Regio Utrecht | Self-learning Occupancy Estimator

Projectpartners QwikSense en [Aanvrager/Partner] beogen in het onderhavige samenwerkingsproject een toepassing te ontwikkelen, bestaande uit hard- en software componenten, die aan de hand van het meten van een gecombineerd aantal nieuwe en reeds aanwezige datastromen (parameters) nauwkeurig vast kan stellen hoeveel personen er in een ruimte aanwezig zijn en hierdoor het binnenklimaat optimaal kan aansturen en beinvloeden, zodat eindgebruikers efficienter maatregelen kunnen nemen om Energiesector te besparen. Concreet betekent dit dat het R&D-samenwerkingsproject de volgende eindresultaten oplevert: • De hardware, bestaande uit een loT sensorennetwerk, geschikt om real-time alle gecombineerde datastromen te meten, te verzamelen en te valideren; • De 'slimme' algoritmes die op basis van verschillende datasets (zoals temperatuur, CO2, luchtvochtigheid, beweging, geluid etc.) een nauwkeurige analyse kunnen maken van het aantal personen in een ruimte en het binnenklimaat hier optimaal op af kan stemmen. • Een API voor aansluiting op GBS. lotta zal in het onderhavige project de sensoren ontwikkelen die de verschillende datastromen realtime verzamelen en om kunnen zetten in datasets. QwikSense is verantwoordelijk voor het ontwikkelen van de slimme algoritmen/software die de datasets kunnen analyseren en interpreteren. Uiteindelijk dient het systeem op basis van de verzamelde data, modellen en simulaties een nauwkeurig beeld te geven van het aantal aanwezige personen binnen een ruimte/gebouw en kan op deze manier het binnenklimaat optimaal aan worden gestuurd. De actiegerichte data uit h