AI与建筑运营：构建人员、数据和信任的基础

　　如今，人工智能及其子集机器学习以成为热点关键词。关于深度造假、错误信息、偏见、隐私和社会道德风险的“厄运和悲观”评论比比皆是，但科技巨头谷歌、微软和 IBM 的人工智能相关研发却在飞速发展。

　　但科技公司并不是唯一进行投资的企业。包括西门子、霍尼韦尔和江森自控等在内的企业也正在将人工智能算法集成到其基于云的智能建筑管理系统 (BMS) 平台中，以根据历史和实时数据做出可操作的预测性决策，从而降低运营成本并实现能源和居住体验目标。这些算法提供了计算最佳设置以及机器学习系统识别建筑物生命周期模式的详细说明。

　　一些BMS平台提供商拥有内部人工智能团队来开发算法，而另一些则与英特尔、IBM、埃森哲和Infosys等人工智能咨询和开发服务公司合作。例如，霍尼韦尔的互联安全平台将英特尔的视觉产品与高级分析、深度学习和面部识别功能相结合。

　　人工智能与智能环境

　　为智能建筑自动化部署人工智能需要大量数据集，例如项目的能源负载、系统性能、占用和空间利用率、用户满意度以及环境统计数据，例如温度、湿度、空气质量、照明和噪音水平。人工智能可能会考虑外部因素，例如天气模式、气候趋势、能源高峰期和安全威胁。需要验证、过滤和分析的数据量过于复杂，任何人都无法有效地解释和采取行动，这就是人工智能发挥作用的地方。

　　例如，为了减少能源使用，人工智能将在开始调整供暖和空调之前分析占用率、空间使用模式和峰值需求等数据。机器学习算法将筛选历史数据，以检测和诊断 HVAC 系统内的异常情况，并提示所有者安排维护并根据需要调整阀门、风扇、过滤器或控制器。

　　总部位于纽约的Prescriptive Data营销和合作伙伴副总裁 Gary Chance表示，其基于 AI/ML 云的平台Nantum OS已经为用户带来了显着的效益。他说：“通过在漏水发生之前发现漏水、根据人们到达办公室的时间自动启动系统以及使用人工智能实现需求管理自动化，我们节省了数千美元。” 该平台甚至通过在高峰时段之前自动预热和填充蒸汽罐来减少纽约的蒸汽支出。

　　去年，该公司发现WELL认证 44% 的数据报告要求可以使用人工智能实现自动化。毫不奇怪，WELL、Fitwel、LEED 和其他建筑认证计划的自动报告现已成为其服务产品之一。

　　作为 Nantum OS 仪表板的一部分，用户可以查看当前和预期的电力和蒸汽需求、跟踪内部空间温度、实时占用情况等。

　　在 Nantum OS 的这张屏幕截图中，建筑物的能源需求正在接近187 kW的峰值。Nantum 会自动降低建筑物的需求，以避免出现新的峰值(如红色框中所示)。该活动预计可节省99千瓦的电量，同时舒适度降低 6%，全年为建筑节省数千美元。

　　基于云的平台BrainBox AI将天气预报集成到其能源优化算法中。“该系统将建筑物内的传感器数据和来自最近气象站的天气数据根据室内外实时发生的情况来训练系统，”其首席产品官 Omar Tabba 说道。“我们的AI系统可以根据一定的预测，以95%以上的准确率来预测未来的状态。如果数据显示两小时后室外温度将达到78华氏度(25-26摄氏度)，但我们希望室内环境保持在72华氏度(约22摄氏度)，系统知道何时打开风扇以及在什么级别以避免额外的能量消费和支出。”

　　在工作环境中，人工智能除了通知员工自助餐厅繁忙时间和预测空间需求外，还可以根据实时数据调节区域。霍尼韦尔商业智能建筑产品管理高级总监丹尼·斯特恩 (Dani Stern) 表示：“大多数智能建筑都按照设定点运行，并根据计划的事件和占用情况以及温度和湿度水平进行覆盖。”

　　“在混合工作方式下，占用率变得非常难以预测和安排。人工智能可以分析来自多个传感器的历史和实际占用信息，以帮助优化空间。我们甚至与思科建立了合作伙伴关系，利用其 Wi-Fi 系统根据智能手机连接对人流进行三角测量。”

　　尽管如此，将投资回报率分配给空间优化可能很困难，而且如果没有保证价值，人工智能在某些用例中的采用可能会受到影响。全球工程公司WSP智能解决方案副总裁 Lucy Casacia 解释道：“人工智能开始根据空气、照明和空间质量等指标以及返回办公室的人数来确定员工满意度。但我们将在娱乐、酒店和公共场所的用户体验前沿看到更多的人工智能投资。”

　　人工智能在安全系统中的发展势头越来越强劲。该技术基于主动入侵、武器和枪击检测、监控录像分析以及事件报告来启动锁定、紧急警报和急救人员通知。Casacia还看到“系统使用热图来监控模式和运动，以检测零售环境中的盗窃行为，例如有人比平常移动得更快。” 在交通领域，人工智能和机器学习可以“通过面部识别测量情绪和幸福感来确定旅行者是否迷失方向。”

　　例如，英国的Old Oak Common是一个超级枢纽换乘站，是英国伦敦新 HS2 高速铁路线的一部分，最近在规划阶段利用人工智能来优化车站标牌。项目团队邀请了数十名公众和设计师在虚拟站中导航，并使用瑞典公司Tobii的眼球追踪机器学习、人工智能和高级信号处理技术来分析旅行者的情绪、兴趣和干扰。在这里，人工智能有潜力通过报告公开的情绪(例如恐慌或恼怒)来提高安全性。

　　AI的采用阻碍

　　尽管人工智能的接受度越来越高，但由于对数据隐私、偏见和道德的疑虑，许多消费者仍然保持警惕。这些担忧甚至导致了基于人工智能的智慧城市项目的失败，例如 Sidewalk Toronto(也称为 Quayside)，Alphabet 子公司 Sidewalk Labs 于 2020 年取消了该项目。不过，今年早些时候，Waterfront Toronto宣布了 Quayside的新重建工作，这一举措引人注目。不过，已经将其重点转向智慧城市功能，数据收集转向经济适用房、可持续性、多样性、公平性和包容性。

　　“人工智能技术正在快速发展，负面新闻让很多人感到紧张，” Casacia说。“正如我们在多伦多看到的那样，这些担忧在住宅设施中更为重要。” 她认为，在商业建筑和公共场所，隐私不应该成为一个问题，因为这些地方经常部署身份证等个人数据。“只要我们确保数据治理和标准到位，并且利益相关者和居住者了解正在分析的数据，人工智能将继续在智能建筑中发展和成长。”

　　Tabba补充道，网络安全是限制建筑运营中采用速度的另一个问题。“必须严格控制数据访问、充足的冗余、灾难恢复以及持续的第三方测试以识别漏洞——所有这些都是现代人工智能网络安全策略的最佳实践。” 例如，BrainBox AI 根据 SOC 2 等信息安全标准对传输中和静态的数据进行加密。位于爱尔兰、澳大利亚和蒙特利尔的工作人员覆盖不同时区，24/7 监控客户建筑，并可以随时关闭 AI由于计划维护、威胁或其他事件而花费的时间。

　　许多在智能建筑领域利用人工智能的技术专家认为，信任是提高采用率的关键。“我们看到早期采用者开始踏上旅程，”斯特恩说，“但仍然存在恐惧和怀疑，尤其是围绕基于云的数据和自动化。随着信任的增长，技术将会发展。同时，我们可以使用人工智能提出建议并让客户采取行动。他们还可以采用私有云方法或现场托管系统——无论他们喜欢什么。”

　　运营中的人工智能和工作替代

　　尽管人工智能将覆盖一些工作方面，但参数定义和算法编程始终需要人工输入，WSP 的 Casacia表示：“该技术需要通过人工检查和问责制进行治理和管理。飞机可以自动驾驶，但我们仍然有人类飞行员掌舵。”

　　换句话说，建筑运营商不应该自满。

　　尽管霍尼韦尔继续在其基于云的 Forge 平台上开发人工智能并参与与其他技术提供商的公开讨论，斯特恩相信人们仍将是不可或缺的。“这里有很大的创新空间，我们正在与数字孪生和智能建筑技术公司合作，以确保我们的系统开放且可访问，以实现集成，”他说。“尽管如此，没有比人类更好的传感器了。这就是为什么我们还在构建系统，允许居住者通过评级系统提供有关清洁度、舒适度和其他因素的反馈，这些系统成为人工智能分析数据集的一部分。”

　　Forge 仪表板，Honeywell Building Technologies

　　认识到人工输入的重要性后，霍尼韦尔推出了基于云的用户体验仪表板和应用程序，用于分析使用者反馈。

　　随着依赖数据的建筑性能报告要求的出现，Chance看到了人工智能和人类在更加节能和高效的环境中蓬勃发展的机会。“像纽约第 97 号地方法这样的法规，大多数超过 25,000平方英尺的建筑[必须]满足新的能源效率和碳排放[规定]，将把建筑数据和租户数据都放在路线图上，”他说。“房地产在技术采用方面通常落后两年，因此未来几年我们可能会看到人工智能在建筑运营中的应用有所增加。但归根结底，我们仍然需要人类。”

　　无论准备好与否，人工智能来了

　　所有人工智能和机器学习算法都需要大量数据集来学习和发现模式或问题;算法越深入，需要的数据就越多。“拥有充足的高质量数据是目前最大的障碍，” Casacia说。“首先要确定利益相关者的要求以及满足这些要求所需的数据类型，然后确定哪些数据需要保护、要存储多少数据以及需要保护多长时间。然后是通过正确的输入和输出来确保数据质量。”

　　初始数据映射与来自不同源的数据字段相匹配，必须确定验证规则和数据流以进行连续映射。BrainBox AI 的网站称，其人工智能引擎可能需要两到四个月的时间来学习和绘制建筑数据，具体取决于设施的规模。

　　“对于没有历史数据和来自不同系统(一些基于老式 OT 的系统和其他基于 IT 的系统)的数千个输入的现有建筑来说，绘制建筑数据是一项挑战，”霍尼韦尔的 Stern 说道。“为了利用这项技术，我们必须将所有数据整合到一个流中。”

　　智能建筑业主和运营商可以与解决方案提供商合作，评估现有系统，并根据实现成果所需的数据和行动确保设备和装置就位。“然后，我们会审查现有系统，以推荐获取、分析数据并根据数据采取行动所需的硬件、软件、传感器、执行器和其他设备的工作范围，” Chance说。他表示，虽然基于云的 BMS 平台集成了人工智能算法，但 Prescriptive Data 的 Nantum OS 等解决方案充当优化层，可以通过云或现场边缘网关与现有系统集成，这些网关可以读取和写入各种协议，例如 BACnet、将数据转换为正确的格式。

　　BrainBox AI 也是一个基于人工智能的优化层。Tabba 说：“我们可以通过软件驱动程序或部署网关，直接连接到现有的基于云的 BMS 平台或本地系统，使我们能够将数据导入基于云的软件中。” 但由于许多现有建筑物无法连接到其系统，BrainBox AI 必须进行创新。“我们与客户合作，用支持 Wi-Fi 的恒温器替换现有恒温器……或者我们可能需要添加送风温度和二氧化碳传感器，并确保能够读写控制风扇、风门、节能器和其他设备的输出”。

　　与任何新兴技术一样，智能建筑业主和运营商应谨慎行事，以实现价值并实现其目标。“有时，智能建筑业主希望使自己脱颖而出，并推出不符合预期的技术，” Casacia 表示。“人工智能和机器学习需要成为智能建筑运营策略的一部分，但我们必须小心并了解什么可以提供价值。有时候保持简单就是美好的。”

　　资料来源：smartbuildingstech