Development of AI-Driven Digital Services for Integrated Energy and Thermal Comfort Measurement in Indoor and Outdoor Environments under Climate Change

Questa tesi di dottorato sviluppa un framework innovativo basato sull’intelligenza artificiale per la misura in tempo reale e la previsione del comfort termico, oltre che per l’ottimizzazione energetica in contesti interni ed esterni. Da questo lavoro nasce anche il Comfort Performance Contract, fondato sull’idea che energia e comfort possano essere monetizzati. Indoor, il framework introduce una rete Long Short-Term Memory che prevede temperatura e umidità interna per calcolare il PMV semplificato (sPMV) nelle 24 ore successive, mentre un modello supervisionato stima il Thermal Sensation Vote (TSV) degli occupanti. Un algoritmo di ottimizzazione Pareto-efficiente utilizza tali previsioni per fornire valori ottimali di temperatura e umidità che garantiscano comfort riducendo i consumi energetici. In parallelo è stato sviluppato un modello sPMV ottimizzato, che combina Generalized Additive Models e regressione migliorando l’accuratezza di misura del 17.31% rispetto all’sPMV originale. Inoltre, è stato implementato un modello non supervisionato capace di identificare con un silhouette score di 0.50, stati di comfort usando solo dati fisiologici, senza feedback degli utenti. Outdoor, è stato sviluppato un servizio basato su IA che stima la temperatura media radiante e calcola l’Universal Thermal Climate Index in tempo reale. Questo servizio integra dati di vulnerabilità per migliorare le strategie di adattamento al cambiamento climatico. I framework sono stati validati in diversi casi studio europei. I modelli LSTM hanno prodotto errori medi di 1.1°C e del 3.7% per il forecasting di temperatura e umidità. Il modello supervisionato di TSV ha ottenuto un MAE di 0.1 (R2=0.9). Le previsioni LSTM sono state usate per prevedere il TSV nelle 24 ore successive. Il sistema di ottimizzazione fornisce raccomandazioni che riducono i consumi energetici del 44.8% garantendo comfort continuo. Il modello MRT outdoor ha ottenuto un MSE di 1.9°C, assicurando un calcolo stabile dell’UTCI.