剖析边缘人工智能在智能建筑中的作用

作者: 佚名 2021-03-31 18:00:23

从作为办公或居住的物理空间,到为租户提供蓬勃发展的建筑体验,现代建筑的定义和功能在过去几十年里发生了变化。创新技术和加速的数字转型(部分归功于新冠肺炎)在创造构成今天智能建筑的能力方面发挥了关键作用。这些创新技术包括支持人工智能的边缘计算( EdgeAI ),它在通过经济高效的方法增强现有建筑管理系统(BMS)方面发挥了关键作用。

随着物联网(IoT)设备和传感器的应用和功能在智能建筑中不断增加,收集的信息量也在不断增加,运营商可以利用这些信息来提高整体效率,增加利润节约。然而,将这些不断增加的物联网数据发送到云处理以产生可操作的见解是有代价的,并会带来延迟,这抑制了组织对由实时处理提供的见解采取行动的能力。EdgeAI允许在数据来源附近的现场处理数据,消除了对云处理的需求,因此提供了实时可行的见解,以节约成本和提高运营效率,改善智能建筑功能。这提高了准确性,更快地产生有价值的见解。这种快速的处理和洞察力生产可以应用于现有的BMS之上,以增强无数的建筑功能-包括能源管理,资产的预测性维护以及健康和安全监控。

能源管理

目前,BMS仅用于观测目的,而不是应用行动来解决此类观测中浮出水面的挑战。为了增强他们目前的BMS,建筑经理可以利用 EdgeAI 平台执行机器学习(ML)和边缘AI实时进行优化调整,以适应不断变化的环境因素,如大气温度或建筑物的入住率。然后,大楼管理人员能够从数据流中获得相关见解,更有效地解决问题,同时将可能影响租户体验的占用安全和舒适度考虑在内--例如计划维护。通过使用 EdgeAI 能源管理解决方案,大楼管理人员能够预测电力和公用事业停机或电涌,从而防止出现任何计划外停机。

通过从大量传感器和环境因素(例如温度、湿度和入住率传感器、天气预报和一天中的时间能源率)收集数据, EdgeAI 平台可以将能源管理提升到一个全新的水平,以优化供暖和制冷、气流循环和照明等功能。这种方法产生了经济高效的智能节能策略,有助于降低与数据传输、带宽限制和相关计算成本相关的成本。作为一种预算友好的监测能源使用情况的方法, EdgeAI 平台可以全天候调整BMS,以适应建筑或建筑空间的活动水平和需求。

预测维护

大楼管理人员还可以利用 EdgeAI 改进BMS功能,以实现预测性和指令性维护,以便根据设备状况识别潜在风险。EdgeAI平台可以监控从机器收集的操作数据,并通过额外的传感器(如高频振动传感器)监控,并实时应用高级分析来预测故障。如果检测到潜在故障,系统可以通过向控制单元发送信号以及报警建筑物管理人员来自动干预,以根据当前的机器健康和维护模式维修或更换设备(例如冷水机组)。通过利用这些信息,大楼管理人员可以主动安排和进行维护服务,从而减少计划外停机时间并提高整体建筑效率。这也使大厦管理人员能够为住户提供前所未有的主动服务——创造更方便、更可信、更舒适的工作或生活体验。预测性维护的长期好处还包括最大限度地延长昂贵设备(例如HVAC系统)的有效资产寿命,显著减少可能对企业业绩不利的重大故障和停机时间。

健康与安全监测

EdgeAI平台还可以帮助降低停电、电梯损坏或火警的可能性,为租户提供一个更安全的生活和工作环境。例如,EdgeAI可以通过使用机器视觉、流视频分析和红外或视频摄像头来增强建筑物的安全系统,以监控安全摄像头的镜头。通过这样做,建筑物管理人员可以识别安全威胁,例如未经授权进入建筑物区域,甚至通过红外摄像机或空气质量监视器识别危险气体泄漏。

将安全监控更进一步, EdgeAI 还可以与视频和音频分析配合使用,以提供有关建筑物内活动的健康和安全威胁的可操作的洞察力。2020年,整个制造业的员工提起了数百起工人安全诉讼,全球68%的工人报告说,他们在工作中感觉不完全安全。随着越来越多的组织回归面对面运营,大厦管理人员提供有效、高效的健康和安全监控系统来保护租户的风险比以往任何时候都要高。此外,随着各州开始放松对新冠肺炎的要求,允许进入室内空间的人数开始增加,需要处理的健康和安全监测数据量也将增加。

为了避免将这些海量数据发回云进行处理所带来的高昂成本和延迟洞察,以及潜在的安全风险,建筑管理人员正在利用 EdgeAI 进行实时分析。从那里, EdgeAI 可以与来自热像仪和RGB摄像机的实时音频和视频流相结合,以检测潜在的健康问题,如体温升高或正确使用个人防护用品(例如,口罩和其他面罩)。如果发生违反健康安全政策的情况, EdgeAI 平台可以生成实时警报并发送给相关工作人员采取行动。

BMS的未来

随着我们的世界不可避免地继续以快速的速度发展,我们对更完整的建筑体验的需求也将随之发展——我们的工作场所和生活环境也必须随之发展。EdgeAI支持的建筑将继续在我们的日常运营转型中发挥关键作用,但EdgeAI的实时功能将为建筑经理提供及时、经济高效地解决问题所需的洞察力。EdgeAI将继续通过实时、流数据产生有价值的、可操作的见解,来理解建筑内部的运营——例如能源使用以提高能源效率——从而优化建筑运营,支持节能倡议。( 编译/Cassie )

人工智能 智能建筑 边缘计算
上一篇:论机器学习领域的内卷:不读PhD,我配不配找工作? 下一篇:人工智能是安全的优秀防线
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载