Använder AI för att planera lokalanvändning – kan förutsäga temperaturen dagar i förväg

Hur beter sig människor egentligen i en fysisk miljö, som exempelvis campus i Örebro? Går det att använda lokalerna mer hållbart och effektivt om vi visste svaret på den frågan? Med hjälp av sensorer och en digital tvilling har Akademiska Hus och AI-forskare vid Örebro universitet lyckats skapa en AI som till och med kan förutsäga rumstemperaturen inomhus – några dagar i förväg.

Med hjälp av AI kan forskarna upptäcka mönster, förändringar och avvikande värden i data från sensorerna på campus. I grafen ovan synliggör AI-algoritmen att temperaturen i byggnaden markerad med ljusblå färg varierar väldigt mycket jämfört med de andra byggnaderna. Vi kan också se att röd linje i genomsnitt har högst temperatur medan ljusrosa linje har lägst temperatur. Detta är exempel på information som fastighetsägaren kan använda för att optimera och effektivisera lokalanvändandet.

De senaste åren har Akademiska Hus och Örebro universitet installerat omkring 4000 sensorer på campus, som bland annat registrerar rörelse, temperatur, ljus och luftfuktighet. Utifrån den datan har forskarna skapat en digital tvilling, alltså en digital kopia, av campus där man i realtid kan följa sensorernas datainsamling.

Hadi Banaee, AI-forskare vid Örebro universitet.

I projektet Campus.AI har forskarna nu lyckats ta nästa steg i utvecklingen – att applicera ett lager av AI på den digitala tvillingen för att kunna tolka och analysera hur lokalerna används.

– Vi har tillämpat olika AI-algoritmer, för att få en bättre förståelse av mänskligt beteende vid olika områden på universitetet, säger AI-forskare Hadi Banaee.

Anledningen är att den kunskapen kan hjälpa fastighetsägaren att planera och använda lokalerna på ett bättre sätt.

– Vi vill förstå hur den fysiska miljön används. Både för att kunna använda den ur ett hållbart perspektiv, och tillsammans med universitetet åstadkomma en mer hållbar lokalförsörjning. Men också för att förstå vilka miljöer och funktioner som fungerar bättre ur ett användarperspektiv. Där ser vi redan nu spännande, nya insikter som kommer från användning av AI, säger Ulf Däversjö, direktör för innovation och affärsutveckling på Akademiska Hus.

Över 4000 sensorer på campus registrerar och samlar in data för bland annat ljus, luftfuktighet, temperatur och rörelse.

Kan förutspå sensorvärden med hjälp av djupinlärning

Genom Campus.AI har forskarna utvecklat ett antal olika AI-komponenter, som kan allt från att tolka hur människorna använder lokalerna till att förutspå olika sensorvärden i förväg.

– Först och främst använde vi utforskande dataanalys, för att förstå hur olika områden används, till exempel hur klassrummen eller kontoren används under året. Därefter använde vi metoder för mönsterigenkänning, som hjälper oss att upptäcka förändringar och avvikande värden i datan. Slutligen använde vi också toppmoderna metoder för djupinlärning för att förutsäga sensorernas värden. Vi kan nu, till exempel, förutsäga temperaturen i ett par timmar eller till och med dagar, säger Hadi Banaee.

Ulf Däversjö, direktör för innovation och affärsutveckling på Akademiska Hus.

Akademiska Hus: ”Forskningen inspirerar vår utveckling”

Forskarnas framsteg kan få betydelse för Akademiska Hus verksamhet i hela landet, förklarar Ulf Däversjö.

– Vi bygger samtidigt metoder och processer för att hantera data för hela bolaget. Där inspirerar forskningen vår utveckling just nu.

Text och film: Jesper Eriksson
Foto: Jesper Eriksson och Akademiska Hus

Campus.AI är ett samarbete mellan Örebro universitet, Akademiska Hus, Ecoguard och Region Örebro län. Projektet har stöttats av det regionala utvecklingsprojektet AI.ALL och medfinansierats av Europiska unionen.