פענוח מהחוץ: חיזוי יעילות אנרגטית של מבנים בעזרת נתוני עיר גדולים מתפתחים

מדוע זה חשוב לחיי היומיום

חימום והפעלת בתינו מהווים בשקט חלק גדול מצריכת האנרגיה ומפליטות הגורמות להתחממות האקלים. עם זאת, כדי לקבוע עד כמה כל מבנה דולף או יעיל נדרש בדרך כלל ביקור של מומחים למדידות ובדיקות—תהליך יקר ואיטי שמשאיר בתים רבים בלתי נבדקים. המחקר בוחן האם אפשר להעריך עד כמה מבנים שומרים חום פשוט על ידי מבט מהחוץ באמצעות דימויים מודרניים ובינה מלאכותית, ובכך לפתוח פתח לשיטות מהירות וזולות יותר לאיתור בתים שזקוקים לשדרוגים.

לקרוא מבנים מהחוץ פנימה

החוקרים התמקדו בשתי ערים סקוטיות, גלזגו ואדינבורו, שבהן לבתים רבים עדיין אין תעודת ביצועי אנרגיה רשמית (EPC)—הדוח שמדרג מבנים מהטוב ביותר לגרוע ביותר מבחינת צריכת אנרגיה. במקום לשלוח מפתחים מדלת לדלת, הקבוצה הרכיבה תמונה עשירה של כל מבנה באמצעות מידע שניתן להבחין בו מהחוץ בלבד: תמונות אוויריות, תמונות תרמיות שנערכו ממטוס בלילה, תצוגות מרמת הרחוב בדומה למה שרואים בשירותי מפות מקוונות, ופרטים פשוטים על צורת המבנה ותנאי השכונה. בשילוב מקורות אלו קיוותה הקבוצה להסיק האם בית משתייך לקבוצת "בעלת יעילות גבוהה" (בקירוב EPC A–C) או ל"קבוצת יעילות נמוכה" (D–G).

להדריך בינה מלאכותית לזהות בתים חסכוניים באנרגיה

כדי לתרגם תמונות ונתונים בסיסיים לפסק דין על יעילות אנרגטית, המחברים בנו מערכת למידה עמוקה רב-ערוצית—סוג של בינה מלאכותית שמצטיינת בזיהוי דפוסים על פני סוגי נתונים שונים. חלק אחד של המודל הסתכל על תמונות תרמיות אוויריות, שמראות גגות וקירות חמים יותר זוהרים באור חזק יותר איפה שהחום בורח. חלק אחר בחן תמונות אוויריות רגילות הגלויות צורות גג וסביבה. ערוץ שלישי קלט תמונות מרמת הרחוב של חזיתות, ותפס רמזים כמו גודל חלונות, חומרי קיר או בידוד נוסף. ערוץ אחרון עבד על מידע מספרי, כגון גודל המבנה ומדדי מצב סוציו‑כלכלי של השכונה. הבינה הוכשרה בעזרת עשרות אלפי מבנים שכבר היו להם דירוגי EPC, ולמדה לקשר שילובים של רמזים חזותיים והקשריים עם יעילות טובה יותר או גרועה יותר.

כמה טוב זה עבד ומה מניע את התחזיות

כאשר נבחן על מבנים שלא נראו קודם, המודל הבחין נכון בין בתים יעילים לפחות יעילים עם ניקוד F1—מדד מאוזן של דיוק—בגודל 0.64 בגלזגו ו‑0.69 באדינבורו, דומים בין שתי הערים. החוקרים ערכו ניסויי "אבלציה", כיבוי או שילוב של מקורות נתונים שונים כדי לראות מה חשוב ביותר. אף קלט יחיד לא סיפר את הסיפור כולו, אך כל מקור תרם: תמונות מרמת הרחוב לבדן התפקדו באופן מפתיע היטב, במיוחד באדינבורו, בעוד שהתמונות התרמיות והאוויריות נשאו גם הן אותות חזקים. הוספת מקורות נתונים בדרך כלל שיפרה את הביצועים, מה שמעיד על כך שמראה המבנה מלמעלה ומרחוב, ומיקומו בעיר, חושפים יחד כמות משמעותית של מידע על צריכת האנרגיה שלו.

קשר מפתיע בין עוני לבתים יעילים

מצוידים במודל מאומן, הקבוצה חזה ביצועי אנרגיה ליותר מ‑136,000 מבנים נוספים בשתי הערים שאין להם EPC. הם השוו אחר כך דפוסים ברמת השכונה של היעילות החזויה עם מדד המנודה הרשמי של סקוטלנד, שמדרג אזורים מהפחות המוזנחים עד להכי פחות. בניגוד להנחות המקובלות כי משקי בית עניים נוטים לחיות בבתי דליפה יותר, הניתוח מצא את ההפך בערים אלו: אזורים מוחלשים נקשרו, בממוצע, עם מבנים בדירוג טוב יותר, בעוד שחלק משכונות אמידות נראו פחות יעילות. בדיקות המשך מול נתוני אמת מוגבלים הצביעו על כך שהתבנית הזו אינה מקרית.

מה משמעות הדבר לפעולה מדינית ומאבק באקלים

ההתאמה הבלתי צפויה בין העוני ליעילות אנרגטית גבוהה עשויה לשקף שנות תוכניות שדרוג ממוקדות באזורים מוחלשים, וכן בחירת משקי בית אמידים לשמר סגנונות בנייה מסורתיים גם אם משמעות הדבר היא שימוש אנרגטי גבוה יותר. לא משנה מה הסיבה, המחקר מראה שתמונות ונתונים הנגישים באופן נרחב, בשילוב בינה מלאכותית, יכולים למפות במהירות היכן נמצאים בתים יעילים ופחות יעילים—מבלי להיכנס אל תוך אף מבנה. לקורא הכללי, המסקנה המרכזית היא שמראה חיצוני והקשר מקום של בית מכילים רמזים חזקים לכמות האנרגיה שהוא מבזבז, ולעמיתים מתכנני ערים וממשלות יש כלי אפשרי לתעדף שדרוגים, לבדוק את השפעת תוכניות קודמות ולהתקדם במהירות אל בתים חמים יותר, חשבונות נמוכים יותר ופליטות נמוכות יותר.

ציטוט: Sun, M., Hou, C., Li, Q. et al. Deciphering exterior: building energy efficiency prediction with emerging urban big data. npj Urban Sustain 6, 38 (2026). https://doi.org/10.1038/s42949-026-00348-7

מילות מפתח: יעילות אנרגטית של מבנים, קיימות עירונית, צילום תרמי, למידה עמוקה, שדרוג דיור