“HazeGazer” платформын аргачлал

HazeGazer” платформ нь Улаанбаатар хотын агаарын бохирдлын датаг цуглуулах краудсоурсинг санаачлагын туршилт төсөл юм. Энэхүү санаачлагын зорилго нь краудсоурсингийн аргачлалыг агаарын бохирдлын асуудлын шийдлийн нэг хэсэг нь болгоход оршино. Үүний тулд платформыг олон нийтийн төсөл хэлбэрээр иргэдийн оролцоотойгоор зохион байгуулсан.

“HazeGazer” платформ нь хэд хэдэн хэсгээс бүрдэнэ:

  • “Agaarneg” фэйсбүүк хуудсын чатботоор дамжуулан олон нийтээс амьсгалын замын өвчлөлийн тухай дата цуглуулах.
  • Засгийн газрын агентлагуудын агаарын чанарын мониторинг хэрэгслүүдийг ашиглан интерполяцын аргаар агаарын чанарыг тооцоолох.
  • Олон нийтээс авсан мэдээлэл болон агаарын чанар хоорондын уялдаа холбоог дүгнэх тайлан.

Дээрх бүх аргачлалууд нь тус бүрдээ тодорхой хэмжээ хязгаартай. Тиймээс бид тухайн хязгаарыг нь ойлгуулснаар та бүхэнд манай төслийг илүүтэйгээр ойлгож, мөн ирээдүйд сайжруулах боломж гарах байх гэж найдаж байна.

Хэмжээ хязгаар
Платформынхоо аргачлалыг тодорхойлж тайлбарлахын өмнө тус бүрийнх нь хэмжээ хязгаарыг тайлбарлах нь зохимжтой гэж үзэж байна.

Краудсоурсингоор дата цуглуулах

“HazeGazer” нь фэйсбүүк мессенжерийн чатбот ашиглан автоматаар мэдээлэл цуглуулах болно. Уламжлалт аргаар хүнээс өөрөөс нь судалгаа авах үед бид жинхэнэ хүнээс мэдээллээ авч байгаа гэдэгт эргэлзэх хэрэггүй байдаг. Харин онлайн судалгаанд тэр болгон хэлж мэдэхгүй. Монголд ялангуяа нэг хүн хэд хэдэн фэйсбүүкийн бүртгэлтэй байх нь элбэг.

Түүнчлэн бид хүмүүст өөрсдөө мэдээллээ үнэн зөвөөр бөглөхөд найдаж байгаа ба үүнийг нь нягтлан шалгах ямар ч боломжгүй. Гэвч ийм зүйл бол энгийн судалгааны үед ч бас байдаг зүйл. Үүнээс гадна бид иргэдийг өөрсдөө мэдээллээ өгөхийг асууж байгаа тул сорьц нь бүх нийтийг мэдээж төлөөлж чадахгүй.
Энэ хоёр асуудлын үр нөлөөг хэт ихэсгэхгүйн тулд судалгаанд оролцогчид нь долоо хоногт ганц удаа л хариулт өгөх боломжтой байна. Ингэснээр нэг хэсэг бүлэг хүмүүс хэт олон удаа мэдээлэл оруулахаас сэргийлж, мөн буруу мэдээллээр мэдээллийн санг дүүргэх боломжийг бууруулж буй юм.

Гэсэн хэдий ч, энэхүү судалгааны сорьц нь тийм ч далайцтай биш байна гэж үзэх бөгөөд өргөн хүрээ хамарсан, тохиолдлын аргаар сонгосон, биечлэн авсан асуулгын сорьцтой чанарын ижил хэмжээнд дүйцэх боломжгүй гэсэн үг.

 Агаарын чанарын интерполяци

Вэб хуудсын нүүр хэсэгт Улаанбаатар хотын орчин тойрмын агаарын чанарыг тооцоолсон “дулааны зураглал” бий. Эдгээр тооцоог хотын эргэн тойрон дахь засгийн газрын агаарын чанарын нийт 13 монитороос (12 нь Монгол Улсын засгийн газар, 1 нь АНУ-ын ЭСЯ-нд) авсан. Агаарын чанар хотын эргэн тойронд маш их ялгаатай байж болох бөгөөд иргэд байшингийнхаа ойролцоох агаарын чанарт аль станц хамгийн ойр байгааг мэдэхгүй байж болох юм. Эдгээр станцууд иргэдэд өдөр тутмын амьдралдаа мэдээлэлд суурилсан шийдвэр гаргахад тус болох боломжтой. Гэсэн хэдий ч агаарын чанарыг цаг тутамд хэмжих нь агаарын чанарыг тухай бүрт яг зөвөөр харуулна гэсэн үг биш.

Хэрэглэгчдэд гэрийнхээ ойролцоох агаарын чанарын талаар илүү ерөнхий ойлголт өгөхийн тулд платформ нь өдөр бүр 7 хоногийн дундаж үзүүлэлтэд үндэслэн Улаанбаатар хотын хороо болгоны агаарын чанарын түвшинг урьдчилан тооцоолно (мэдээлэл байхгүй тул Налайх, Багахангайг оруулахгүй).

Улаанбаатар хотод маш цөөн тооны агаарын чанар хэмжигч байдаг, мөн агаарын бохирдол газарзүйн хувьд маш ялгаатай байх боломжтой байдаг тул байршил нь хэмжигчээс холдох тусам тооцоолол нь бодит байдалд нийцдэггүй. Туршилтын явцад манай тооцооллын аргачлал бодит байдалд нилээд нийцэж байсныг дурдвал зөв авч энэ нь зөвхөн мэдээллийн шинж чанартай гэдгийг ойлгох хэрэгтэй.

Тухайн тооцооллууд нь энгийн хүн агаарын чанарын үзүүлэлтүүдийг ухаж ойлгодоггүй байлаа ч ойлгогдох байдлаар зохион байгуулж үзүүлсэн байгаа. Тиймээс Агаарын Чанарын Индексийн (АЧИ) тоон үзүүлэлтүүдийг Монгол улсын ПМ стандартад заасны дагуу бүлэглэн тооцоолж үгэн хэлбэрт оруулсан ба энэ нь ойлгоход маш хялбар юм. Энэ нь манай загварчлалаас гарах үр дүн нь АЧИ-ийн тооноос категоржсон нэршлийн хэлбэрт шилжсэн байна гэсэн үг. Ингэснээр хүмүүст ойлголт өгөхийн тулд мэдээллийн нарийвчлалыг золиослосон.

Санамж: доороос энэхүү процессын техникийн тайлбарыг уншина уу.

Уялдаа холбоон тайлан

Энэ платформ нь туршилтын шатанд яваа тул мэдээллийн тайлагнал нь ерөнхийдөө туршилтын түвшинд байгаа. Үндсэндээ бид агаарын бохирдол болон амьсгалын замын өвчлөлийн талаар олон нийтээс авсан мэдээлэл хоёрын уялдаа холбоог олно гэх найдлагатай байгаа. Гэсэн хэдий ч бидний ингэж чадах эсэх нь хэд хэдэн хүчин зүйлээс хамаарна.

Нэгдүгээрт, хэрэв бид долоо хоног тутам байнгын давтамжтайгаар нэг жижиг хэсгээс (бичил хороолол эсвэл хороолол) мэдээлэл цуглуулвал энэхүү трендийг бүх нийтэд ерөнхийлж авч үзэх боломжгүй болно. Ялангуяа Улаанбаатар хотын зарим бүс газар агаарын бохирдолд маш ялгаатайгаар өртдөг тул энэ нь маш том хязгаарлалт болж болох юм.

Хоёрдугаарт, судалгааны асуулгад оролцогчид чатбот ашиглаж хариулахын тулд эхлээд “Агаарнет” фэйсбүүк хуудасд нэвтэрч бүртгүүлэх хэрэгтэй. Тиймээс бид ер нь бол өөрөө оролцоё гэж шийдсэн, агаарын чанарт санаа зовдог хэсэг хүмүүс л судалгаанд хамрагдна гэсэн үг. Тухайн бүлэг хүмүүсийн амьсгалын замын өвчлөл нь ерөнхий оршин суугчлынхаас ялгаатай байж болох.

Гуравдугаарт, өвөл болж агаарын бохирдол ихэссэнээр Улаанбаатарын оршин суугчид “HazeGazer” платформыг олох нь элбэгших боломжтой. Үүнээс болж цаг үеээс хамааран мэдээлэл өгч буй хүмүүсийн тоо хоорондоо ялгаатай байж болно.

 

Эдгээр асуудлуудын үр нөлөөг багасгахын тулд платформ нь хоёр зүйлийг авч үзэж байгаа. Хэрэв сорьцын хэмжээ хэт бага бол үр дүнг ерөнхийлж авч үзэхгүй. Үүнээс гадна “суурь” тандалт судалгааг утсаар 2019 оны 11 сард 300 өрхөөс авсан байгаа. Эдгээр нь тохиолдлын аргаар сонгосон хорооны өрхүүд байсан бөгөөд үүний туслалцаатайгаар олон нийтээс авах мэдээллийн сорьцтой холбоотой аливаа асуудлуудыг шийднэ.

Краудсоурсинг буюу олон нийтэд суурилсан дата цуглуулах аргачлал

Олон нийтээс мэдээлэл цуглуулах нь энэхүү туршилтын төслийн томоохон хэсэг бүрэлдэхүүн. Фэйсбүүкийн мессенжерийн чатботоор Улаанбаатар хотын иргэдээс амьсгалын замын өвчлөлийн тухай мэдээлэл цуглуулах болно. Энэхүү аргачлалын санаа нь ерөнхийдөө урт хугацааны судалгааны аргачлалд үндэслэсэн. Чатботын ажиллах зарчим нь:

  • Хэрэглэгч платформийг нээнгүүт линкээр дамжин шууд чатботтой харилцана. Өөрөө хийе гэвэл хэрэглэгч нь мөн чатботыг мессенжер дээр шууд олох боломжтой.
  • Хэрэглэгч чатботод анх удаа холбогдоход хэд хэдэн хүн ам зүйн асуултыг асууна. Дараа дараагийн холболтод эдгээр асуултуудыг давтан асуухгүй. Хүн ам зүйн асуултууд нь:
    • Гэрийн хаяг (дүүрэг болон хороо)
    • Нас
    • Хүйс
    • Өрхийн ам бүл
    • Өрхөд буй хүүхдийн тоо
  • Хэрэглэгч нь үүний дараагаар судалгааны асуултууд ирэх ба хариултаасаа шалтгаалан дараагийн асуултууд тавигдана. Эхний асуулт нь “Та эсвэл танай гэр бүлийн хэн нэгэн өнгөрсөн долоо хоногт амьсгалын замын өвчтэй байсан уу?”
    • Хэрэв хариулт “үгүй” бол асуулга өндөрлөнө.
    • Хэрэв хариулт “тийм” байвал дараагийн асуултууд нь илүү нарийвчилсан мэдээллийг асуух буюу яг хэн нь өвчтэй байсан, хэдий хугацаагаар болон тэд сургууль эсвэл ажлаасаа чөлөө авсан эсэх, хэрэв тийм бол хэдэн өдөр вэ зэрэг.
  • Судалгааны асуулга дууссангуут хэрэглэгчид өөрийн гэрийнх нь харъяа хорооны өнгөрсөн 7 хоногийн дундаж агаарын чанарын үзүүлэлтийг үзүүлнэ.
  • Хэрэглэгч нь үүний дараа агаарын чанар өөрт болон гэр бүлд нь ямар нөлөө үзүүлж байгаа талаар чөлөөт хариултыг өгөх сонголттой.
 
Судалгааг дуусгамагч хэрэглэгч нь чатботод “бүртгэгдсэн” байна. Долоо хоног бүр тэдэнд мессеж ирж дараагийн судалгаанд оролцохыг урина. Хэрэглэгч нь долоо хоногт ганцхан удаа хариулт өгөх боломжтой.
 
Судалгаа бүр нь тухайн хэрэглэгчийн хүн ам зүйн мэдээлэлд холбоотой тул тухайн хэрэглэгчийн тухай урт хугацааны судалгаа хийх боломжийг олгож буй юм. Цаг хугацаа өнгөрөх тусам, бид тус платформыг ашигладаг хүмүүс илүү олширч ерөнхий трендийг гаргах боломжтой болно гэж найдаж байгаа.
 
АЧИ ба интерполяцийн аргачлал
Санамж: Энэхүү бүлэгт “HazeGazer” платформд ашиглах АЧИ-ийн интерполяцийн загварчлалын техникийн тайлбар бий.
Улаанбаатрын агаарын чанар хоорондоо маш ойрхон газарт ч онц ялгаатай байдаг. Энэ нь хэрэв танай гэр агаарын чанарын хоёр монитор хэмжүүрийн дунд байрладаг тохиолдолд өөрийн гэр орчмын бодит хэмжээсийг мэдэхгүй байх боломжтой гэсэн үг. Түүнчлэн, цаг тутамд шинэчлэгддэг шууд харж болдог мэдээлэл танд урт хугацааны мэдээллийг ойлгох боломж олгодоггүй.
Агаарын чанарыг интерполяцлах нь агаарын бусад хэмжүүр болох жишээлбэл нүүрс хүчлийн хийн нягтшилыг интерполяцлахтай, эсвэл өөр бусад газарзүйн статистикт ашиглахтай ижил төстэй юм. Улаанбаатарт нийт 13ш агаарын чанар хэмжигч станцууд байдгийн 12-г нь Монгол Улсын Засгийн Газар (agaar.mn -ийг ашиглана), нэгийг нь АНУ-ын ЭСЯ өөрийн байранд суурилуулсан. Зарим хэмжигч нь ПМ2.5 болон ПМ10 аль алийг нь хэмждэг, зарим нь зөвхөн нэг төрлийн. Эдгээр станцууд нь хот даяар тархсан боловч ПМ10 хэмждэг монитор нь ПМ2.5 хэмждэгээсээ олон байдаг.
 
 ПМ2.5-ын станцууд:
  • Толгойт
  • Монголын Үндэсний Радио Телевиз
  • Бөхийн өргөө
  • Баруун 4 зам
  • Нисэх
  • Амгалан
  • Баянхошуу
  • 1-р хороолол
  • АНУ-ын элчин сайдын яам

ПМ10-ын станцууд:

  • Монгол газар
  • 100 айл
  • Бөхийн өргөө
  • Баруун 4 зам
  • Мишээл экспо
  • Нисэх
  • Амгалан
  • Монголын Үндэсний Радио Телевиз
  • Толгойт
  • Ургах наран
  • 1-р хороолол
  • Баянхошуу
Ерөнхий аргачлал
Платформын датабанкаас өдөр бүр өнгөрсөн 7 хоногийн цаг тутмын агаарын чанарын мэдээлэл цугларна. Тухайн цуглуулах хэмжилтүүдэд дээр жагсаасан станцуудын хэмжилтүүд орно. Станц бүрийн дундаж хэмжилт нь ПМ2.5 болон ПМ10 хоёрт Монгол улсын АЧИ-ийн стандартын дагуу тооцоологдож гарна.
 
  •  Хэрэв станцаас авсан дата нь тухайн долоон хоногийн цаг тутмын хэмжилтийн 50%-аас дээшхийг агуулаагүй бол тухайн станцын мэдээлэл тэр өдөртөө тооцогдохгүй.
  • АНУ-ын ЭСЯ-ны дата нь ПМ2.5-ийн биет болон АНУ-ын АЧИ-ийн хэмжүүрээр аль алингаар нь тайлагнадаг. Үүнийг Монголын АЧИ-ийн зарчимд шилжүүлэхийн тулд 3 цагийн өөрчлөгдөх дундажаар тооцсон утгыг нь Монгол Улсын Байгаль Орчны Яамнаас гаргасан “пийсвайс шугаман дундаж” статистикийн аргачлалаар тооцоолж дундаж утгыг гаргана. Энэ процесс нь тус яам “Agaar.mn” сайтад гаргаж буй мэдээллээ боловсруулахад ашигладагтай ижил.
 
Дундаж утгуудыг нь үүний дараагаар ПМ2.5, ПМ10 гэсэн хоёр тусдаа модел үүсгэхээр ангилна. Багцаалсан тооцооллыг Улаанбаатар хотыг хамарсан 17000 координатыг хамрах торлосон хэсэгчлэлийн дагуу хийнэ. Цэг тус бүр нь өргөрөг уртрагын 0.002 градусын (7.2 секунд) зайтай. Тор нь хавтгай байна. Улаанбаатар нь харьцангүй жижигхэн тул сфероид хувисгалт шаардлагагүй. 
 
Торлосон хэсгүүдийн үр дүнгийн утгууд нь контоур плот үүсгэхэд ашиглагдна. Энэхүү плот нь барагцаалсан АЧИ байх ба түүнийг Монголын АЧИ-ийн дагуу категоржуулсан нэршилд шилжсэн утга байна.
 
 Ашиглах модел

Тухайн барагцаалсан тооцооллыг үйлдэхийн тулд Гауссын Регрессийн Процессийн алгорифмыг Матерн кернелийн (өмнөх функц) хамт ашиглана. Ийм аргачлалыг мөн Кригинг процесс гэж нэрлэх нь бий бөгөөд үүнийг газарзүйн статистикт бас хэрэглэдэг. Энэхүү Гауссын Процесс нь тодорхой функц (эсвэл кернел) ашиглан өмнөх байдлын тархалтыг нь гаргадаг. Энэ функцийг шинэ өгөгдлийн хамт ашиглаж дараах байдлын тархалтыг нь олсоноор эцэст нь урьдчилсан тооцооллын тархалтыг тус модел нь гаргадаг. “Scikit” гэх Пайтон программчлалын хэлний багцыг ашиглан энэхүү моделийг бий болгож мөн шалгасан.

Гауссын Регрессын Процесс нь хэд хэдэн давуу талтайгаас хамгийн чухал нь энэ алгорифм жижиг хэмжээний датанаас өөрөө суралцах чадвартай юм. Технологийн хувьд хиймэл оюун ухаанд хамааралтай ч аргачлалын хувьд мөн газарзүйн статистикт хамааралтай юм. Түүнчлэн Гауссын Регрессын Процесс нь шугаман интерполяцийн аргачлалтай хэд хэдэн зүйлээрээ ижил боловч техникийн хувьд энэ нь шугаман бус интерполяц болно.

Моделийн тест

Моделоо шалгахын тулд нэгийг нь хоосон орхих гэдэг баталгаажуулалтын аргазүйг ашигласан. Энэ аргазүй нь моделоо сургах явцдаа нэг станцыг нь сургалтын датанаас хасаж орхидог. Яг ижилхэн процессийг станц бүр дээр давтна. Үр дүнгээс гарах алдаануудыг нь дундажласнаар тухайн моделийн өөрийн ашиглаагүй датаны үр дүнг барагцаалан тооцоолох чадварыг нь харж болдог.

Дээрх аргачлалыг шалгахын тулд 2019 оны 11 сараас 2020 оны 11 сар хүртэлх датан дээр ажилласан. Долоо хоногийн турших мэдээлэлийг дээр дурдсан нэгийг нь орхих аргачлалын дагуу шалгасан. Үүний үр дүнд АЧИ-ийн абсолют алдааны дундаж утга нь ПМ10-ийн хувьд 47, ПМ2.5-ийн хувьд 33 гэж гарсан.

Дараагаар нь конфиденц түвшинг нь хоёр сүүлт т-тест ашиглан олсон. ПМ10-ийн хувьд энэ нь +-16, ПМ2.5-ийн хувьд +-9 байсан. Нилээн өндөр конфиденцийн түвшинд ийм утга гаргаж буй тул энэхүү моделийн барагцаалсан тооцоо бодит утгаас маш бага зөрнө гэдгийг харуулж байна. Гэсэн хэдий ч, интерполяцийг ашигласан ч гэлээ том зөрүү гарах боломжтой бөгөөд тийм ч учраас моделийнхоо тооцооллын үр дүнг бид ойролцоо барагцаалал гэж нэрлэж байгаа юм.

Моделийн хэмжээ хязгаар

Хамгийн ойрын агаарын чанар хэмжих станцаас нилээдгүй хол зайд орших, дан ялангуяа баруун хойд, зүүн хойд болон өмнөд хэсгүүдийн мэдээлэл хэр үнэн зөв болохыг хэлэх боломж тун хэцүү.

Улаанбаатар хотын газрын өндөрлөг маш ялгаатай. Тиймээс ч өндөрлөгт орших хойд болон өмнөд хэсгийн агаарын бохирдол инверцийн эффектээс болж харьцангүй бага байх боломжтой. Энэ нь маш их бохирдсон хүйтэн агаар дулаан агаарын давхаргад дарагдсан байхыг хэлнэ.

Агаарын чанар шалгах станцууд нь Улаанбаатарт харьцангуй жигд бус байршилтай. Тиймээс ч станц олонтой хэсгийн агаарыг илүү сайн нарийвчлалтайгаар хэмжиж болно.

Яагаад 7 хоногийн дундажийг ашиглаж байгаа вэ?

Цаг тутмын мэдээлэлтэй харьцуулахад 7 хоногийн дундаж нь станц болгоны мэдээлэлд илүү бага ялгарал гаргаж байгаа. Өдрийн зарим цагт хоёр станцын хэмжилтийн мэдээлэл хоорондоо хэдэн зуун АЧИ-ийн оноогоор ялгаатай байх үе бий. Долоо хоногийн дундаж нь харин хамаагүй бага зөрүүтэй байх ба энэ нь интерполяци хийхэд илүү хялбар юм.

Үүнээс гадна цаг тутмын АЧИ-нь ямарваа нэг эрүүл мэндийн нөхцөл байдалд холбоотой гэж авч үзэхэд хүндрэлтэй. Урт хугацааны өртөлт нь харин илүүтэйгээр холбоотой ба тийм ч учраас үүнийг эрүүл мэндийн байдалтай уялдуулж үзэх нь зөв юм.

Хямдхан мониторингийн хэмжигчдийн талаар

Улаанбаатар дагуу маш олон хямдхан агаарын чанарын хэмжигч төхөөрөмж байдаг. Гэвч моделийг тест хийх явцад тэдгээрийн үр дүнгийн утга нь засгийн газрын хэмжигч станцуудынхаас онц ноцтойгоор зөрж байсан тул моделийг маань үр дүнгүй байдалд хүргэж байсан. Энэ асуудалд хэмжигч багажийн мэдрэгчийн байрлал, калибряц, аль эсвэл өөр асуудлууд буруутай гэдгийг хэлэхэд хэцүү.

Уялдаа холбоог тайлагнах аргачлал

Дээр дурдсанчлан, тайлагнах аргачлал нь туршилтын түвшнийх тул өөрчлөгдөж байх болно. Энэ платформын хамгийн гол зорилго нь агаарын бохирдлын эдийн засагт үзүүлж буй нөлөөллийг ойлгох, иргэдийн анги давхаргуудын ялгаа энд ямар хамааралтай болохыг (хүйс, нас г.м.) ойлгох юм. Платформыг ашиглан тайлагнаж болно гэж үзэж буй зарим жишээ нь:

Уялдаа холбоог тайлагнах аргачлал
Дээр дурдсанчлан, тайлагнах аргачлал нь туршилтын түвшнийх тул өөрчлөгдөж байх болно. Энэ платформын хамгийн гол зорилго нь агаарын бохирдлын эдийн засагт үзүүлж буй нөлөөллийг ойлгох, иргэдийн анги давхаргуудын ялгаа энд ямар хамааралтай болохыг (хүйс, нас г.м.) ойлгох юм. Платформыг ашиглан тайлагнаж болно гэж үзэж буй зарим жишээ нь: 
 
  • Агаарын бохирдол болон амьсгалын замын өвчлөлийн уялдааг газарзүйн байршилаар нь тодорхойлох. Өгсөн мэдээллийн тоо хэмжээ болон иргэдийн дундах амьсгалын замын өвчлөлийн тархалтыг хооронд нь хольж солихгүй байхад нилээн анхаарах хэрэгтэй. Өвчлөлийн рацио болон тренд хоёрыг ашиглан эдгээр мэдээллийг буруу ойлгуулахгүй байхад анхаарч болно.
  • Амьсгалын замын өвчлөлийн эдийн засгийн үр нөлөөг алдсан цалингаар нь барагцаалан тооцоолж болно. Хамгийн сүүлийн хүн амын нэгдсэн тооллогыг хийж дуусмагц мэдээллээс нь газарзүйн байршилд хамаарах цалингийн хэмжээсийг гаргаж авч болох ба үүгээр илүү нарийвчлалтайгаар алдсан цалинг тооцоолж болно.
  • Боловсролын алдагдлыг тооцоолох. Агаарын бохирдол ихтэй хэсгүүд нь мөн ерөнхийд нь хэлэхэд боловсролын ялгаа ихтэй байх магадлалтай бүсүүд юм. Өвчлөлөөс болж алдсан боловсролын нөлөө нь нийгэм эдийн засгийн үзүүлэлт муутай бүсүүдийг илүүтэйгээр хамарсан байж болох юм.
 
Энэхүү тайлагналын хэсэг нь дата ирж, платформоор анализ хийх боломж бүрдмэгц тухай тухайн үедээ өөрчлөгдөх болно.