- Forskningen har betydelse som bidrag till beslutsunderlag. Om man som stadsplanerare vill se över potentialen för solenergi för en hel stadsdel är det viktigt att bedömningen blir så träffsäker som möjligt, både av ekonomiska och miljömässiga skäl, säger Mohammad Aslani.
Med hjälp av offentligt tillgängliga Lantmäterikartor, flygfoton och så kallad punktmåldata, så kan AI-motorn i ett första steg sålla ut alla tak på ett foto av en stadsdel. I nästa steg bedöms takens lutning och väderstreck, och i ett tredje steg tar AI:n hänsyn till varje enskilt taks struktur med skorstenar, vinklar, och ger sedan ett förslag på hur många solpaneler som bör monteras på varje tak, och hur de bör placeras för att bli så träffsäkra och effektiva som möjligt. Totalt består metodiken av sex olika AI-motorer – två för varje steg i processen ovan.
I två fallstudier, en i Göteborg och en i Uppsala, har den nya AI-metodiken visat sig öka träffsäkerheten jämfört med tidigare metoder.
Nästa steg i Mohammad Aslanis forskning blir att bygga vidare på AI:n så att den även tar hänsyn till energibehovet i en byggnad vid bedömning av antalet solpaneler.
- Jag skulle också vilja vända på tankesättet och forska kring hur hus och hustak skulle kunna byggas för att få ut så mycket så möjligt av solpaneler, säger Mohammad Aslani.