Skapa konto / Anmäl till nyhetsbrev
  • För att få nyhetsbrevet behöver du ett konto. Det är gratis.
  • Kontot administreras av Svensk Byggtjänst.
Begär nytt lösenord

Artificiell intelligens ska tolka renoveringsbehov

19 feb 19 februari 19 feb 2019 19 februari 2019 februari 2019
huvudbild_mikael-mangold
Mikael Mangold berättar om projektet på E2B2s årskonferens. Foto: Annelie Björling
OME2B2

E2B2 är Energimyndighetens forskningsprogram inom området energieffektivt byggande och boende. IQ Samhällsbyggnad fungerar som koordinator. 

Forskare och samhällsaktörer arbetar tillsammans för att ta fram kunskap, metoder och verktyg för effektivare energianvändning och för att utveckla byggandet och boendet i samhället.

Källa: E2B2
I ett nystartat E2B2-projekt ska forskare med hjälp av artificiell intelligens ta fram ny kunskap om status och energianvändning i svenska bostäder.

E2B2-projektet är nära kopplat till ett ännu större projekt som handlar om att ta fram underlag om Sveriges bostadsbestånd till myndigheter och andra intressenter. Flera register samkörs och sedan görs jämförelser för att försöka förklara utvecklingen i bostadsbeståndet, kopplat till styrmedel.

I E2B2-projektet ska artificiell intelligens med maskininlärning kopplas på för att tolka renoveringsbehoven hos de svenska flerbostadshusen.

– Fokus ligger på flerbostadshus. I praktiken handlar det om ungefär 130 000 fastigheter som vi undersöker, sa Mikael Mangold, från forskningsinstitutet RISE när han presenterade projektet i samband med E2B2s årskonferens.

Kända och okända mönster

Mikael Mangold beskrev hur de olika delarna hänger ihop genom att ge exempel på information som finns i några av registren.

  • I Lantmäteriets fastighetsregister finns upplysningar om investeringar i renoveringar, renoveringsår, hyresnivåer och upplåtelseform.
  • Boverkets Energideklarationer ger information om energianvändning, energisystem och ventilation. Informationen från 2008 och 2018 jämförs.
  • Genom SCB finns information om de boende. Det handlar till exempel om medelinkomst, utbildningsnivå, sysselsättningsgrad samt upplysningar om hur ofta personer flyttar. Också de här uppgifterna jämförs mellan 2008 och 2018.
  • Fastighetsägarnas årsredovisningar innehåller information om likviditet och hur mycket medel som de har avsatt till underhåll.

Förutom informationen från registren görs också djupare analyser. Forskarna försöker sen få de artificiella verktygen att göra förutsägelser. Det handlar om att känna igen kända och okända mönster.

Ett känt mönster kan vara att känna igen en viss byggnadstyp. Därefter handlar det om att få algoritmen att känna igen och också förutse olika typer av renoveringsbehov, sa Mikael Mangold.  

Pågående analys

Projektet använder Google Street View där man med hjälp av panoramafoton och överflygningar visuellt kan göra observationer. Vid en serie workshops görs övervakade observationer med seniora renoveringsforskare. För utvalda byggnader spåras de eftersökta mönstren. Därefter används observationerna som träningsdata för maskininlärning som gör förutsägelser i hela flerbostadshusbeståndet. 

Längre fram kan det även bli aktuellt att använda olika typer av data från drönare. 

Flera användningsområden

I första steget ska uppgifterna, som tas fram inom ramen för projektet, användas som underlag till uppdateringen av den nationella renoveringsstrategin 2019. De kommer också att användas som underlag när Betsi uppdateras 2018 - 2022.

Framtida användningsområden handlar om riskbedömning för renoveringsbeslut och riktade rekommendationer. Forskarna strävar efter att så mycket som möjligt av informationen ska vara delbar och inte inlåst i register som kostar pengar att använda.

Fler nyheter
Feedback / Tips
Begär nytt lösenord
Skapa konto
Pris: + moms
Författare: 
Lagerstatus: