Contexto da pesquisa
Pesquisadores da Universidade de Osaka desenvolveram um novo sistema que utiliza machine learning e computer vision para medir a ocupação em escritórios open-plan com alta precisão. Este avanço promete otimizar o design de ambientes de trabalho, abordando lacunas significativas nas metodologias de rastreamento atuais.
Método proposto
O sistema proposto emprega técnicas de estimativa de pose 3D, utilizando câmeras de CCTV existentes para rastrear a ocupação em micro-zonas específicas dos escritórios. Através da análise de vídeo, o modelo classifica a localização de indivíduos em áreas predefinidas, permitindo uma visão granular sobre os padrões de ocupação.
Resultados e impacto
Testes em ambientes reais validaram a precisão do sistema, fornecendo insights valiosos sobre como diferentes áreas do escritório são utilizadas. Isso pode informar a alocação de recursos como iluminação e climatização, além de contribuir para a gestão de energia em ambientes corporativos. Sihua Chen, uma das doutorandas envolvidas no projeto, destacou que “a tecnologia pode preencher uma lacuna nas técnicas existentes de medição de ocupação e fornecer suporte baseado em dados para o design sustentável” (“the technology can fill a gap in existing occupancy measurement techniques and provide data-driven support for sustainable design”).
— Sihua Chen, Doutoranda, Universidade de Osaka
Os resultados demonstraram a eficácia do sistema em capturar padrões de ocupação de maneira precisa, algo que outros métodos não conseguiam realizar. A pesquisa sugere que, com dados de ocupação mais detalhados, é possível otimizar layouts de escritórios e gerenciar recursos de forma mais eficiente.
Com este novo framework, espera-se que as empresas consigam criar ambientes de trabalho mais eficientes e sustentáveis, moldando o futuro do design de escritórios. Próximos passos da pesquisa incluem a ampliação do sistema para diferentes tipos de ambientes de trabalho e o desenvolvimento de interfaces que permitam visualizações em tempo real dos dados de ocupação.
Fonte: (TechXplore – Machine Learning & AI)
