Sensoristica IoT, Internet of Thing, e machine learning plasmeranno le nostre case, rendendole più efficienti e confortevoli.
È questa la prospettiva per chi fa ricerca sugli edifici smart. Le tecnologie informatiche possono aiutarci a capire come gli ambienti vengono vissuti e quindi a raccogliere informazioni che, in un certo senso, istruiscano il sistema per trovare l’assetto migliore tra le esigenze di benessere soggettivo e risparmio. Ne abbiamo parlato con due esperti del CNR.
DALL’ASSISTED AMBIENT LIVING ALL’EFFICIENZA
“Il nostro team da tempo lavora sul tema dell’ambient assisted living – ci spiega Paolo Barsocchi, responsabile del laboratorio Wireless Networks del CNR-ISTI – ambienti che riescono ad assistere le persone più fragili, sfruttando sistemi di monitoraggio all’interno di abitazioni o residenze assistenziali”. Per questo tipo di applicazioni si utilizzano sia sensori indossabili, non invasivi, per monitorare alcuni parametri medici, sia sensori IoT per localizzare le persone all’interno degli ambienti e valutare i loro spostamenti. Sensori che possono trovare proficua applicazione anche per altre finalità. Come, per l’appunto, l’ottimizzazione dei consumi energetici. Barsocchi ci racconta l’esperienza del progetto SIGS. L’acronimo sta per Sistema integrato geotermico solare di riscaldamento e raffrescamento in logica smart grid. Il progetto ha coinvolto Toscana Energia Green, Università di Pisa, CNR, Scuola Superiore S. Anna e le imprese Terra Energy e Samminiatese Pozzi.
UN SISTEMA CHE AUTOAPPRENDE COME ESSERE EFFICIENTE
La parte finale del progetto ha previsto una sperimentazione sull’edificio sede di Toscana Energia Green. Un intervento complesso, comprensivo di sistema geotermico per il riscaldamento, pannelli fotovoltaici, storage. E un soluzioni per l’indoor positioning. “Il nostro lavoro – spiega Barsocchi – consisteva nel monitorare i comportamenti umani all’interno dell’edificio. Raccoglievamo dati utili affinché il sistema potesse trovare le soluzioni migliori per l’efficientamento energetico. Era interessante capire gli spostamenti delle persone, dove si trovavano, quante persone erano presenti in una sala riunione. In base al calendario interno potevamo capire se quella sala doveva essere riscaldata. I sensori raccoglievano anche informazioni sulla qualità dell’aria, per capire se alcuni ambienti avessero bisogno di areazione. Il sistema era quindi in grado di comandare un motore per l’apertura di una finestra e in funzione di ciò determinare se adeguare o meno l’impianto di riscaldamento”.
EQUILLIBRIO TRA AUTOMAZIONE E BISOGNI DEGLI UTENTI
Il sistema era quindi in grado di arrivare all’assetto ottimale, cercando sempre un compromesso con i concreti scenari di utilizzo. “Abbiamo capito – aggiunge Barsocchi – che, sia in ambiente lavorativo che domestico, la gestione totalmente automatizzata degli ambienti non viene apprezzata. L’utente vuole avere un minimo di controllo sull’edificio”. Qui ci viene in soccorso l’intelligenza artificiale. “Tutte le info raccolte venivano inserite in un algoritmo di machine learning per determinare le decisioni su porte, finestre, temperatura di ogni stanza dell’ufficio. Ogni stanza aveva un suo referente, ognuno con la propria temperatura ottimale di comfort. Il sistema inizialmente monitorava le scelte delle persone al fine di imparare le abitudini degli utenti e successivamente operava scelte per raggiungere la situazione ideale e permettere così la personalizzazione del servizio”.
INTELLIGENZA ARTIFICIALE E MACHINE LEARNING PER LE CASE DEL FUTURO
“Questa è la prospettiva – aggiunge Davide Moroni, responsabile del Laboratorio Segnali e Immagini del CNR-ISTI – la sensoristica è importante, ma queste informazioni vanno utilizzate per offrire servizi basati sull’intelligenza artificiale che siano accettati dalle persone: servizi ad ampio spettro per gestire l’oscuramento dell’ambiente o l’impiantistica per il riscaldamento e il raffrescamento. I bisogni energetici degli edifici saranno sempre più importanti, in quanto essi saranno anche fornitori di energia per ad esempio servizi di ricarica per le automobili elettriche. L’ottimizzazione di tutte queste richieste concorrenti avrà bisogno di sistemi di intelligenza artificiali complessi e aperti all’utente”.