Mehr Nachhaltigkeit in Industriebauten durch KI

Einführung in das Projekt

Die Idee des Projekts ist es die Nachhaltigkeit von Industriegebäude zu erkennen und mithilfe von künstlicher Intelligenz Ideen zu bestimmen, wie Gebäude nachhaltig umgerüstet werden können.Dazu kann die Adresse eines Gebäudes eingegeben werden und die Ausgabe ist eine Liste an möglichen Umrüstungsideen. Die Berechnungen, die die Adresse in Informationen umwandelt, die zur Auswertung der Nachhaltigkeit nötig sind, werden im Folgenden beschrieben.

Datenbeschaffung und erste Schritte

Im ersten Schnitt werden die Koordinaten, also die geographische Länge und Breite, der eingegebenen Adresse bestimmt. Anschließend werden Koordinaten berechnet, die etwa die Fläche von einem Quadratkilometer um den Mittelpunkt der eingegebenen Adresse beschreiben. Mithilfe dieser Umgebungskoordinaten werden Satellitendaten gesucht, die Informationen über das Gebäude liefern können. Es gibt verschiedene Satelliten, die Karten der Erdoberfläche aufnehmen (remote sensing genannt), allerdings unterscheiden sich die Aufnahmen in mehreren Punkten. Ein Punkt, der für dieses Projekt wichtig ist, ist die Angabe der räumlichen Auflösung, also wie viele Meter ein Pixel der Karte misst, d.h. wieviel auf der Karte zu erkennen ist. Ein weiterer Punkt, der interessant ist und für Satellitenaufnahmen wichtig ist, die nicht nur im optische Bereiche beobachten, ist die Angabe der spektralen Auflösung, also in wie vielen Wellenlängen beobachtet wird.

Analyse der Satellitendaten

Vorstellung relevanter Satelliten und deren Datenqualität

Im Folgenden werden drei Satelliten vorgestellt, die für dieses Projekt in Erwägung gezogen wurden:

Sentinel-2A-Daten haben eine räumliche Auflösung von 10 m im optischen und 60 m im infraroten Wellenlängenbereich. Damit werden kleine Industriegebäude nur mit einigen Pixeln abgebildet. Der Vorteil der Sentineldaten ist allerdings, dass Daten im Infraroten vorhanden sind, womit mithilfe des aufgenommenen Spektrums die Albedo berechnet werden kann, also das Rückstrahlvermögen einer Oberfläche (siehe Infobox). Diese Angabe sagt aus, wie stark sich die Dachoberfläche und damit das Gebäude durch Sonneneinstrahlung aufwärmt.

Höher räumlich aufgelöste Daten werden unter anderem mit den Satelliten Pleiades und SPOT aufgenommen. Diese Karten müssen gekauft werden, es gibt mehrere Anbieter, die gesamte Karten oder nur Ausschnitte der Einzelkarten verkaufen. Pleiadeskarten haben eine räumliche Auflösung von 0,5 m (NEO Daten von 0,3 m) und SPOT Daten von 1,5 m. Damit werden Gebäude gut räumlich dargestellt und es können Objekte am Gebäudedach erkannt werden, wie beispielsweise Fenster. Allerdings werden mit diesen Satelliten keine oder nicht ausreichende Informationen im Infraroten aufgenommen, so dass die Albedo nicht berechnet werden kann. In diesem Fall werden Rückschlüsse auf die Aufheizung des Gebäudes über die Helligkeit der Dachoberfläche geschlossen.

Die Satellitenkarten liegen als tif-Dateien vor, die Geo-Informationen enthalten, das bedeutet, dass einzelne Pixel oder Flächen mithilfe von geographischen Koordinaten gefunden werden können.

Integration von OSM-Karten zur Präzisierung der Daten

Für eine Analyse werden weitere Informationen benötigt und zwar in der Form einer zusätzlichen Karte, die die Gebäudeumrissen enthält. Dies sind Open Street Map (OSM) Karten, die frei heruntergeladen werden können. Die Adresskoordinaten werden benutzt, um das korrekte Gebäude auf der OSM-Karte zu finden und mithilfe der „buildings“ Dateien wird der Gebäudeumriss abgelesen. Diese Informationen werden auf die Satellitenkarte übertragen, so dass das Gebäude auf der Satellitenkarte ausgeschnitten werden kann. Um die nähere Umgebung eines Gebäudes zu untersuchen, z.B. ob es Grünflächen, Bäume oder hauptsächlich asphaltierte Bereiche gibt, wird eine nötige Anzahl von Pixeln um das erkannte Gebäude herum von der Satellitenkarte ausgeschnitten und zur Analyse bereit gestellt.

Detaillierte Auswertung der Gebäudeumgebung

Materialanalyse durch spektrale Auswertung

Je nach Satellitenkarte unterscheiden sich die Analyseschritte, die die Helligkeiten des Dachs und der Umgebung bestimmen. Mit Sentinel werden für jeden aufgenommenen Pixel mehrere Wellenlängen gemessen, diese liegen im optischen aber auch im Infrarotbereich, so dass pro Pixel ein Spektrum erstellt werden kann. Mithilfe dieser Spektren kann die Materialzusammensetzung des beobachteten Bereichs bestimmt werden. Dazu werden Spektren von unterschiedlichen Materialien hinzugezogen, die im Labor gemessen wurden, und mit den beobachteten Spektren verglichen. So ist es möglich Materialinformationen zu jedem Pixel, d.h. auch zu dem ausgewählten Gebäudedach und der Gebäudeumgebung zu bestimmen. Ein Nachteil ist hier allerdings die geringe räumliche Auflösung. Da ein Pixel einen Bereich von 10×10 m bzw. 60×60 m misst, ist anzunehmen, dass auch verschiedene Materialien in diesem Bereich zu finden sind, die sich zu einem Spektrum vermischen. Die genaue Zusammensetzung der Materialien kann mithilfe dieser Methode leider nicht eindeutig bestimmt werden, da auch die spektrale Auflösung nicht hoch genug ist, es ist jedoch möglich Grünbereiche zu erkennen. Die Spektren eignen sich aber gut, um die Albedo der Oberflächen zu berechnen, also das Rückstrahlvermögen einer Oberfläche. Mit diesem Wert kann bestimmt werden, wie stark sich das Dach und damit das Gebäude durch Sonneneinstrahlung aufheizt.

Mit den Pleiades- und SPOT-Karten kann die Albedo nicht berechnet werden, da keine ausreichenden Informationen im Infraroten vorliegen. In diesem Fall wird die Helligkeit mithilfe der Daten im optischen Wellenlängenbereiche berechnet. Dazu wird ein Graubild erstellt und die Helligkeit abgelesen. Da die Auflösung für diese Aufnahmen zum Teil sehr hoch ist, ist es möglich das Dach exakt auszuschneiden, evtl. Schatten zu erkennen oder Fenster zu detektieren, was einen Rückschluss auf Aufheizung und Lüftung zulässt.

Erkennung und Analyse von Grünflächen

Ein weiterer Ansatz, der sich nur auf den optischen Bereich bezieht, also für alle Satellitendaten gleich ist, ist die Erkennung von Grünflächen durch die Farbe. Dazu werden die Karten in den optischen Wellenlängenbereichen zu einer Karte kombiniert und die Farbe grün wird ausgesucht. Damit kann der Anteil der Grünbereiche auf dem Gebäude und um das Gebäude bestimmt werden. Es wird davon ausgegangen, dass es sich bei den grünen Bereichen um Vegetation, also Bäume und Grasflächen handelt. Im Zusammenhang mit diesem Projekt werden weiterhin Fotos des Gebäudes von allen vier Windrichtungen untersucht. Für jedes einzelne Foto wird zunächst das Gebäude mithilfe der Objekterkennung ausgeschnitten. Die Fenstererkennung kann ebenfalls per Objekterkennung durchgeführt werden, oder mithilfe eines anderen Ansatz, in dem Kanten auf dem Gebäude erkannt werden (edge detection), die die Fenster bestimmen. 

Für den letzteren Ansatz werden die optischen Karten in Graubilder umgewandelt und die Kantenerkennung durchgeführt. s ist ratsam diesen Prozess mit unterschiedlichen Graubilderstellungen und mit Inversen der Graubilder zu wiederholen. Anschließend werden die gefundenen Fenster auf jedem dieser Graubilder miteinander verglichen. Der Anteil von Fenstern an der Hauswand wird auf diese Weise bestimmt. Damit können weitere Information über Lüftungsmöglichkeiten und Aufheizung des Gebäudes erhalten werden. Die Berechnung der Helligkeit der Hauswände wird an den Gebäudeausschnitten ohne Fenster durchgeführt. Anders als bei der Dachhelligkeitserkennung, werden für die Fotos die Hauptfarben der Fassade erkannt. Die Helligkeit wird dann anhand der Hauptfarbe, die mehr als 50% aller Farben einnehmen muss, oder am anteiligen Durchschnitt aller Farben bestimmt. 

Detaillierte Auswertung der Gebäudeumgebung

Mit diesen berechneten Informationen ist es möglich eine Einschätzung zu geben, wie nachhaltig das Gebäude ist und Informationen zu liefern, wie es nachhaltiger gestaltet werden kann.
Nach oben scrollen