Förutsägelse av farliga material i byggnader med hjälp av AI
- Diarienummer
- FID18-0021
- Projektledare
- Mjörnell, Kristina
- Start- och slutdatum
- 200101-241231
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- RISE Research Institutes of Sweden AB, Borås
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
I befintliga byggnader finns fortfarande material och komponenter som innehåller miljöfarliga ämnen såsom asbest, PCB, bly och radon etc. som utgör en hälsorisk både för personer som vistas i byggnaden och de som arbetar med ombyggnation och rivning. Syftet med projektet är att utveckla metoder för att förutsäga förekomst av miljö och hälsofarliga material genom att använda maskininlärningsmetoder för att analysera byggnadsspecifik data och hitta mönster i det svenska bostadsbeståndet. Den uppskattade förekomsten av farliga ämnen kan användas för att stödja byggherrarna, entreprenörer och myndigheter för att planera renovering och ombyggnad och uppskatta kostnader och besluta om saneringsåtgärder. Farliga ämnen påträffas ofta på i samband med renovering och ombyggnad och kan medföra en kostnadsökning. Genom att ha kunskap om förekomst när renoveringen planeras är en stor fördel. Målen med projektet är att skapa en databas för miljö och hälsofarliga ämnen i byggnadsbeståndet, främst baserad på miljöinventeringar av fastigheter från kommuner, byggherrar och entreprenörer och genom att använda maskininlärningsmodeller med protokolldata från experter så kan modellerna automatiskt identifiera byggnader där det finns hög risk för förekomst av hälsofarligt material. Arbetet kommer att utföras i tre arbetspaket: WP1 Insamling av observationer av miljöfarligt material WP2 Förutsäga förekomst av miljöfarligt material WP3 Använda förutsägelserna i byggsektorn
Populärvetenskaplig beskrivning
Farliga ämnen utgör en hälsorisk både för personer som vistas i byggnaden men framförallt för de som arbetar med ombyggnation och rivning. Dessutom blir renoveringskostnader mycket högre och ledtider mycket längre ifall farliga ämnen påträffas i renoverings- eller rivningsprocesser. Ett verktyg för fastighetsägare och myndigheter som kan förutsäga risken att påträffa olika farliga ämnen i byggnader kommer att kunna bidra till stor samhällsnytta och potentiellt även minskad morbiditet. Idag görs miljöinventeringar inför renovering och rivning av experter för att hitta miljöfarliga ämnen. Experter utför sitt arbete i stor utsträckning baserat på kunnande om vart man tidigare har hittat farliga ämnen. Den typen av kunnande är precis ett sådant fält där maskininlärning kommer att spela en stor roll. Genom att träna maskininlärningsmodeller med protokolldata från experter så kan modellerna automatiskt identifiera byggnader där det finns hög risk för förekomst av hälsofarligt material. Detta projekt kommer att passa väl som ett doktorandarbete. Doktorandens expertområde kommer att bli mönsterigenkänning och farliga ämnen i byggnadsbeståndet. Doktoranden kommer att bli en del i en större forskargrupp som arbetar med byggnadsspecifik information för hela svenska byggnadsbeståndet. Det finns även ett pågående projekt där man arbetar med maskininlärning för att se på potentiell energieffektivisering och lämpliga renoveringsåtgärder för flerfamiljshus. Genom samarbetet ,med Chalmers så kommer maskininlärningskompetensen i gruppen att stärkas ytterligare.