© pixabay
Fremragende nyheder fra H2020-projektet AI4Cities!
Syv prototyper baseret på kunstig intelligens, der fremskynder kulstofneutralitet, er blevet udvalgt af projektet AI4Cities til afprøvning i seks europæiske byer. Fire af pilotprojekterne anvender AI-baserede teknologier til at gøre byernes energiområder mere bæredygtige og vil blive afprøvet i Amsterdam, København, Helsingfors, Parisregionen og Stavanger. Mens de tre andre fokuserer på at reducere CO2-emissionerne på mobilitetsområdet. Disse vil blive afprøvet i fem af de samme byer, hvor kun Tallinn træder i stedet for København.
De fire løsninger, der blev udvalgt i AI4Cities Energy Lot, er:
- Holoni, udviklet af et konsortium af Alphaventuri (Norge) og Energynet (Danmark)
- Spikes, udviklet af Enerbrae (Italien),
- Bier, udviklet af et konsortium af Eeneman (Finland), Unetiq (Tyskland) og Metropolia University of Applied Sciences (Finland), og
- C-In.City, udviklet af et rent fransk konsortium bestående af Kayrros, La Javaness og Nexqt.
I AI4Cities Mobility Lot er de tre udvalgte løsninger:
- Avenue, udviklet af et konsortium af Nommon og Populus (begge fra Spanien)
- MPAT-værktøjet, der er udviklet af et konsortium bestående af ViaNova (Frankrig) og Rebel Ticketing (Nederlandene), og
- IX3, udviklet af et konsortium bestående af MarshallAi og Dynniq (begge fra Finland).
AI4Cities har reserveret i alt 1.45 millioner euro til konsortierne til at udføre deres pilotprojekter.
Kaisa Sibelius, projektkoordinator ved Forum Virium Helsinki, er meget tilfreds med kvaliteten af de udvalgte virksomheder. "I den foregående fase af projektet havde vi udvalgt 20 leverandører til at udvikle en prototype. Det var ikke let at vælge de syv bedste, der skulle afprøve prototyperne. Løsningerne var alle meget forskelligartede, innovative og effektive med hensyn til at reducere CO2-emissionerne. Det, der gør de valgte løsninger lidt bedre, er, at de også har et stort potentiale for replikabilitet og skalerbarhed. De afhjælper mangler på nogle af de hurtigst voksende markeder i og uden for Europa. Dette var meget vigtigt for os, da vi ønsker, at disse løsninger skal gennemføres uden for vores projektbyer."
Energiløsningerne Holoni
udnytter kunstig intelligens ud over forudsigelsen af solproduktion og forudser, hvor meget solenergioverskud der kan genereres fra positive energibygninger. Det fremmer også en digital udveksling ved at anvende IOTA, den næste generation af grøn, hurtig, fejlet og skalerbar blockchain, som i øjeblikket er en kandidat til at udstyre europæisk offentlig intelligent serviceinfrastruktur.
Energinets ORIGIN, nu kaldet Energinetværket Trace, er integreret for at kontrollere energiens oprindelse i timen, og foregribelse af overgangen til mere detaljerede oprindelsescertifikater, Enerbras spike,
er en altomfattende cloudbaseret software-/hardwareplatform, der understøtter dataudveksling med enheder, der er baseret på tingenes internet, og kommunikation med andre IoT-enheder/platforme, videnudtrækning med henblik på brugerinteraktion mellem Situation-Aware og engagement og vurdering af bygningers ydeevne. Desuden leverer den dedikerede energistyringstjenester, der kan sikre innovativ og effektiv optimering af energieffektivitet og fleksibilitet i erhvervs-, service- og beboelsesejendomme.
BEE-løsningen ( bygningers energieffektivitet) kombinerer flere af de nyeste teknologier til at forbinde bygninger med energinet og deres miljø og optimere deres samlede emissionseffekt. Udnyttelse af tillidsplatformen — en fælles grænseflade i forskellige bygningsforvaltningssystemer — sikrer nem integration i så mange forskellige bygningstyper som muligt. AI-motoren anvender de seneste "Deep Learning" -algoritmer til at forudsige anvendelsen af bygningen den næste dag.
C-in.City leverer næsten tidstro overvågning af CO2-emissioner til byerne. Det styrker borgerne ved at give dem gennemsigtige oplysninger i næsten realtid om, hvordan de kan reducere deres emissioner, hvilket også sætter de politiske beslutningstagere i stand til at udforme de mest effektive og gennemførlige politiske løsningsmodeller, lige fra adfærdsændringer til tekniske investeringer, med større opbakning fra borgerne. Endelig giver løsningen også lokale SMV'er mulighed for at identificere og rangordne omkostningseffektive modvirkningsmuligheder for drivhusgasser og tilbyde lokal indsigt for at fremme klimainvesteringer.
Mobilitetsløsninger
AVENUE er en innovativ løsning, der har til formål at forudsige virkningen af fælles mobilitetstjenester på drivhusgasemissioner fra bytransport. Avenue placerer de data, det modtager, i en AI-baseret analytisk motor, der gør det muligt at overvåge efterspørgslen, og på grundlag heraf skaber det modeller til forudsigelse af efterspørgslen og drivhusgasemissionsmodeller, som derefter kan anvendes til politikoptimering. På grundlag af disse politiske tilpasninger skabes der nye modeller for prognosticering af efterspørgslen, som giver byplanlæggerne et godt overblik over virkningen af deres politiske tiltag.
MPAT-værktøjet ( Mobility Policy Auto Tuner) er en drivkraft til optimering af CO2-emissionsreduktionspotentialet i bymobilitetspolitikker med fokus på fælles mikromobilitet. Ved at forstå de geografiske områder, hvor en tur på en eldrevet delecykel, scooter eller knallert med størst sandsynlighed vil skabe en emissionsbesparelse, kan værktøjet fremsætte anbefalinger til områder, hvor der kan gennemføres nye politikker (f.eks. tilskud til kørsel eller fjernelse af flådelofter). Virkningen af disse politikker kan derefter overvåges med et særligt syn på CO2-emissionsbesparelser.
IX3-løsningen fungerer ved at hente information fra trafikkameraer og fra andre trafikkilder og derefter integrere den i byens trafiklyssystem. Ved hjælp af dyb læringsbaseret kunstig intelligens og visuel føling reducerer systemet drastisk den nødvendige mængde sensorer og øger mængden af relevante data, hvilket fører til øget trafikstrøm og færre unødvendige stop og ventetider. MarshallAi og Dynniq sikrer, at deres system kun identificerer, at en genstand nærmer sig et bestemt skæringspunkt, uden at give denne genstand en identitet.