A gyorsan növekvő és fejlődő városok elektromos energia felhasználását optimalizáló törekvések és fejlesztések pontos adatokat igényelnek, mivel az épületekben fogy a villamos energia 40 százaléka. A kérdés viszont, hogy az épületekben vannak-e emberek. Az ilyen adatok alapján lehet a hálózatban irányítani a terhelésnek megfelelő energiamennyiséget, de vajon honnan tudják meg a szakemberek, hogy hol, a város mely területein van sok ember, és merre igyekeznek éppen?
Számos forrást próbáltak már ehhez igénybe venni, kezdve a különféle kamerarendszerek adataitól egészen a wifi forgalomig, egyik sem nyújtott elegendő adatot ahhoz, hogy pontos előrejelző számításokat lehessen rájuk alapozni. A Berkeley Egyetem és az MIT mérnök kutatói, akik hosszú ideje foglalkoznak a témával, új adatforrásokat kerestek, és úgy tűnik, a mobiltelefonok helyszínadatai nyújtják a legpontosabb információkat.
Marta Gonzalez, a kutatásról készült tanulmány egyik szerzője elmondta, hogy a mobiladatok alapján hasonló információk születhetnek, mint például azokban a közlekedési applikációkban, amelyek megmondják az autósnak, hogy mely területeken várható közlekedési dugó. Egy ilyen adatokon alapuló energiairányító rendszerre akár az okos háztartási berendezéseket is rá lehet kapcsolni, s városi szinten optimalizálni az energiafelhasználást.
Az ötlet teszteléséhez még korábban Boston városában közel 2 millió névtelen mobiltelefon használó egy hónapnyi helyszínadatainak elemzését végezték el, egy TimeGeo nevű alkalmazás segítségével az emberek mozgását, egy-egy helyszínen tartózkodási idejét vizsgálták meg. Az alkalmazásban a város épületeinek minősítése alapján besorolhatták, hogy az adott mobiltelefon (ill. a tulajdonosa) lakóépületben, munkahelynek minősülő épületben, vagy egyéb helyszínen van-e éppen. A kapott részletes adatok a város dinamikájáról igen sokat elárultak, például azt, hogy irodaépületek kapacitásának 20-30 százalékát használják ki egy-egy adott időpontban, vagy azt, hogy a lakóépületek alapterületére vetítve az egyetemhez közeli társasházakban több ember tartózkodott, mint a családi házas övezetekben.
A módszer leginkább abban különbözik a korábbiaktól, hogy a dinamikus adatok révén egy-egy embert nem állandó jelleggel rendel hozzá egy épülethez, hanem a valós mozgásnak, aktivitásának megfelelően, hisz ugyanaz a személy időnként otthon van, időnként pedig a munkahelyén. Ezzel magukat az épületeket is dinamikusan kezeli az ilyen adatokon alapuló rendszer. Az ezek alapján készített energiafelhasználási becslések a lakóépületek esetén 15 százalékkal voltak pontosabbak, a munkahelyek-irodák esetén pedig 20 százalékot javított a rendszer, a korábban alkalmazott módszerekhez képest.
Gonzales és kutatótársai tovább dolgoznak a módszer finomításán, és más városok esetére is készítenek majd modelleket.
Kommentáld!