© pixabay
Excellente nouvelle du projet H2020 AI4Cities!
Sept prototypes fondés sur l’intelligence artificielle qui accélèrent la neutralité carbone ont été sélectionnés dans le cadre du projet AI4Cities pour être testés dans six villes européennes. Quatre des projets pilotes utilisent des technologies fondées sur l’IA pour rendre les domaines énergétiques des villes plus durables et seront testés à Amsterdam, Copenhague, Helsinki, Paris et Stavanger. Les trois autres se concentrent sur la réduction des émissions de CO2 dans le domaine de la mobilité. Celles-ci seront testées dans cinq des mêmes villes, seule Tallinn remplaçant Copenhague.
Les quatre solutions retenues dans le lot énergie AI4Cities sont les suivantes:
- Holoni, développé par un consortium d’Alphaventuri (Norvège) et d’Energynet (Danemark);
- Spike, développé par Enercerveau (Italie);
- Bee, développé par un consortium d’Eeneman (Finlande), d’Unetiq (Allemagne) et de l’université des sciences appliquées de Metropolia (Finlande), et
- C-In.City, développé par un consortium entièrement français de Kayrros, La Javaness et Nexqt.
Dans le lot «Mobilité AI4Cities», les trois solutions retenues sont les suivantes:
- Avenue, développée par un consortium de Nommon et Populus (tous deux originaires d’Espagne);
- Outil MPAT, développé par un consortium de ViaNova (France) et Rebel Ticketing (Pays-Bas), et
- IX3, développé par un consortium composé de MarshallAi et de Dynniq (tous deux originaires de Finlande).
AI4Cities a réservé un total de 1.45 millions d’euros aux consortiums pour mener à bien leurs projets pilotes.
Kaisa Sibelius, coordinatrice du projet au Forum Virium Helsinki, est très satisfaite de la qualité des entreprises sélectionnées. «Au cours de la phase précédente du projet, nous avions sélectionné 20 fournisseurs pour développer un prototype. Choisir les sept meilleurs qui continueraient à tester les prototypes n’était pas une tâche aisée. Les solutions ont toutes été très diversifiées, innovantes et efficaces pour réduire les émissions de CO2. Ce qui améliore légèrement les solutions sélectionnées, c’est qu’elles présentent également un grand potentiel de reproductibilité et d’évolutivité. Elles remédient aux lacunes de certains des marchés qui connaissent la croissance la plus rapide en Europe et au-delà. C’était très important pour nous, car nous voulons que ces solutions soient mises en œuvre au-delà de nos villes de projet.»
Solutionsénergétiques que
Holoni tire de l’IA au-delà de la prévision de la production solaire et prédit la quantité d’excédents solaires qui peuvent être générés par des bâtiments à énergie positive. Elle favorise également un échange numérique en utilisant l’IOTA, la prochaine génération de chaînes de blocs vertes, rapides, inutiles et évolutives, actuellement candidate à l’équipement de l’infrastructure européenne de services publics intelligents.
L’ORIGIN d’Energinet, désormais baptisé Energy Track &Trace, est intégré pour vérifier l’origine de l’énergie, heure par heure, en anticipant le passage à des certificats d’origine plus granulaires. Enercercerveau est une plateforme logicielle/matérielle en nuage permettant l’échange
de données avec des dispositifs propriétaires fondés sur l’internet et la communication avec d’autres dispositifs/plateformes de l’IdO, l’extraction des connaissances pour l’interaction et la participation des utilisateurs du logiciel Situation-Aware et l’évaluation de la performance du bâtiment. En outre, il fournit des services spécifiques de gestion de l’énergie capables d’optimiser de manière innovante et efficace l’efficacité énergétique et la flexibilité dans les bâtiments commerciaux, les bâtiments de service et les bâtiments résidentiels.
La solution BEE (Building Energy Efficiency —
Efficacité énergétique des bâtiments) combine plusieurs des technologies les plus récentes pour relier les bâtiments au réseau énergétique et à leur environnement et optimiser leur impact global sur les émissions. L’exploitation de la plateforme de confiance — une interface commune entre différents systèmes de gestion des bâtiments — garantit une intégration aisée dans le plus grand nombre possible de types de bâtiments différents. Le moteur IA utilise les derniers algorithmes d’apprentissage approfondi pour prévoir l’utilisation du bâtiment pour le lendemain.
C-in.City fournit aux villes une surveillance des émissions de carbone en temps quasi réel. Elle donne aux citoyens les moyens d’agir en leur fournissant des informations transparentes en temps quasi réel sur la manière dont ils peuvent réduire leurs émissions, ce qui permet également aux décideurs politiques de concevoir les options politiques les plus efficaces et les plus réalisables, allant de changements de comportement aux investissements techniques, avec une adhésion accrue des citoyens. Enfin, la solution permet également aux PME locales de recenser et de classer les possibilités d’atténuation des émissions de gaz à effet de serre (GES) présentant un bon rapport coût-efficacité, et d’offrir des informations localisées pour stimuler les investissements en faveur du climat.
Les solutionsde mobilité
AVENUE sont une solution innovante visant à prévoir l’incidence des services de mobilité partagée sur les émissions de GES des transports urbains. Avenue place les données qu’elle reçoit dans un moteur analytique fondé sur l’IA qui permet le suivi de la demande et, sur cette base, elle crée des modèles de prévision de la demande et des modèles d’émissions de gaz à effet de serre, qui pourraient ensuite être utilisés à des fins d’optimisation des politiques. Sur la base de ces ajustements, de nouveaux modèles de prévision de la demande sont créés, ce qui donne aux urbanistes une bonne vue d’ensemble de l’impact de leurs actions.
L’ outil MPAT (Mobility Policy Auto Tuner) est un moteur permettant d’optimiser le potentiel de réduction des émissions de CO2 des politiques de mobilité urbaine, en mettant l’accent sur la micromobilité partagée. En comprenant la géographie dans laquelle un voyage sur un vélo, un scooter ou un cyclomoteur à moteur électrique est le plus susceptible de générer une réduction des émissions, l’outil est en mesure de formuler des recommandations sur les zones à mettre en œuvre pour mettre en œuvre de nouvelles politiques (par exemple, subventions sur les trajets ou suppression des plafonds de flotte). L’impact de ces politiques peut ensuite faire l’objet d’un suivi spécifique en ce qui concerne la réduction des émissions de CO2.
La solution IX3
fonctionne en recueillant des informations provenant des caméras de circulation et d’autres sources de circulation, puis en les intégrant dans le système de feux de signalisation de la ville. Grâce à l’intelligence artificielle et à la détection visuelle fondées sur l’apprentissage profond, le système réduit considérablement la quantité de capteurs nécessaires et augmente la quantité de données pertinentes, ce qui conduit à une fluidité accrue du trafic et à une diminution des arrêts et de l’attente inutiles. MarshallAi et Dynniq veillent à ce que leur système identifie uniquement qu’un objet approche une certaine intersection, sans donner d’identité à cet objet.