論文の概要: Prototyping an AI-powered Tool for Energy Efficiency in New Zealand Homes

• arxiv url: http://arxiv.org/abs/2509.05364v1
• Date: Thu, 04 Sep 2025 02:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.464411
• Title: Prototyping an AI-powered Tool for Energy Efficiency in New Zealand Homes
• Title（参考訳）: ニュージーランドの家庭におけるAIによるエネルギー効率向上ツールの試作
• Authors: Abdollah Baghaei Daemei,
• Abstract要約: ニュージーランドの住宅の質は歴史的に貧弱であり、断熱と非効率な暖房は広範なエネルギー難に寄与している。 Warmer Kiwi Homesプログラム、Healthy Homes Standards、H1 Building Codeなどの最近の改革は、健康と快適な改善をもたらしたが、課題は続いている。 本研究では,ニュージーランドにおける住宅エネルギー効率向上のためのAIによる意思決定支援ツールの設計と評価を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Residential buildings contribute significantly to energy use, health outcomes, and carbon emissions. In New Zealand, housing quality has historically been poor, with inadequate insulation and inefficient heating contributing to widespread energy hardship. Recent reforms, including the Warmer Kiwi Homes program, Healthy Homes Standards, and H1 Building Code upgrades, have delivered health and comfort improvements, yet challenges persist. Many retrofits remain partial, data on household performance are limited, and decision-making support for homeowners is fragmented. This study presents the design and evaluation of an AI-powered decision-support tool for residential energy efficiency in New Zealand. The prototype, developed using Python and Streamlit, integrates data ingestion, anomaly detection, baseline modeling, and scenario simulation (e.g., LED retrofits, insulation upgrades) into a modular dashboard. Fifteen domain experts, including building scientists, consultants, and policy practitioners, tested the tool through semi-structured interviews. Results show strong usability (M = 4.3), high value of scenario outputs (M = 4.5), and positive perceptions of its potential to complement subsidy programs and regulatory frameworks. The tool demonstrates how AI can translate national policies into personalized, household-level guidance, bridging the gap between funding, standards, and practical decision-making. Its significance lies in offering a replicable framework for reducing energy hardship, improving health outcomes, and supporting climate goals. Future development should focus on carbon metrics, tariff modeling, integration with national datasets, and longitudinal trials to assess real-world adoption.
• Abstract（参考訳）: 住宅はエネルギー消費、健康影響、二酸化炭素排出量に大きく貢献している。 ニュージーランドでは、住宅の質は歴史的に貧しく、断熱が不十分で非効率な暖房が広範なエネルギー難に寄与している。 Warmer Kiwi Homesプログラム、Healthy Homes Standards、H1 Building Codeなどの最近の改革は、健康と快適な改善をもたらしたが、課題は続いている。 多くのリファインメントは部分的であり、家事業績に関するデータは限られており、住宅所有者に対する意思決定支援は断片化されている。 本研究では,ニュージーランドにおける住宅エネルギー効率向上のためのAIによる意思決定支援ツールの設計と評価を行う。 PythonとStreamlitを使って開発されたプロトタイプは、データ取り込み、異常検出、ベースラインモデリング、シナリオシミュレーション(例:LEDの改造、絶縁アップグレード)をモジュラダッシュボードに統合する。 建築科学者、コンサルタント、政策実践者を含む15のドメインエキスパートが、セミ構造化インタビューを通じてこのツールをテストした。 その結果、強いユーザビリティ(M = 4.3)、シナリオ出力の高い価値(M = 4.5)、補助プログラムや規制フレームワークを補完する可能性に対する肯定的な認識が示された。 このツールは、AIが国家政策をパーソナライズされた家庭レベルのガイダンスにどのように変換するかを示し、資金、基準、そして実践的な意思決定のギャップを埋める。 その重要性は、エネルギー難を減らし、健康上の成果を改善し、気候目標をサポートするための、複製可能な枠組みを提供することである。 今後の開発は、炭素メトリクス、関税モデリング、国家データセットとの統合、および現実世界の採用を評価するための縦断的な試行に焦点を当てる必要がある。

関連論文リスト

• Breaking the ICE: Exploring promises and challenges of benchmarks for Inference Carbon & Energy estimation for LLMs [8.377809633825196]
  本稿では, 現状のアプローチの課題について論じるとともに, 炭素排出量を推定するフレームワークであるR-ICEについて述べる。 我々の有望な検証結果は、ベンチマークベースのモデリングが推定放射推定に大きな可能性を秘めていることを示唆している。
  論文  参考訳（メタデータ） (2025-06-10T12:23:02Z)
• Control of Renewable Energy Communities using AI and Real-World Data [0.0]
  本稿では,これらの複雑さを明示的に扱えるよう設計したフレームワークを導入し,シミュレーションと現実のギャップを埋める。 それは、MADDベースのマルチエージェント制御戦略であるEnergAIzeを取り入れ、現実世界のデータ収集、システム統合、ユーザー行動モデリングに関連する課題に特に対処する。
  論文  参考訳（メタデータ） (2025-05-22T22:20:09Z)
• Explainable AI for building energy retrofitting under data scarcity [40.14307808809578]
  本研究では,人工知能(AI)と機械学習(ML)を基盤として,住宅のエネルギー効率対策を推奨する枠組みを提案する。 ラトビアをケーススタディとして、この方法論は限られたデータセット、クラス不均衡、データ不足に関連する課題に対処する。 このアプローチの評価は、データ制限を顕著に克服し、精度、リコール、F1スコアの最大54%の改善を実現していることを示している。
  論文  参考訳（メタデータ） (2025-04-08T14:00:08Z)
• Question Answering for Decisionmaking in Green Building Design: A Multimodal Data Reasoning Method Driven by Large Language Models [13.501199715254906]
  グリーンビルの設計における意思決定(DGBD)は、建築エネルギーコストの削減に不可欠である。 多くの研究がこの分野に人工知能(AI)の手法を適用している。 本研究は,大規模言語モデルをDGBDと革新的に統合し,マルチモーダルデータ推論のための問合せフレームワークであるGreenQAを作成する。
  論文  参考訳（メタデータ） (2024-12-06T03:02:58Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Efficiency Pentathlon: A Standardized Arena for Efficiency Evaluation [82.85015548989223]
  Pentathlonは、モデル効率の総合的で現実的な評価のためのベンチマークである。 Pentathlonは、モデルライフサイクルにおける計算の大部分を占める推論に焦点を当てている。 レイテンシ、スループット、メモリオーバーヘッド、エネルギー消費など、さまざまな効率面をターゲットにしたメトリクスが組み込まれている。
  論文  参考訳（メタデータ） (2023-07-19T01:05:33Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted Techniques [3.2926483061955922]
  建設作業は、ほとんどの国で消費される総一次エネルギーのかなりの割合を占める。 HVACシステムにおけるエネルギー使用と適切な室内快適度との間のスイートスポットを見つけるために、さまざまなAI技術が展開されている。 建築制御におけるAI技術の適用は有望な研究分野であり、AIベースの制御の性能はまだ十分に満足していない。
  論文  参考訳（メタデータ） (2021-04-06T01:04:28Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。