Byggnader förbrukar för närvarande cirka 40 procent av all elektricitet som används i USA, de flesta ligger i tätorter som växer snabbt. Eftersom elproduktion är den största källan till utsläpp av växthusgaser i landet, att göra stadsbyggnader mer energieffektiva kan bidra till att mildra de globala klimatförändringarna.

För att uppnå effektiva byggnader i stadsövergripande skala, exakta beläggningsuppskattningar är avgörande. Dessa uppskattningar måste ta hänsyn till det faktum att människor rör sig i sina städer hela dagen, från hemmet till jobbet, som driver energiförbrukningen för olika byggnadstyper. Nu, en modell utvecklad av forskare från Berkeley Engineering, Berkeley Lab och MIT kan göra just det. Ett papper som beskriver verktyget, som använder passivt insamlad mobiltelefondata för att förbättra beläggning och mobilitetsuppskattningar i stadsskala, publicerades nyligen i Naturkommunikation .

"Förstå byggnader i stadsskala gör att vi kan planera bättre för kollektiv energianvändning. Som trafikappar som berättar det aktuella tillståndet för trafikstockningar, vi tänker oss en modell som potentiellt kan berätta för användarna vad energibehoven är på olika platser och därför identifierar skräddarsydda effektiviseringsåtgärder. Verktyget kan också potentiellt ansluta till smarta enheter som automatiskt anpassar sig till energibehovet, sa Marta Gonzalez, professor i civil- och miljöteknik vid Berkeley och medförfattare till uppsatsen.

Medan passiva datakällor som Bluetooth, Wi-Fi och kameror har använts för att förstå dynamiken i en stad, Gonzalez och hennes medarbetare hävdar att dessa källor inte är tillgängliga i tillräcklig skala för att göra det jobbet heltäckande. Dessa begränsade källor kan inte exakt förutsäga den samtidiga användningen av tusentals olika byggnader. Det är därför som forskarna föreslår att man använder passivt insamlad mobiltelefondata för att sluta sig till byggnader på stadsnivå.

Som ett proof-of-concept, de integrerade samtalsposterna för 1,92 miljoner anonyma mobiltelefonanvändare i Bostons storstadsområde med ett befintligt ramverk som heter TimeGeo, som identifierade mobilitetsmönster i städerna. I denna data, de letade efter personer som ringde på varandra följande mobiltelefonsamtal inom samma plats på 300 meter och hade samtal som varade i cirka 10 minuter. Dessa "uppehållsplatser" karakteriserades som hem, arbete eller annat.

I denna data, som samlades in mellan slutet av februari och mars 2010, de hittade 200, 000 personer som haft mer än 50 vistelser och minst 10 hemvistelser, som är samtal som inträffade i hemdesignade byggnader. Från detta urval, de extraherade mobilitetsparametrar som sedan tillämpades på en simulering som modellerade rörligheten för 3,54 miljoner människor i Boston-området, inklusive 2,10 miljoner arbetare och 1,44 miljoner icke-arbetande. Till sist, använda information om byggnaders användningstyper och öppettider från digitala kartor, dessa personer tilldelades sannolikt byggnader.

"Vi fann att den typiska maximala dagliga beläggningen i kommersiella byggnader är cirka 20-30 procent av den antagna kapaciteten per byggnadstyp, och att bostäder är mycket grannskapsberoende, med vissa områden som upplever mycket högre beläggning per enhet golvyta, som flerbostadshus kring universitet, än andra, som enfamiljshus i välbärgade områden, sa Gonzalez.

Forskarna noterar att beläggningsskillnaden mellan nuvarande antaganden och mobiltelefonbaserade uppskattningar uppstår eftersom de nuvarande uppskattningarna behandlar byggnader isolerat, medan deras forskning tar hänsyn till att människor kan besöka många byggnader.

Och när dessa mobiltelefonbaserade beläggningsuppskattningar integrerades med en toppmodern Urban Building Energy Model (UBEM), utvecklad i MIT Sustainable Design Lab, att förstå deras inverkan på energianvändningsförutsägelser, forskarna fann att energiförbrukningen skilde sig med så mycket som 15 procent för bostadshus och 20 procent för kommersiella byggnader jämfört med nuvarande standardmetoder.

"Detta belyser ett behov av nya beläggning-till-last-modeller som kan appliceras i stadsskala på de olika typerna av stadsbyggnadstyper, sa Gonzalez.