KD Forecast a été conçu pour répondre à la fonction primaire d’un bâtiment tertiaire : accueillir ses usagers dans des conditions optimales. Résultat de plus d’une année de recherche par notre équipe R&D, KD Forecast est capable de prédire avec plus de 90% de précision les venues sur un bâtiment tertiaire 1 mois à l’avance.

Au-delà de l’utilisation des données du bâtiment pour en optimiser son fonctionnement intrinsèque, nous avons souhaité pousser plus loin l’algorithme, en étant capable d’anticiper avec la plus grande précision et projection dans le temps possible le nombre de personnes qui se rendront sur site, tout simplement. Cela représente un pas de plus vers le bâtiment autonome. L’impact est immense tant pour les gestionnaires, qui pourront adapter les services es espaces mis à disposition par rapport au trafic attendu, que pour les usagers qui pourront s’affranchir d’une déclaration de venue quotidienne bien peu motivante et intuitive. Une telle technologie permet par ailleurs d’anticiper les périodes à potentielle saturation pour mieux piloter les venues quand cela est nécessaire, tout en prenant en compte l’évolution du site quand la société grandit ou se réorganise.
Elaboré sur des dizaines de milliers de données de fréquentation de bâtiments et plus de 30 paramètres périphériques, l’algorithme de KD Forecast surperforme les calculs basés sur la simple observation du passé de plus de 60% (séries temporelles). C’est ainsi que notre algorithme (régression avec un gradient boosting) atteint une précision supérieure à 90% en moyenne pour prédire les venues plus de 30 jours à l’avance !

Comment cela fonctionne ?
Nous nous connectons à vos données de fréquentation (badge ou occupation de poste) et aux agendas des salles de réunion et cela suffit à l’algorithme pour avancer ses prévisions en apprenant chaque jour. Sa précision peut être augmentée en ajoutant des informations de rattachement d’équipes, par exemple, et en lui donnant un historique sur un an, ce qui le rendra immédiatement efficace à plus de 90%. Tout ceci sans exploiter de données à caractère personnel.

Ainsi, en étant en mesure de modéliser les occupations des espaces à venir, vous serez en mesure de prévoir les ressources nécessaires au confort des collaborateurs, denrées pour le RIE, dimensionnement des parking et surtout quantité d’énergie nécessaire au bon fonctionnement du bâtiment.

Prédire l’occupation des bureaux avec l’IA

Contexte & objectifs

• Prédire précisément la fréquentation future des bureaux​
• Pour optimiser l’occupation et offrir une meilleure expérience aux salariés​
• Les méthodes classiques d’analyse des séries temporelles sont insuffisantes​
• Nous avons besoin de modèles plus élaborés pour intégrer toutes les variables explicatives. 

Un voyage passionnant en deep learning (vers le meilleur modèle)

• Test de multiples modèles : réseaux de neurones, RNN, LSTM, GRU​
• Enrichissement progressif des données : contexte, réservations, météo…​
• Expérimentation de techniques d’optimisation​
• Un modèle de régression avec un gradient Boosting émerge

Un modèle prédictif précis et fiable

• Précision de l’ordre de 85% à 20 jours​
• Les principales variables pertinentes identifiées​
• Modèle applicable pour prédire l’occupation future​
• Permet une gestion dynamique des espaces de travail​
• Apporte une forte valeur ajoutée pour nos clients