Rakennusten käytön ennustaminen koneoppimisella hyödyntäen olemassa olevaa mittausdataa
Hankkeessa tavoitteena on kehittää menetelmä rakennuksen ja sen tilojen käyttöasteen ennustamiseksi hyödyntäen koneoppimista ja olemassa olevia, tyypillisistä rakennusautomaatioista saatavilla olevia, datalähteitä.
Toimistorakennusten käyttöasteet ja tilojen käyttötottumukset vaihtelevat huomattavasti ja rakennusten käyttö jakautuu usein epätasaisesti tilojen välillä. Käyttöastetietoa ei kuitenkaan ole yleensä saatavilla puhumattakaan käyttöasteen ennusteesta. Käytöllä on merkittävä vaikutus mm. rakennuksen käyttäjien viihtyvyyteen, sisäilmaolosuhteisiin, ylläpitokuluihin ja energiankulutukseen. Keräämällä tietoa rakennusten ja niiden tilojen käytöstä sekä ennustamalla tulevaisuuden käyttöä, voidaan muun muassa ymmärtää paremmin käyttäjien tarpeita, parantaa heidän tyytyväisyyttä, tehostaa tilojen käyttöä ja allokoida ylläpidon resursseja tehokkaammin.
Useimmissa rakennuksissa on jo nykyisellään lukuisia antureita, jotka mittaavat tilojen olosuhteita ja taloteknisten järjestelmien toimintaa. Tämän datan avulla voidaan arvioida epäsuorasti tilan käyttöä koneoppimista hyödyntäen. Koneoppimista ja tilastollisia menetelmiä hyödyntäen, voidaan edelleen pyrkiä ennustamaan tulevaisuuden käyttöä käyttöhistorian ja muiden muuttujien avulla. Täten voitaisiin ennustaa tilojen tulevaisuuden käyttöä huomattavasti edullisemmin ja yksityisyyden suoja paremmin huomioiden kuin esimerkiksi erillisillä tarkoitukseen suunnitelluilla kamerapohjaisilla järjestelmillä.
Hankkeessa pyritään kehittämään koneoppimiseen pohjautuva käytön ennustemenetelmä. Hankkeessa tutkitaan rakennusautomaatiosta saatavilla olevan datan soveltuvuutta käytön ennustamiseksi sekä ennustemallin tarkkuutta. Hankkeessa arvioidaan ennustemenetelmiä todellisessa käyttöympäristössä toimistorakennuksista kerättävän datan avulla.