A Sustainability-Oriented Platform for Monitoring Electricity Usage and Carbon Footprint in Educational Institutions Using Deep Learning and GIS

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates a practical application of CNN and GIS for real-time carbon monitoring in buildings.

🏢実務担当者:Facility managers can use this tool to monitor room-level energy use and emissions, supporting efficiency improvements.

🏛政策担当者:Illustrates a low-cost approach for institutional carbon footprint tracking, relevant for public sector decarbonization policies.

気候変動を緩和するための世界的な取り組みが強化される中、温室効果ガス排出量の削減に大きな注目が集まっており、多くの組織が持続可能な開発目標（SDGs）に沿ってカーボンネットゼロの達成に努めている。機関のカーボンフットプリントの主な要因の一つは電力消費である。しかし、ほとんどの機関におけるエネルギー監視の実践は、電力量計からの月次集計値の読み取りに限られており、短期的または部屋レベルのエネルギー管理や政策立案にほとんど洞察を提供していない。このギャップを埋めるため、本研究は、個々の部屋における照明のオン/オフ状態を検出・分類するウェブベースのアプリケーションを紹介する。このシステムにより、電力使用量とそれに伴う炭素排出量のリアルタイムな監視と検証が可能になる。この制限に対処するため、本研究は、個々の部屋における照明のオン/オフ状態を検出・分類するために設計されたウェブベースのアプリケーションを紹介し、電力使用量と対応する炭素排出量のリアルタイムな監視と検証を可能にする。このアプリケーションは、画像処理、機械学習、地理情報システム（GIS）技術を統合している。実験結果は、画像ベースの分類における提案された畳み込みニューラルネットワーク（CNN）ベースのモデルの高い精度と堅牢性を確認している。さらに、このプラットフォームは、空間マッピングと統合された動的ダッシュボードを通じてカーボンフットプリントの対話型可視化を提供し、機関の持続可能性管理のためのデータ駆動型かつリアルタイムな意思決定を支援する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Amid growing global efforts to mitigate climate change, significant attention has been placed on reducing greenhouse gas emissions, with many organizations striving to achieve Carbon Net Zero in accordance with the Sustainable Development Goals (SDGs). Among the primary contributors to institutional carbon footprints is electricity consumption. However, energy monitoring practices in most institutions remain limited to aggregated monthly readings from electricity meters, offering little insight for short-term or room-level energy management and policy planning. To bridge this gap, this study introduces a web-based application that detects and classifies the on/off status of lighting in individual rooms. The system enables real-time monitoring and verification of electricity usage and the resulting carbon emissions. To address this limitation, this study introduces a web-based application designed to detect and classify the on/off status of lighting in individual rooms, enabling real-time monitoring and verification of electricity usage and the corresponding carbon emissions. The application integrates image processing, machine learning, and geographic information systems (GIS) technologies. Experimental results confirm the high accuracy and robustness of the proposed Convolutional Neural Network (CNN)-based model for image-based classification. Furthermore, the platform offers interactive visualization of carbon footprints through a dynamic dashboard integrated with spatial mapping, supporting data-driven and real-time decision-making for institutional sustainability management.

• openalex https://doi.org/10.18421/tem152-10first seen 2026-06-14 04:29:18 · last seen 2026-06-17 07:06:34