DecarbonAIte

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.

Planerat upplägg och genomförande

Projektet kommer att ledas av Chalmers Industriteknik och är uppdelat i 7 arbetspaket som leds och stöds av olika partners. Projektet kommer att står i nära samband med forsknings-, kommunikations- och spridningsaktiviteter vid Digital Twin Cities Centre (Chalmers), GATE-institutet (Sofia University) och ETH Zürich.