Naar duurzame straatverlichting

Dat straatverlichting impact heeft op biodiversiteit is bekend. Maar bij het inplannen van nieuwe straatverlichting ontbreken vaak de juiste data om hiermee rekening te houden. Daar wil Engie Laborelec, innovatie-expert inzake elektrische energie iets aan doen. Samen met GIM ontwikkelde hun onderzoeks- en innovatieafdeling een methodiek die ingenieurs kunnen toepassen om verlichtingsaanbieders en andere overheden te helpen bij de overstap naar duurzamere buitenverlichting, met informatie over biodiversiteit in het achterhoofd.

“De inzet van het AI-model heeft twee doelstellingen”, zo legt Yvan Sacovy, Lighting Expert bij Engie Laborelec uit: “Enerzijds willen we op een systematische manier rekening houden met biodiversiteit en lichthinder. Daarnaast streven we naar een versneld ontwerp van hoogwaardige verlichtingsoplossingen die gericht zijn op veiligheid, comfort en een minimaal energieverbruik."

Verharde en onverharde oppervlakken

Voor dit proefproject zette GIM een GeoAI-model in dat automatisch de bodembedekking en lichtpunten in kaart brengt.

Yvan Sacovy: “Deze kaart classificeert enerzijds de lichtpunten en anderzijds de bodembedekking , waarbij een onderscheid wordt gemaakt tussen verharde en onverharde oppervlakken. Die output gebruiken we vervolgens om bepaalde parameters af te leiden over de omgeving rond de lichtmasten, zoals straten, waterwegen, landgebruik enzovoort. Dit maakt het mogelijk om verlichting aan te bieden die is aangepast aan de behoeften van de gebruikers en tegelijkertijd rekening houdt met de directe omgeving.”

Het testconcept werd ondertussen al toegepast op twee verschillende types beelden: orthofoto's en satellietbeelden. Yvan Sacovy: “De eerste resultaten zijn alvast veelbelovend. We bekijken nu verder hoe we deze methodiek in een operationele tool kunnen omzetten.”

Succesvolle samenwerking voortgezet met nieuwe webtool LightSquare

Een vervolgproject dat naadloos aansluit bij het AI-pilootmodel is LightSquare: een webtool die op basis van verschillende geodatasets de meest efficiënte inplanting voor nieuwe openbare verlichting voorstelt.

Yvan Sacovy: “Met LightSquare vergelijkt de gebruiker eenvoudig verschillende scenario's om zo tot het beste resultaat te komen. Het voordeel van de tool is dat het proces volledig geautomatiseerd en gestandaardiseerd wordt, waardoor de gebruiker het volste vertrouwen krijgt in de gekozen oplossing. Op termijn willen we de data uit het AI-model gebruiken als input voor LightSquare om de ontworpen oplossingen nauwkeuriger en relevanter te maken."