Gebouwen verbruiken momenteel ongeveer 40 procent van alle elektriciteit die in de Verenigde Staten wordt gebruikt, de meeste van hen bevinden zich in stedelijke gebieden die snel groeien. Omdat elektriciteitsopwekking de grootste bron van broeikasgasemissies in het land is, door stedelijke gebouwen energiezuiniger te maken, kan de wereldwijde klimaatverandering worden beperkt.

Om op stadsbrede schaal tot efficiënte gebouwen te komen, nauwkeurige schattingen van de bezetting zijn cruciaal. Deze schattingen moeten rekening houden met het feit dat mensen zich de hele dag door hun steden verplaatsen, van huis naar werk, die het energieverbruik voor verschillende gebouwtypes stimuleert. Nutsvoorzieningen, een model ontwikkeld door onderzoekers van Berkeley Engineering, Berkeley Lab en MIT kunnen precies dat. Een paper waarin de tool wordt beschreven, die passief verzamelde mobiele telefoongegevens gebruikt om de bezettingsgraad van gebouwen en mobiliteitsschattingen op stedelijke schaal te verbeteren, werd onlangs gepubliceerd in Natuurcommunicatie .

"Door de bezetting van gebouwen op stedelijke schaal te begrijpen, kunnen we beter plannen voor collectief energieverbruik. Zoals verkeersapps die u de huidige staat van verkeersopstoppingen vertellen, we stellen ons een model voor dat gebruikers mogelijk zou kunnen vertellen wat de energiebehoeften op verschillende plaatsen zijn en daarom op maat gemaakte efficiëntiemaatregelen kunnen identificeren. De tool kan mogelijk ook verbinding maken met slimme apparaten die zich automatisch aanpassen aan de energievraag, " zei Marta Gonzalez, hoogleraar civiele techniek en milieutechniek aan Berkeley en co-auteur van het artikel.

Terwijl passieve gegevensbronnen zoals Bluetooth, Wi-Fi en camera's zijn gebruikt om de dynamiek van een stad te begrijpen, Gonzalez en haar medewerkers stellen dat deze bronnen niet op voldoende schaal beschikbaar zijn om dat werk volledig te doen. Deze beperkte bronnen kunnen de gelijktijdige bezetting van duizenden verschillende gebouwen niet nauwkeurig voorspellen. Daarom stellen de onderzoekers voor om passief verzamelde mobiele telefoongegevens te gebruiken om de bezetting van gebouwen op stadsniveau af te leiden.

Als proof-of-concept, ze integreerden de oproeprecords van 1,92 miljoen anonieme gebruikers van mobiele telefoons in het grootstedelijk gebied van Boston met een bestaand raamwerk genaamd TimeGeo, die stedelijke mobiliteitspatronen identificeerden. In deze gegevens, ze zochten naar mensen die achtereenvolgens mobiel belden binnen dezelfde locatie van 300 meter en gesprekken voerden van ongeveer 10 minuten. Deze "verblijfspunten" werden gekarakteriseerd als thuis, werk of andere.

In deze gegevens, die werd verzameld tussen eind februari en maart 2010, ze vonden 200, 000 mensen die meer dan 50 verblijven en minstens 10 thuisverblijven hadden, dat zijn oproepen die plaatsvonden in aan huis aangewezen gebouwen. Uit deze selectie, ze hebben mobiliteitsparameters geëxtraheerd die vervolgens werden toegepast op een simulatie die de mobiliteit van 3,54 miljoen mensen in de omgeving van Boston modelleerde, inclusief 2,10 miljoen werknemers en 1,44 miljoen niet-werkenden. Eindelijk, gebruik te maken van informatie over gebouwgebruikstypes en openingstijden uit digitale kaarten, deze mensen werden waarschijnlijk toegewezen aan gebouwen.

"We ontdekten dat de typische maximale dagelijkse bezetting in commerciële gebouwen ongeveer 20-30 procent van de veronderstelde capaciteit per gebouwtype is, en dat de woonbezetting sterk wijkafhankelijk is, waarbij sommige gebieden een veel hogere bezettingsgraad per vloeroppervlakte hebben, zoals flatgebouwen rond universiteiten, dan anderen, zoals eengezinswoningen in welvarende gebieden, ' zei Gonzalez.

De onderzoekers merken op dat het verschil in bezettingsgraad tussen de huidige aannames en op mobiele telefoons gebaseerde schattingen ontstaat omdat de huidige schattingen gebouwen afzonderlijk behandelen, terwijl in hun onderzoek rekening wordt gehouden met het feit dat mensen veel gebouwen kunnen bezoeken.

En toen deze op mobiele telefoons gebaseerde schattingen van de bezettingsgraad werden geïntegreerd met een ultramodern Urban Building Energy Model (UBEM), ontwikkeld in het MIT Sustainable Design Lab, om hun impact op de voorspellingen van het energieverbruik te begrijpen, de onderzoekers ontdekten dat het energieverbruik voor woongebouwen maar liefst 15 procent verschilde en 20 procent voor commerciële gebouwen in vergelijking met de huidige standaardmethoden.

"Dit benadrukt de behoefte aan nieuwe bezettings-naar-laadmodellen die op stedelijke schaal kunnen worden toegepast op de diverse reeks typen stadsgebouwen, ' zei Gonzalez.