Digitwin 2.0 extended – låter AI tolka mänskligt beteende i byggnader
När ett nytt hus byggs, eller en lokal inreds, finns ofta en idé för hur ytan ska användas. Men blir det som det var tänkt och fungerar lösningen optimalt? Med hjälp av digitala tvillingar och AI, har pilotprojektet Digitwin 2.0 hittat ett sätt att följa och tolka hur människor faktiskt använder, och beter sig i, byggnader.
Digitwin 2.0 extended, ett pilotprojekt inom AI Impact Lab kopplat till den strategiska inriktningen Smart stad/samhällsutveckling.
Projekttid: februari-juni 2021.
Teknisk ledare: Hadi Banaee.
Status: Avslutat
Pilotprojektet Digitwin 2.0 startade 2019 och drivs i samarbete med Örebroporten, som äger Novahuset på campus, och Akademiska Hus, som äger övriga byggnader på campus Örebro och som även arbetar med egna digitala tvilling-lösningar genom projektet Örebro Campus Lab.
Till en början handlade Digitwin 2.0 om att bygga digitala tvillingar av fysiska miljöer, som till exempel Robotlabbet och Novahuset vid Örebro universitet och Kulturkvarteret. När den delen var klar gick projektet in i nästa fas: att addera ett lager av AI på den digitala tvillingen.
Adderar ett lager av AI på den digitala tvillingen
– Många digitala tvilling-projekt tittar på hur till exempel en maskin fungerar eller flödet i en produktionskedja. Vi är intresserade av hur människor beter sig i en miljö. Vi försöker gå bortom visualiseringen och se vad vi kan utläsa av dynamiken i miljön, säger Hadi Banaee, som är utvecklare och forskare i datavetenskap vid Institutionen för naturvetenskap och teknik.
Tillsammans med forskare vid AASS och personal från AI Impact Lab har Hadi Banaee arbetat med att utveckla en datadriven AI-modell som kan bearbeta all sensordata i den digitala tvillingen. Målet är att skapa en AI som kan analysera och upptäcka långsiktiga trender.
Sensorerna känner av hur människor rör sig men också hur andra parametrar – som temperatur, luftfuktighet, koldioxidhalt med mera – förändras. Med hjälp av AI kan man analysera hur lokalerna används vid olika tider på dygnet eller dagar i veckan, samt hur temperaturen eller till och med koldioxidhalten varierar beroende på människornas aktivitet.
Gör det lättare att anpassa miljön efter människorna
Det ger intressant feedback till fastighetsägaren eller den som driver verksamheten, förklarar Hadi Banaee.
– Det kan hjälpa dem att förstå flöden, användandet, temperaturer med mera. Om vi på universitetet, till exempel, ser att många rum är upptagna vid en viss tid kan vi ta hänsyn till det när vi lägger schemat. Ur ett energiperspektiv är det också viktigt. Om vi vet att ett rum bara används på morgonen men aldrig annars, så skulle man kunna minska ned på ventilationen under delar av dagen.
Analyserna är också användbara för att upptäcka förändringar. Om AI:n till exempel kan visa att en viss yta alltid har använts flitigt vid lunchtid men under den senaste tiden plötsligt står tom – så kan det ge en signal till fastighetsägaren att något har hänt i verksamheten.
– En intressant aspekt med datadriven AI är att kunna analysera och upptäcka långsiktiga trender och mönster i människors beteende, som man inte har kunnat se tidigare. Genom att upptäcka oväntade rörelsemönster kan man också utreda vad de beror på. Man kan även använda den här modellen för att anpassa miljön efter människorna, om man exempelvis ser att många människor tycker om att använda en viss yta, men att den i dag saknar inredning, säger Hadi Banaee och fortsätter:
– Jag tycker att det här projektet är spännande eftersom det ger mig en chans att jobba med riktig tillämpning av data science. Mitt mål är att visa hur kraftfull datadriven AI är och hur mycket man kan uppnå genom att låta datan tala. Digitwin 2.0 ger mig en chans att visa det.
Arbetet med Digitwin 2.0 har möjliggjorts tack vare samarbetet mellan forskningscentret AASS, den regionala samverkansplattformen AI Impact Lab, Akademiska Hus och Örebroporten.
