DecarbonAIte
Forskningsprojekt, 2021
– 2024
Syfte och mål: Syftet är att anpassa och tillämpa ML-algoritmer för att extrahera funktioner från allmänt tillgängliga databaser för att berika urbana digitala tvillingar och tillhandahålla optimerade renoveringsåtgärder för beslutsstöd.
Först kommer projektet att utveckla en metod för att extrahera information som behövs för prestandasimulering av byggnader. Därefter kommer en optimeringsmetod att utvecklas som inkluderar energisimulering, Livscykelanalys och en Livscykelkostnadsanalys. Slutligen skall de utvecklade metoderna implementeras i ett beslutsstöds-verktyg. Förväntade effekter och resultat: Två huvudsakliga resultat förväntas från detta projekt. Först ett skalbart och framtidssäkert arbetsflöde för att berika digitala tvillingar av städer med geometriska egenskaper och semantisk data. För det andra kommer beslutsstödsverktyget att ge intressenter, inklusive fastighetsförvaltare och kommuner, rätt information för renoveringsplanering.
Deltagare
Alexander Hollberg (kontakt)
Chalmers, Arkitektur och samhällsbyggnadsteknik, Byggnadsteknologi
Alex Arnoldo Gonzalez Caceres
Chalmers, Arkitektur och samhällsbyggnadsteknik, Byggnadsteknologi
Samarbetspartners
Asymptotic AB
Göteborg, Sweden
Chalmers Industriteknik (CIT)
Gothenburg, Sweden
Innovatum
Trollhättan, Sweden
Sinom AB
Göteborg, Sweden
Finansiering
VINNOVA
Projekt-id: 2021-02759
Finansierar Chalmers deltagande under 2021–2024
Relaterade styrkeområden och infrastruktur
Hållbar utveckling
Drivkrafter