L’obiettivo del progetto è individuare e migliorare il carico energetico su larga scala delle famiglie a basso reddito
(Rinnovabili.it) – Immaginate di poter analizzare la qualità di una progettazione passiva di qualsiasi immobile senza sopralluoghi, ma con una qualità tale da riuscire a prevedere i costi energetici ed il consumo con una precisione del 74%. Un approccio impossibile fino a poco tempo fa, ma che ora è realtà grazie all’Intelligenza Artificiale. Il progetto è frutto della ricerca tra l’Università di Notre Dame, in collaborazione con docenti dell’Università del Maryland e dell’Università dello Utah ed ha ottenuto un finanziamento da parte del Lucy Institute come parte dell’Health Equity Data Lab.
L’Intelligenza artificiale combinata con Google Street View
L’obiettivo dello studio è quello di migliorare la qualità della vita nelle abitazioni urbane, abbassando i costi energetici grazie ad una migliore qualità della progettazione passiva. Secondo uno studio del Dipartimento dell’Energia statunitense, location della ricerca, sono le famiglie a basso reddito a doversi sobbarcare anche il triplo del carico energetico di una famiglia media, a causa della scarsa qualità dell’abitazione principale. Se applicati correttamente, gli elementi di progettazione passiva come la ventilazione naturale, la maggiore illuminazione, il ricircolo d’aria o l’ombreggiamento, potrebbero da soli creare ambienti più salubri ad un costo ridotto.
La fase di studio si è concentrata dunque sulla città di Chicago analizzando oltre 300.000 famiglie e le relative abitazioni, per arrivare a tracciare 1.402 tratti di censimento che combinando i dati demografici, i livelli di povertà e la qualità della progettazione.
leggi anche La povertà energetica colpisce più di 2 mln di famiglie in Italia. Anche nel…
“I risultati forniscono informazioni preziose per i politici e gli urbanisti”, ha affermato Ming Hu, ricercatore capo presso la Università di Notre Dame. “Quando le famiglie non possono permettersi l’aria condizionata o il riscaldamento, le conseguenze possono dare origine a gravi rischi per la salute e questi rischi sono solo esacerbati dal cambiamento climatico, che si prevede aumenterà sia la frequenza che l’intensità degli eventi di temperature estreme. C’è un bisogno urgente e reale di trovare soluzioni a basso costo e a bassa tecnologia per contribuire a ridurre il carico energetico e aiutare le famiglie a prepararsi e ad adattarsi al nostro clima in cambiamento”.
I tre fattori chiave della progettazione passiva
La ricerca congiunta, pubblicata sulla rivista Building and Environment, si è concentrata su tre fattori chiave della progettazione passiva: la dimensione delle finestre nelle abitazioni, i tipi di finestra (apribili o fisse) e la percentuale dell’edificio che dispone di un’ombreggiatura adeguata. Utilizzando una rete neurale convenzionale il team ha analizzato le immagini di Google Street View degli edifici residenziali oggetto di indagine a Chicago. Grazie ad un metodo di apprendimento automatico si è individuato il miglior modello previsionale. I loro risultati mostrano che le caratteristiche di progettazione passiva sono associate al carico energetico medio e sono essenziali per i modelli di previsione.
“Il primo passo verso la mitigazione del carico energetico per le famiglie a basso reddito è quello di comprendere meglio il problema ed essere in grado di misurarlo e prevederlo”, ha affermato Siavash Ghorbany, dottorando presso il Dipartimento di Ingegneria Civile e Ambientale e Scienze della Terra. “Quindi ci siamo chiesti: ‘E se potessimo utilizzare strumenti e tecnologie di uso quotidiano come Google Street View, combinati con la potenza dell’apprendimento automatico, per raccogliere queste informazioni?’ Ci auguriamo che possa rappresentare un passo positivo verso la giustizia energetica negli Stati Uniti”.
I ricercatori stanno anche lavorando per includere nell’analisi ulteriori caratteristiche di progettazione passiva, come isolamento, i tetti freddi e tetti verdi. L’obiettivo è arrivare ad ampliare il progetto ad un punto tale da poter valutare e affrontare le disparità di carico energetico a livello nazionale.