Dynamic Lighting Optimization for Enhanced Occupant Health and wellbeing: A Digital Twin Approach Integrating Behavioral Insights

Descripción del proyecto

Iluminación para la salud y la eficiencia

Una iluminación intensa puede consumir algo más que energía. Afecta a la salud y a la productividad. Sin embargo, incluso los sistemas de iluminación más avanzados suelen ignorar su impacto en los ocupantes. Los sistemas tradicionales de gestión de edificios utilizan curvas de control fijas que pasan por alto las respuestas humanas, lo que provoca incomodidad e ineficacia. Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto DyLiOpt está cambiando esta situación al situar a las personas en el centro del diseño de la iluminación. En el estudio, basado en la ciencia del comportamiento, se explora cómo las actitudes, el control percibido y las normas sociales determinan las preferencias de iluminación en entornos universitarios. El núcleo de DyLiOpt es un gemelo digital inteligente que aprende de los comentarios de los usuarios y adapta la iluminación en tiempo real mediante inferencia bayesiana. Alineando la tecnología con el comportamiento humano, en DyLiOpt se redefine cómo iluminamos nuestros edificios para un futuro más sano y ecológico.

Objetivo

The impact of energy-efficient lighting systems on occupant health and well-being is often not thoroughly studied. Further, the human behavioural response is barely acknowledged while using the predefined control curves in building management systems, resulting in inefficiency, discomfort, and health problems, along with increased economic costs due to energy wastage and reduced productivity. This study will develop a digital twin paradigm extension for dynamic light optimisation based on behavioural insights and occupant needs (DyLiOpt) by mapping user responses and continuously optimising lighting during the operational phase using a Building Management System tailored to occupant needs. To analyse individuals' interaction with varying lighting conditions, three distinct settings within university spaces will be analysed by integrating mental models and the Theory of Planned Behavior to understand how attitudes, subjective norms, and perceived control shape occupant preferences for lighting. A key innovation of this study is the integration of Bayesian inference, enhancing the stochastic models with a probabilistic framework that accounts for uncertainties and variabilities. This approach will refine the models, enabling continuous updates based on new data. The Bayesian optimisation will be implemented within a digital twin platform, utilising patented autonomous optimisation technology to facilitate autonomous and semantic optimisation and dynamically adjust lighting parameters in real time, aligning with predicted occupant behaviour and lighting requirements. This research aims to set new standards in occupant-centric lighting optimisation, contributing to the health and well-being of occupants and energy efficiency in built environments while we race towards a climate-neutral continent by 2050.