Projectes de recerca

AI4EnergyPoverty, Machine learning per detectar la pobresa energètica

Projecte de recerca aplicada al municipi de Santa Coloma de Gramenet, a l’àrea metropolitana de Barcelona, per al disseny i la construcció d’un sistema predictiu basat en l’aprenentatge automàtic i altres tècniques pròpies de la Intel·ligència Artificial i el big data per a la detecció precoç de llars amb risc de pobresa energètica a curt o mitjà termini.

Els resultats d’aquesta recerca hauran de permetre disposar d’una eina que esdevingui útil per a d’altres ajuntaments i administracions locals.

La pobresa energètica suposa una manifestació més del fenomen general de la pobresa i l’exclusió social, i cada vegada està més present a la Unió Europea. Es tracta de la situació en què es troba una llar en què no poden ser satisfetes les necessitats bàsiques de subministraments d’energia, com a conseqüència d’un nivell d’ingressos insuficient, i que es pot veure agreujada per disposar d’un habitatge ineficient energèticament.

Les conseqüències de la pobresa energètica tenen impacte en múltiples aspectes de la vida de les persones que la pateixen, com ara la salut, la degradació dels edificis o l’endeutament de les famílies.

La detecció precoç és una eina indispensable per intentar reduir la magnitud d’aquest problema i ajudar als/les professionals de l’atenció primària de Serveis Socials de les administracions locals a focalitzar els seus esforços en les llars que poden derivar en problemes de pobresa energètica a curt o mitjà termini.

Objectius:

  • Identificar les fonts de dades més útils per a l’anàlisi de la pobresa energètica i la predicció de futurs casos.
  • Determinar quines són les dades més rellevants per poder detectar la pobresa energètica.
  • Crear un model predictiu per quantificar el risc de pobresa energètica de la població a un any vista.
  • Identificar les característiques comunes de les llars que han patit de pobresa energètica en el passat.
  • Crear un model que permeti determinar mensualment la probabilitat que una llar concreta pugui patir pobresa energètica a curt termini (fins a un any).

Resultats esperats:

  • Llistat exhaustiu de les diferents fonts de dades rellevants per a l’anàlisi de pobresa energètica i la predicció de futurs casos.
  • Llistat de les dades més rellevants i el seu grau de correlació per poder detectar la pobresa energètica.
  • Detall del disseny, construcció i avaluació d’un model predictiu per quantificar el risc de pobresa energètica de la població d’estudi a un any vista.
  • Llistat o esquema de les característiques comunes de les llars que han patit de pobresa energètica en el passat.
  • Informe que detalli les lliçons apreses en la prova pilot per facilitar la seva adopció en altres municipis, incloent la publicació en obert de tot el codi i els models de dades desenvolupats durant el projecte.

Partners:

Pin It on Pinterest

Comparteix