AI模型旨在彻底改变脱碳工作

剑桥大学建筑系的研究人员开发了一种开创性的AI模型，可以识别并优先对“难以脱碳”（HtD）房屋进行改造和其他脱碳措施。这种创新方法有可能在实现净零排放方面发挥关键作用，通过解决政策制定者经常忽视的住房相关排放的重要来源。

难以脱碳的房屋：净零目标的障碍

HtD房屋占所有直接住房排放量的四分之一以上，是实现净零排放道路上的主要障碍。导致这些房屋难以脱碳的因素包括其年龄、结构特征、位置、社会经济障碍以及相关数据的可用性。传统上，政策制定者关注的是通用建筑或特定的脱碳技术，而忽视了HtD房屋。

AI模型以90%的精度识别HtD房屋

由Ronita Bardhan博士和城市研究人员兼数据科学家Maoran Sun领导的剑桥研究人员训练了一个深度学习AI模型，以90%的惊人精度率对HtD房屋进行分类。随着更多数据被纳入模型（这一过程已经在进行中），这种准确性预计会进一步提高。

Bardhan博士强调：“这是首次使用开源数据通过AI识别难以脱碳的建筑。政策制定者通常缺乏对每栋房屋进行详细审计的资源，但我们的模型可以帮助他们将精力集中在高优先级的房屋上，为他们节省宝贵的时间和资源。”

地理分布洞察

AI模型不仅识别HtD房屋，还提供有关其地理分布的见解。这些信息使当局能够有效地针对最需要的地方实施干预措施。

利用多种数据源

研究人员使用多种数据源训练他们的AI模型，包括能源性能证书（EPC）、街景图像、航拍图像、地表温度数据和建筑存量数据。他们使用公开可用的数据，在家乡剑桥市识别了700所HtD房屋和635所非HtD房屋。

Maoran Sun强调了模型的适应性，表示：“我们使用有限的EPC数据训练了我们的模型。现在，该模型可以预测城市中其他房屋的情况，而无需任何EPC数据。”此外，这种方法可以应用于数据集有限或不完整国家，使其在全球范围内可用。

数据层的进步

研究人员正在积极通过添加与能源消耗、贫困水平和建筑立面热图像等因素相关的额外数据层来增强他们的模型。这些增强预计将进一步提高模型的准确性，并提供有关需要关注的特定建筑特征的更详细信息。

超越剑桥

虽然最初的模型是使用剑桥作为研究地点开发的，但研究人员已经在将其应用扩展到其他英国城市。他们还与一家基于空间产品的组织合作，以访问来自新卫星的更高分辨率热图像。Bardhan博士参与了NSIP – 英国太空局计划，在那里她利用高分辨率热红外太空望远镜监测全球建筑的能源效率。

改变脱碳政策

这种创新的AI模型有可能改变脱碳政策决策。通过利用AI的能力并处理更大的数据集，政策制定者可以基于证据做出更明智的决策，推动有效的气候变化适应策略。

Bardhan博士强调：“让人们拥有自己的数据使他们更容易协商获得支持。”她补充道：“这些是简单的数据集，我们可以使这个模型对用户友好，方便当局和个人居民使用。”

剑桥的独特挑战

虽然剑桥相对富裕，但它为脱碳带来了自己的一套挑战。该市的历史住房存量和建筑法规限制了在某些具有历史意义的房产中进行改造和使用现代材料。这些独特的挑战使剑桥成为完善AI模型并评估其在不同城市环境中适用性的信息丰富的地点。

未来的合作与建立共识

研究人员计划与剑桥市议会讨论他们的发现，并继续与剑桥零排放中心和大学脱碳网络的同事合作。通过使数据对公众更加可见和可访问，研究人员相信，围绕实现净零努力的共识建立将变得更加可行。

这种开创性的AI模型代表了在解决难以脱碳房屋挑战方面迈出的重要一步，有可能加速住房部门实现净零排放的进展。其适应性、精度和广泛使用的潜力使其成为致力于可持续和脱碳未来的政策制定者和个人的强大工具。