© pixabay
Uitstekend nieuws van het H2020-project AI4Cities!
Het project AI4Cities heeft zeven op kunstmatige intelligentie gebaseerde prototypes die de koolstofneutraliteit versnellen, geselecteerd om in zes Europese steden te worden getest. Vier van de proefprojecten gebruiken op AI gebaseerde technologieën om de energiegebieden van steden duurzamer te maken en zullen worden getest in Amsterdam, Kopenhagen, Helsinki, de regio Parijs en Stavanger. De andere drie zijn gericht op het verminderen van CO2-emissies op het gebied van mobiliteit. Deze zullen in vijf van dezelfde steden worden getest, waarbij alleen Tallinn in de plaats komt van Kopenhagen.
De vier in AI4Cities Energy Lot geselecteerde oplossingen zijn:
- Holoni, ontwikkeld door een consortium van Alphaventuri (Noorwegen) en Energynet (Denemarken);
- Spike, ontwikkeld door Enerbrain (Italië);
- Bij, ontwikkeld door een consortium van Eeneman (Finland), Unetiq (Duitsland) en Metropolia University of Applied Sciences (Finland), en
- C-In.City, ontwikkeld door een volledig Frans consortium van Kayrros, La Javaness en Nexqt.
Voor het perceel „Mobiliteit AI4Cities” zijn de drie geselecteerde oplossingen:
- Avenue, ontwikkeld door een consortium van Nommon en Populus (beide uit Spanje);
- MPAT-instrument, ontwikkeld door een consortium van ViaNova (Frankrijk) en Rebel Ticketing (Nederland), en
- IX3, ontwikkeld door een consortium van MarshallAi en Dynniq (beide uit Finland).
AI4Cities heeft in totaal 1.45 miljoen euro gereserveerd voor de consortia om hun proefprojecten uit te voeren.
Kaisa Sibelius, coördinator van het project bij Forum Virium Helsinki, is zeer tevreden over de kwaliteit van de geselecteerde ondernemingen. „In de vorige fase van het project hadden we 20 leveranciers geselecteerd om een prototype te ontwikkelen. De keuze van de zeven beste prototypen die de prototypes zouden testen, was geen gemakkelijke taak. De oplossingen waren allemaal zeer divers, innovatief en efficiënt om de CO2-uitstoot te verminderen. Wat de geselecteerde oplossingen iets beter maakt, is dat zij ook een groot potentieel hebben voor reproduceerbaarheid en schaalbaarheid. Zij vullen lacunes aan op enkele van de snelst groeiende markten in Europa en daarbuiten. Dit was voor ons van groot belang, omdat we willen dat deze oplossingen ook buiten onze projectsteden worden toegepast.”
De energieoplossingen Holoni
zijn een hefboom voor AI die verder gaat dan de voorspelling van de productie van zonne-energie en voorspelt hoeveel zonneoverschotten kunnen worden gegenereerd door gebouwen met positieve energie. Zij zorgt ook voor een digitale uitwisseling door gebruik te maken van de IOTA, de volgende generatie groene, snelle, nuttige en schaalbare blockchain, die momenteel een kandidaat is om de Europese infrastructuur voor openbare slimme diensten uit te rusten.
De ORIGIN van Energinet, die nu Energy Track EntreTrace wordt genoemd, is geïntegreerd om de herkomst van energie, uur per uur, te controleren en te anticiperen op de verschuiving naar meer granulaire certificaten van oorsprong Enerbra’s spike
is een all-in-one-platform voor software/hardware op basis van de cloud ter ondersteuning van gegevensuitwisseling met door het internet der dingen ondersteunde apparaten en communicatie met andere IoT-apparaten/platforms, kennisextractie voor interactie en betrokkenheid van gebruikers van Situatie-Aware en beoordeling van de prestaties van gebouwen. Daarnaast biedt zij specifieke energiebeheerdiensten aan die in staat zijn tot innovatieve en doeltreffende optimalisering van energie-efficiëntie en flexibiliteit in commerciële, service- en residentiële gebouwen.
De BEE (Building Energy Efficiency) -oplossing combineert verschillende van de meest recente technologieën om gebouwen met het energienet en hun omgeving te verbinden en hun totale emissie-effect te optimaliseren. Het hefboomeffect van het vertrouwensplatform — een gemeenschappelijke interface in verschillende gebouwbeheersystemen — zorgt voor een gemakkelijke integratie in zoveel mogelijk verschillende soorten gebouwen. De AI-motor gebruikt de meest recente algoritmen voor diepgaand leren om het gebruik van het gebouw voor de volgende dag te voorspellen.
C-in.City biedt steden bijna realtime koolstofemissiemonitoring. Het stelt burgers in staat om bijna in real time transparante informatie te verstrekken over hoe zij hun emissies kunnen verminderen, wat beleidsmakers ook in staat stelt de meest doeltreffende en uitvoerbare beleidsopties te ontwerpen, variërend van gedragsveranderingen tot technische investeringen, met meer betrokkenheid van de burgers. Tot slot stelt de oplossing lokale kmo’s ook in staat om kosteneffectieve mogelijkheden voor de beperking van broeikasgassen in kaart te brengen en te rangschikken, en om lokale inzichten te bieden om klimaatinvesteringen te stimuleren.
Mobiliteitsoplossingen
AVENUE is een innovatieve oplossing om het effect van gedeelde mobiliteitsdiensten op de broeikasgasemissies van het stadsvervoer te voorspellen. Avenue plaatst de gegevens die het ontvangt in een op AI gebaseerde analytische motor die monitoring van de vraag mogelijk maakt en op basis daarvan modellen creëert voor vraagvoorspelling en broeikasgasemissiemodellen, die vervolgens kunnen worden gebruikt voor beleidsoptimalisering. Op basis van deze beleidsaanpassingen worden nieuwe modellen voor het voorspellen van de vraag gecreëerd, waardoor stedenbouwkundigen een goed overzicht krijgen van de impact van hun beleidsmaatregelen.
Het MPAT-instrument ( Mobility Policy Auto Tuner) is een motor voor het optimaliseren van het CO2-emissiereductiepotentieel van het mobiliteitsbeleid in steden, met de nadruk op gedeelde micromobiliteit. Door inzicht te krijgen in de geografische omstandigheden waar een rit met een elektrisch aangedreven gedeelde fiets, scooter of bromfiets het meest waarschijnlijk een emissiereductie zal opleveren, kan het instrument aanbevelingen doen voor gebieden waar nieuw beleid kan worden uitgevoerd (bv. subsidies voor rijbanen of de verwijdering van vlootplafonds). Het effect van dit beleid kan dan worden gemonitord met een specifiek perspectief op CO2-emissiereducties.
De IX3-oplossing
werkt door informatie uit verkeerscamera’s en uit andere verkeersbronnen te nemen en vervolgens in het verkeerslichtsysteem van de stad te integreren. Door gebruik te maken van op deep learning gebaseerde kunstmatige intelligentie en visuele detectie vermindert het systeem de benodigde hoeveelheid sensoren drastisch en verhoogt het de hoeveelheid relevante gegevens, waardoor het verkeer vlotter verloopt en onnodige stops en wachttijden afnemen. MarshallAi en Dynniq zorgen ervoor dat hun systeem alleen identificeert dat een voorwerp een bepaald kruispunt nadert, zonder dat dit voorwerp een identiteit geeft.