Jeśli chcesz posiadać informacje o jakości powietrza w Twojej okolicy, ale nie masz jeszcze odpowiednich czujników lub chcesz porównywać dane z własnych czujników z tymi dostępnymi w Internecie, to ten tutorial może Ci pomóc.

Dane o jakości powietrza będą odczytywane z popularnego w Polsce serwisu Airly.

Odczytywane będą:

• Index jakości powietrza: CAQI
• Poziom zanieczyszczenia powietrza
• Opis poziomu zanieczyszczenia powietrza
• Poziom pyłków zawieszonych PM1, PM2.5, PM10
• Poziom zanieczyszczenia w skali opracowanej przez Międzynarodową Organizację Zdrowia (WHO)
• Temperaturę, Ciśnienie, Wilgotność

W Airly mamy 3 możliwości odczytów danych

• odczyt z najbliższego czujnika znajdującego się w pobliżu naszej lokalizacji
• odczyt uśredniony z kilku czujników w okolicy na podstawie naszej odległości
• odczyt danych z konkretnego czujnika

W tym opisie przedstawię jak odczytać dane z konkretnego czujnika.

Co będziemy robić?

1. Zakładamy konto w serwisie Airly, aby otrzymać unikalny klucz, który umożliwia odczyt danych
2. Określamy naszą lokalizację: szerokość i długość geograficzną
3. Wyszukujemy najbliższy dla naszej lokalizacji czujnik Airly
4. Instalujemy i konfigurujemy w openHab odpowiednie dodatki
5. Dodajemy elementy (Items) w openHab
6. Dodajemy plik z transformacjami
7. Konfigurujemy SiteMap’ę

Na koniec otrzymamy takie coś:

No to zaczynamy

Zakładamy konto w serwisie Airly, aby otrzymać unikalny klucz, który umożliwia odczyt danych

• Wchodzimy na stronę Airly i rejestrujemy własne konto
• Po zarejestrowaniu konta oraz zalogowaniu się do serwisu klucz API jest już dla nas dostępny. Znajduje się on po prawej stronie w żółtej ramce. Klucz pokaże się, gdy klikniemy ten wyświetlony tekst

• Klucz będzie wykorzystywany w dalszej części. Będę go nazywał AIRLY_API_KEY

Określamy naszą lokalizację: szerokość i długość geograficzna

• Korzystamy np. z serwisu https://www.wspolrzedne-gps.pl/
• Wprowadzamy adres w formacie: ulica nr domu, kod pocztowy, miejscowość, kraj

• Po wciśnięciu przycisku Uzyskaj współrzędne GPS adres zostanie odszukany, a współrzędne geograficzne zostaną pokazane na mapie. Możemy przesunąć punkt na mapie, aby jeszcze doprecyzować nasz adres, jeśli będzie taka potrzeba
• Zapisujemy współrzędne do wykorzystania w kolejnych krokach
  • LAT  – jako szerokość geograficzna,
  • LNG – długość geograficzna

Wyszukujemy najbliższy dla naszej lokalizacji czujnik Airly

• Mając już AIRLY_API_KEY, LAT, LNG jesteśmy w stanie wyszukać najbliższy czujnik Airly
• Konstruujemy adres URL, który wkleimy do przeglądarki

Format URL jest następujący:

https://airapi.airly.eu/v2/installations/nearest?lat=LAT&lng=LNG&maxDistanceKM=10&maxResults=3&apikey=AIRLY_API_KEY

• W LAT, LNG, AIRLY_API_KEY wpisujemy odpowiednio nasze uzyskane wczesniej szerokość / długość geograficzną oraz klucz Airly
• Czerwone możemy w zależności od potrzeb zmodyfikować
  • DistanceKM – maksymalna odległość czujników od naszej lokalizacji w kilometrach – tutaj 10
  • maxResult – ile czujników ma odszukać w ramach naszej lokalizacji i odległości – tutaj 3 czujniki
• Po spreparowaniu adresu URL wklejamy go do przeglądarki
• Powinniśmy uzyskać listę wszystkich dostępnych czujników w ramach naszej lokalizacji oraz wprowadzonej odległości

• W niebieskiej ramce opisany jest każdy z czujników. To co musimy zrobić to wybrać jeden z nich patrząc po adresach.
• Po wybraniu jednego z nich zapisujemy jego id – dalej bedę używał SENSOR_ID

Instalujemy i konfigurujemy w openHab odpowiednie dodatki

• W openHab instalujemy Binding: HTTP Binding i Transformacje: JSONPath oraz MAP Transformation
• Ja wykorzystuję do tego PaperUI
• Instalacja: HTTP Binding

• Instalacja JSONPath oraz MAP Transformation

• Konfigurujemy teraz HTTP Binding
  • Przygotowujemy URL, format

https://airapi.airly.eu/v2/measurements/installation?installationId=SENSOR_ID&apikey=AIRLY_API_KEY

• Żeby sprawdzić, czy zrobiliśmy adres poprawnie, wklejamy go do przeglądarki. Jeśli jest OK powinniśmy otrzymać coś takiego

• Konstruujemy dwa parametry, które wpiszemy do konfiguracji HTTP Binding

airly.url=https://airapi.airly.eu/v2/measurements/installation?installationId=SENSOR_ID&apikey=AIRLY_API_KEY
airly.updateInterval=120000

airly.updateInterval określa jak często mają być odczytywane dane z czujnika. Wartość jest w milisekundach czyli 120000 – oznacza 2min. Chesz raz na 5min wpisz: 300000

Z sewisu Airly można

• (za free) odczytać maksymalnie 100 razy dziennie dane z czujników – więc odczyty co 15min będą zupełnie okay.
• odczyty to średnia wartość z ostatniej godziny.

Parametry: airly.url, airly.updateInterval wpisujemy do pliku konfiguracyjnego http.cfg znajdującego się w katalogu

/etc/openhab2/services

lub z wykorzystaniem PaperUI

• wchodzimy w konfigurację HTTP Binding

• uruchamiamy konfigurację w trybie eksperta

• dodajmy parametry konfiguracyjne

• dodajemy 2 parametry airly.url oraz airly.updateInterval i zapisujemy wciskając przycisk Save

Dodajemy elementy (Items) w openHab

• Dodajemy plik airly.items w katalogu /etc/openhab2/items
• W pliku mamy

Group:Number:AVG average_outside_pm

Number airly_quality_index "Index [%.0f]" <air_caqi> {http="<[airly:120000:JSONPATH($.current.indexes[?(@.name=='AIRLY_CAQI')].value)]"}
String airly_quality_description "Opis [%s]" <air_caqi> {http="<[airly:120000:JSONPATH($.current.indexes[?(@.name=='AIRLY_CAQI')].description)]"}
String airly_quality_level "Jakośc powietrza [MAP(airly.map):%s]" <air_caqi> {http="<[airly:120000:JSONPATH($.current.indexes[?(@.name=='AIRLY_CAQI')].level)]"}
String airly_quality_level_raw "Jakośc powietrza [%s]" <air_caqi> {http="<[airly:120000:JSONPATH($.current.indexes[?(@.name=='AIRLY_CAQI')].level)]"}

Number airly_pm1 "PM1 [%.2f µg/m3]" (average_outside_pm) {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='PM1')].value)]"}
Number airly_pm25 "PM2.5 [%.2f µg/m3]" <air_pm25> (average_outside_pm) {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='PM25')].value)]"}
Number airly_pm10 "PM10 [%.2f µg/m3]" <air_pm10> (average_outside_pm) {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='PM10')].value)]"}

Number airly_pressure "Ciśnienie [%.0f hPa]" <my_pressure> {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='PRESSURE')].value)]"}
Number airly_humidity "Wilgotnośc [%.2f %%]" <humidity> {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='HUMIDITY')].value)]"}
Number airly_temperature "Temperatura [%.2f °C]" <temperature> {http="<[airly:120000:JSONPATH($.current.values[?(@.name=='TEMPERATURE')].value)]"}

Number airly_pm25_who "PM2.5 [%.0f %%]" <air_pm25> {http="<[airly:120000:JSONPATH($.current.standards[?(@.pollutant=='PM25')].percent)]"}
Number airly_pm10_who "PM10 [%.0f %%]" <air_pm10> {http="<[airly:120000:JSONPATH($.current.standards[?(@.pollutant=='PM10')].percent)]"}

Number chart_airly_avarage_outside_pm "" <my_period>
Number chart_airly_pm1 "" <my_period>
Number chart_airly_pm25 "" <my_period>
Number chart_airly_pm10 "" <my_period>

Dodajemy plik z transformacjami

• w katalogu /etc/opnahb2/transform dodajemy plik o nazwie airly.map z następującą treścią:

VERY_LOW=Doskonała
LOW=Dobra
MEDIUM=Umiarkowana
HIGH=Dostateczna
VERY_HIGH=Zła
EXTREME=Bardzo zła
-=Brak danych

Konfigurujemy SiteMap’ę

• W istniejącym pliku SiteMap dodajemy (lub dodajemy nowy)

Frame label="CAQI" {
    Text item=airly_quality_index valuecolor=[>=150="#800080",>=125="#990000",>=100="#E40000",>=75="#E48100",>=50="#FFD912",>=25="#B0DD10",>=0="#58B109"]
    Text item=airly_quality_description valuecolor=[airly_quality_index>=150="#800080",airly_quality_index>=125="#990000",airly_quality_index>=100="#E40000",airly_quality_index>=75="#E48100",airly_quality_index>=50="#FFD912",airly_quality_index>=25="#B0DD10",airly_quality_index>=0="#58B109"]
    Text item=airly_quality_level valuecolor=[airly_quality_index>=150="#800080",airly_quality_index>=125="#990000",airly_quality_index>=100="#E40000",airly_quality_index>=75="#E48100",airly_quality_index>=50="#FFD912",airly_quality_index>=25="#B0DD10",airly_quality_index>=0="#58B109"]
}

Frame label="Normy WHO" { 
    Text item=airly_pm25_who 
    Text item=airly_pm10_who 
} 

Frame label="Pyłki" {
    Text item=airly_pm1 valuecolor=[>150="#800080",>110="#990000",>80="#E40000",>50="#E48100",>25="#FFD912",>10="#B0DD10",>=0="#58B109"] {
        Switch item=chart_airly_pm1 mappings=[0="1H",1="4H",2="8H",3="1D",4="3D",5="1T",6="1M",7="4M",8="1R"]
        Chart item=airly_pm1 period=h refresh=60000 visibility=[chart_airly_pm1==0] service="influxdb"
        Chart item=airly_pm1 period=4h refresh=60000 visibility=[chart_airly_pm1==1] service="influxdb"
        Chart item=airly_pm1 period=8h refresh=60000 visibility=[chart_airly_pm1==2] service="influxdb"
        Chart item=airly_pm1 period=D refresh=60000 visibility=[chart_airly_pm1==3] service="influxdb"
        Chart item=airly_pm1 period=3D refresh=3600000 visibility=[chart_airly_pm1==4] service="influxdb"
        Chart item=airly_pm1 period=W refresh=3600000 visibility=[chart_airly_pm1==5] service="influxdb"
        Chart item=airly_pm1 period=M refresh=3600000 visibility=[chart_airly_pm1==6] service="influxdb"
        Chart item=airly_pm1 period=4M refresh=3600000 visibility=[chart_airly_pm1==7] service="influxdb"
        Chart item=airly_pm1 period=Y refresh=3600000 visibility=[chart_airly_pm1==8] service="influxdb"
    }

    Text item=airly_pm25 valuecolor=[>200="#800080",>150="#990000",>110="#E40000",>55="#E48100",>30="#FFD912",>15="#B0DD10",>=0="#58B109"] {
        Switch item=chart_airly_pm25 mappings=[0="1H",1="4H",2="8H",3="1D",4="3D",5="1T",6="1M",7="4M",8="1R"]
        Chart item=airly_pm25 period=h refresh=60000 visibility=[chart_airly_pm25==0] service="influxdb"
        Chart item=airly_pm25 period=4h refresh=60000 visibility=[chart_airly_pm25==1] service="influxdb"
        Chart item=airly_pm25 period=8h refresh=60000 visibility=[chart_airly_pm25==2] service="influxdb"
        Chart item=airly_pm25 period=D refresh=60000 visibility=[chart_airly_pm25==3] service="influxdb"
        Chart item=airly_pm25 period=3D refresh=3600000 visibility=[chart_airly_pm25==4] service="influxdb"
        Chart item=airly_pm25 period=W refresh=3600000 visibility=[chart_airly_pm25==5] service="influxdb"
        Chart item=airly_pm25 period=M refresh=3600000 visibility=[chart_airly_pm25==6] service="influxdb"
        Chart item=airly_pm25 period=4M refresh=3600000 visibility=[chart_airly_pm25==7] service="influxdb"
        Chart item=airly_pm25 period=Y refresh=3600000 visibility=[chart_airly_pm25==8] service="influxdb"
    }

    Text item=airly_pm10 valuecolor=[>350="#800080",>280="#990000",>180="#E40000",>90="#E48100",>50="#FFD912",>25="#B0DD10",>=0="#58B109"] {
        Switch item=chart_airly_pm10 mappings=[0="1H",1="4H",2="8H",3="1D",4="3D",5="1T",6="1M",7="4M",8="1R"]
        Chart item=airly_pm10 period=h refresh=60000 visibility=[chart_airly_pm10==0] service="influxdb"
        Chart item=airly_pm10 period=4h refresh=60000 visibility=[chart_airly_pm10==1] service="influxdb"
        Chart item=airly_pm10 period=8h refresh=60000 visibility=[chart_airly_pm10==2] service="influxdb"
        Chart item=airly_pm10 period=D refresh=60000 visibility=[chart_airly_pm10==3] service="influxdb"
        Chart item=airly_pm10 period=3D refresh=3600000 visibility=[chart_airly_pm10==4] service="influxdb"
        Chart item=airly_pm10 period=W refresh=3600000 visibility=[chart_airly_pm10==5] service="influxdb"
        Chart item=airly_pm10 period=M refresh=3600000 visibility=[chart_airly_pm10==6] service="influxdb"
        Chart item=airly_pm10 period=4M refresh=3600000 visibility=[chart_airly_pm10==7] service="influxdb"
        Chart item=airly_pm10 period=Y refresh=3600000 visibility=[chart_airly_pm10==8] service="influxdb"
    }

    Switch item=chart_airly_avarage_outside_pm mappings=[0="1H",1="4H",2="8H",3="1D",4="3D",5="1T",6="1M",7="4M",8="1R"]
    Chart item=average_outside_pm period=h refresh=60000 visibility=[chart_airly_avarage_outside_pm==0] service="influxdb"
    Chart item=average_outside_pm period=4h refresh=60000 visibility=[chart_airly_avarage_outside_pm==1] service="influxdb"
    Chart item=average_outside_pm period=8h refresh=60000 visibility=[chart_airly_avarage_outside_pm==2] service="influxdb"
    Chart item=average_outside_pm period=D refresh=60000 visibility=[chart_airly_avarage_outside_pm==3] service="influxdb"
    Chart item=average_outside_pm period=3D refresh=3600000 visibility=[chart_airly_avarage_outside_pm==4] service="influxdb"
    Chart item=average_outside_pm period=W refresh=3600000 visibility=[chart_airly_avarage_outside_pm==5] service="influxdb"
    Chart item=average_outside_pm period=M refresh=3600000 visibility=[chart_airly_avarage_outside_pm==6] service="influxdb"
    Chart item=average_outside_pm period=4M refresh=3600000 visibility=[chart_airly_avarage_outside_pm==7] service="influxdb"
    Chart item=average_outside_pm period=Y refresh=3600000 visibility=[chart_airly_avarage_outside_pm==8] service="influxdb"
}

Frame label="Warunki atmosferyczne" {
    Text item=airly_pressure
    Text item=airly_humidity valuecolor=[>80="navy",>60="blue",>40="green",>20="olive",<=20="red"]
    Text item=airly_temperature valuecolor=[>35="red",>31="maroon",>27="orange",>20="green",>12="teal",>7="olive",>0="navy",<=0="blue"]
}

I to powinno być już wszystko.

Jeśli coś będzie niejasne do dajcie znać – dopiszę, poprawię.

Tutaj do ściągnięcia są pliki openHab – dla leniwych 😉

Uwaga: w instrukcji nie opisuję, jak zapisywać dane do bazy danych w OH2 na potrzeby rysowania wykresów. Jest wiele różnych mechanizmów. Zapraszam na Forum Smart’ny Dom jeśli nie będziesz wiedzieć jak.