

  • Brumizone

Brumizone

  • Experiment one with a little kind of nebulizator and vegetal tint

watch the video

air pollution references

wikipedia air pollution
madrid air quality by SMS
air quality modeling in Madrid region

virtual prototype

fluids systems csgrue.com
fluid solver memo.tv
toronto.edu |pdf| fluid simulation mikeash.com smoke princeton
arboretum princeton
cloth princeton processing particles

To Do

video documentation