Team Smart Campus

<p>Videon ger en översikt över flera smarta campus-projekt på Chalmers, som syftar till att höja användning och effektivitet på universitetet. Projektteamet har utvecklat och demonstrerat verktyg för rumsbokning och insamling av närvarodata för att optimera lokalutnyttjandet. Genom visualisering av rörelsemönster får användare insikt i hur campusytor används, och ett automatiserat energiprediktionssystem bidrar till hållbarare energiförbrukning.</p>
<p>Andra presenterade prototyper inkluderar navigationshjälp för att underlätta orienteringen på campus, en restaurangsimulator för att förbättra besökarnas matupplevelse samt en digital turistguide riktad mot nya studenter. Dessutom introduceras AI-baserade lösningar som effektiviserar servicehantering och automatiskt sammanfattar väktarrapporter, vilket förenklar analysen av incidentdata. Verktygen och koncepten bidrar tillsammans till ett mer användarorienterat, säkert och energieffektivt campus.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Verktyg för smartare rumsbokning och närvarodata ökar lokalernas effektivitet.</li>
<li>Visualisering av rörelsemönster och energiprediktion stöder hållbarhetsmål.</li>
<li>AI-lösningar automatiserar servicehantering och incidentrapportering.</li>
<li>Prototyper förbättrar upplevelsen för studenter och besökare på campus.</li>
</ul>

<p>Teamet arbetade med fyra huvudsakliga områden inom digitalisering av campus: utveckling av Campus API, Campus Manager, Campus Explorer samt säkerhetsfrågor. Störst fokus lades på Campus Manager och Explorer, där man utforskade hur olika datakällor, särskilt data från Eduroam, CO2-mätare och TimeEdit, kan användas för att analysera och förbättra nyttjandet av campuslokaler. Det visade sig att data från TimeEdit ofta underskattas, men har potential att ge värdefulla insikter om lokalernas beläggning och användningsmönster. Samtidigt lyfte teamet fram integritetsaspekter, behovet av åtkomst till aktuella data samt tekniska begränsningar som centrala utmaningar för fortsatt utveckling.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Integration av flera datakällor öppnar för bättre analys av lokalutnyttjande.</li>
<li>TimeEdit-data är viktig för att förstå beläggning men utnyttjas inte fullt ut.</li>
<li>Datasäkerhet och integritet är avgörande i digitalisering av campus.</li>
<li>Tekniska begränsningar behöver adresseras för att ge tillgång till live-data.</li>
</ul>

<p>I videon presenterar Team Smart Campus sitt verktyg Digital Väktare, som använder AI för att automatisera och effektivisera hanteringen av väktarrapporter på Chalmers campus. Tittaren får en genomgång av varför verktyget har utvecklats: att minska den manuella insatsen vid genomgång och analys av rapporter samt möjliggöra snabbare förebyggande åtgärder mot återkommande incidenter. Verktyget fungerar genom att användaren laddar upp PDF:er med scannade rapporter, där texten extraheras med OCR-teknik. En AI-modell (idag GPT 4.1 via LightLLM) analyserar sedan innehållet, identifierar plats, tid, typ och allvarlighetsgrad för varje incident och visualiserar detta i en heatmap som ger överblick över incidenternas fördelning i byggnaderna.</p>
<p>AI:n sammanfattar de vanligaste incidenterna, identifierar avvikelser och föreslår relevanta åtgärder. Den möjliggör också att användaren ställer frågor om specifika rapporter. Systemet är lokalt installerat på Chalmers för att säkerställa datasäkerheten. Vidare diskuteras möjlig utveckling, såsom integration med närvarodata och annan sensordata, feedback-loopar för att kontinuerligt förbättra AI-modellens träffsäkerhet samt ett mer användarvänligt, automatiserat rapportsystem där information skickas direkt till relevanta personer. Digital Väktare ses som en viktig komponent i det växande digitala ekosystemet kring campusets säkerhetsarbete.</p>
<p>Sammanfattning:</p>
<ul>
<li>Digital Väktare automatiserar och effektiviserar analys av väktarrapporter med hjälp av AI.</li>
<li>Verktyget erbjuder översikt, incidentklassning och rekommendationer.</li>
<li>Datasäkerheten garanteras genom lokal drift.</li>
<li>Vidare potential finns för integration med fler datakällor och automatiserade arbetsflöden.</li>
</ul>

<p>Videon presenterar projektet Room Usage, som utforskar hur campuslokaler används genom att analysera bokningsdata och wifi-uppkopplingar. Genom att använda wifi-data som indikator på närvaro kan universitetet bättre förstå nyttjandet av olika lokaler och därmed optimera resursplanering och bokningssystem. I videon demonstreras även prototypappen Room Forecast, som förutser sannolikheten för lediga grupprum. Detta verktyg gör det enklare för studenter att snabbt hitta lediga studieplatser.</p>
<p>Projektet belyser dessutom hur insamlad data kan ligga till grund för vidareutveckling, exempelvis genom förbättrade schemaläggningsprocesser och mer informerade beslut kring service och lokalutnyttjande. Sammanfattningsvis visar videon hur datadriven analys kan leda till effektivare användning av universitetslokaler, bättre studentservice och smartare resursfördelning.</p>

<p>I videon presenterar Team Smart Campus sitt arbete med att utveckla en värmekarta-baserad överblick över rörelsemönster och närvaro på universitetscampus. Med utgångspunkt i Eduroam-wifi-data kunde teamet kartlägga var och när studenter och personal rör sig mellan och inom byggnaderna. Genom att visualisera datan i en heatmap blev det möjligt att identifiera populära platser och tidpunkter, som till exempel ökad aktivitet i kårhuset under lunchen eller samlingar vid kaféet. För att förfina analysen kombinerades också accesspunktsdata med planritningar, vilket gav mer detaljerad information om rörelser inom enskilda byggnader.</p>
<p>Vidare integrerades CO2-mätningar för att avgöra om och när olika rum eller studieplatser är upptagna – eftersom höga CO2-nivåer antyder att folk vistas i rummet. Genom att koppla denna information till bokningssystem och wifi-data skapades en prototyp för att hjälpa studenter snabbt hitta lediga studieplatser eller grupprum, vilket kan spara tid och minska frustrationen över att behöva leta manuellt. Framtidsvisionen är att samla alla dessa funktioner i en campus-app som både studenter och servicepersonal kan använda för att optimera sin tid och hantera rumsresurser mer effektivt.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Värmekarta-visualisering ger överblick över rörelsemönster på campus.</li>
<li>Data kombineras från wifi-accesspunkter, planritningar och CO2-mätare.</li>
<li>Prototypen hjälper användare snabbt hitta lediga studieplatser och grupprum.</li>
<li>Lösningen har potential att underlätta för både studenter och personal i deras vardag.</li>
<li>Visionen är en samlad campus-app för navigation och resursutnyttjande.</li>
</ul>

<p>I denna video Team Smart Campus projektet "Campus Forecast and Flow", som fokuserar på att förutsäga framtida rörelsemönster och närvaron på campus snarare än att bara analysera historiska data. Verktyget bygger på en random forest-modell som integrerar data från SMHI (väder), Eduroam (nätverksuppkopplingar) och koldioxidnivåer för att skapa prediktioner om hur många personer som väntas vara i olika byggnader och hur de rör sig mellan dem.</p>
<p>Det visas hur modellen fungerar, med exempel på hur informationen kan visualiseras i en heatmap och kombineras med Google Routes API för att kartlägga de mest använda vägarna på campus. Detta möjliggör smartare beslut kring underhåll, säkerhetsinsatser, energianvändning, tillgänglighet och evenemangsplanering. Ett särskilt fokus läggs på flexibiliteten i datainsamlingen och modellernas anpassningsbarhet, där nya datakällor kontinuerligt kan integreras. Utmaningar som adresseras är datakvalitet och integritetsaspekter kring spårning av människors rörelser.</p>
<p>Sammanfattningsvis framhåller videon hur sammansmältning av olika datakällor kan optimera såväl resursfördelning som upplevelsen på campus—från effektiva lunchköer till bättre inomhusklimat, smidig vägvisning och säkerhet i nödsituationer. Modellen kan på sikt även effektivisera lokalbokningar, vägledning och planering av verksamheter baserat på faktiska människorörelser.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>En AI-modell kan ge prediktiva insikter om campusflöden genom att kombinera väder-, nätverks- och miljödata.</li>
<li>Tillämpningarna spänner över områden som säkerhet, energihantering och tillgänglighet.</li>
<li>Datakvalitet och integritet är centrala utmaningar, men modellen är mycket flexibel och framtidssäkrad.</li>
</ul>

<p>I videon presenterar Team Smart Campus sitt arbete med att utveckla en restaurangsimulator för universitetscampus. Målet är att med hjälp av AI och integrering av olika datakällor – som SMHI, Eduroam, TimeEdit och sensordata – kunna prognosticera restaurangbesök och därigenom underlätta allt från bemanning till matsvinnsminskning. Simulatorn använder idag syntetisk data, men ambitionen är att samla in och integrera verklig data från campusområdet, exempelvis via statistik, webbkameror och sensorer. Teamet beskriver hur modellen kan användas för att förbättra resursplanering, inventering, och skapa bättre kundupplevelser genom att jämna ut belastningen och minska köer.</p>
<p>Utmaningar kring datakvalitet och tillgång till autentisk data lyfts fram, då det är avgörande för träffsäkra prognoser. De diskuterar även samarbete med restauranger på campus och möjligheten till värdeskapande både internt och kommersiellt, till exempel genom datadelning som kan underlätta både egna och externa aktörers planering. Konkreta verktyg och koncept inkluderar användning av rörelsedata, bildigenkänning och prediktionsmodeller samt idéer om framtida samarbete med teknologier som robothundar och flexibla plattformar. Slutligen reflekterar gruppen kring effekten för campus två år framåt, med förhoppningar om minskat matsvinn, nöjdare kunder och optimerad drift.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Integration av AI och flera datakällor för att prognosticera restaurangflödet.</li>
<li>Syfte att minska matsvinn, jämna ut belastning och förbättra kundupplevelsen.</li>
<li>Utmaningar kring datakvalitet och tillgång till verklig data.</li>
<li>Kommersiellt och internt värde av datadelning och nya tekniska lösningar.</li>
<li>Simulatorn har potential att skapa mätbar nytta för restaurangverksamhet och campusdrift.</li>
</ul>

<p>I denna video presenterar Team Smart Campus sitt projekt Energy Predictor, ett verktyg som använder maskininlärning för att förutspå framtida värmetillförsel i campuslokaler. Syftet är att analysera vad som driver energianvändningen och undersöka om energiåtgången kan effektiviseras, vilket kan bidra både till bättre inomhusklimat och ökad hållbarhet. Modellen baseras på historisk energidata, utomhustemperatur från SMHI och närvarodata från Eduroam, och tränas med maskininlärningsmodellen XGBoost.</p>
<p>För närvarande är de viktigaste parametrarna för prognoser tidigare värmetillförsel och temperatur. Teamet lyfter att fler datakällor, som realistisk närvaro, solinstrålning och information om större evenemang, kan förbättra modellens precision. Diskussionen knyter också an till lokala energilösningar, som Chalmers eget värmekraftverk samt integration av solceller och batteripack. Teamet betonar att modellen idag fungerar mer som ett vägledande verktyg snarare än ett alltigenom automatiskt system, och att mänsklig kontroll behövs för att hantera eventuella avvikelser och optimera energiförbrukningen.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Energy Predictor använder maskininlärning för att förutspå campuslokalers värmebehov.</li>
<li>Modellen bygger på energidata, utomhustemperatur och närvaroinformation.</li>
<li>Ökad datakvalitet och nya datakällor kan förbättra prognosernas träffsäkerhet.</li>
<li>Verktyget är ett stöd för hållbarhet och energieffektivisering, inte full automation</li>
<li>Samarbeten och vidareutveckling kan bredda modellens nytta och tillämpningar.</li>
</ul>

<p>I denna video presenterar teamet en digital turistguide riktad till nya studenter vid Chalmers som nyligen flyttat till Göteborg. Guiden är skapad för att underlätta för nyinflyttade att upptäcka stadens restauranger, platser och evenemang, särskilt för de som kanske aldrig tidigare varit i Göteborg. Plattformen integrerar Google Maps med beskrivningar och vägbeskrivningar, samt samlar evenemangsdata genom Göteborgs stads öppna API och en egen webscraper.</p>
<p>Användaren kan söka och filtrera efter olika aktiviteter eller platser samt välja hur de vill ta sig dit, exempelvis till fots, med kollektivtrafik eller bil. Lagda evenemang och platser kan sparas i personliga listor, och det finns tankar om framtida funktioner som kontoregistrering, kalenderintegration och en rekommendationsalgoritm för personligt anpassade tips.</p>
<p>Teamet diskuterar även möjligheten att koppla tjänsten till andra eventkällor som Facebook och existerande appar på Chalmers, för att bredda nyttan både socialt och geografiskt.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Guiden hjälper nya studenter att hitta och ta sig till platser och evenemang i Göteborg.</li>
<li>Använder Google Maps och evenemangsdata från flera källor.</li>
<li>Möjlighet att söka, filtrera och spara intressanta aktiviteter.</li>
<li>Framtida utveckling kan inkludera rekommendationer, kalenderintegration och sociala funktioner.</li>
</ul>

<p>I videon presenterar Team Smart Campus sitt projekt Virtual Campus, en digital plattform som gör det möjligt att utforska Chalmers campus via mobil eller dator. Verktyget riktar sig främst till blivande studenter men kan även användas av nuvarande studenter och besökare för att få en tydlig och interaktiv översikt över campusområdet. Genom 360-foton och markerade platser kan användaren navigera runt, ställa frågor om olika områden, och få detaljerad information om både lokaler, program och olika aktiviteter. Exempelvis kan en blivande arkitektstudent se var utbildningen håller till, besöka relevanta platser virtuellt och få guidning om var man kan köpa kurslitteratur eller äta lunch.</p>
<p>Projektet visar på potentialen att integrera fler funktioner, som personligt guiderade turer baserat på intresse, realtidsinformation om platser och evenemang samt koppling till sociala medier och kö-situationer i restauranger. Teamet diskuterar också möjligheten att samla alla deras digitala lösningar i en omfattande Campus Explorer-app för att förbättra tillgängligheten och känslan av campuslivet. Videon avslutas med uppmaningen att ta del av övriga projekt för en bättre helhetsförståelse av utvecklingsarbetet.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Virtual Campus ger en interaktiv rundtur på Chalmers campus online.</li>
<li>Användaren kan navigera, ställa frågor och ta del av detaljerad platsinformation.</li>
<li>Projektet bygger på 360-foton och smart guidning.</li>
<li>Utvecklingsmöjligheter finns för att integrera fler funktioner som evenemang, ködata och sociala medier.</li>
</ul>

<p>I videon presenterar teamet Smart Campus sitt projekt Pathfinder, som syftar till att förbättra navigationen på universitetscampus. De beskriver problematik med dagens karttjänster, som ofta inte hittar de mest effektiva eller intuitiva rutterna mellan olika platser, speciellt inomhus. Pathfinder använder sig av grafteori för att skapa nätverk av kopplingar mellan olika rum och utrymmen på campus, där varje rum representeras som en nod och gångvägar som länkar däremellan. Genom att mata in campusets planlösningar i en stor språkmodell (LLM) kan man generera anpassade rutter och uppdatera nätverket vid till exempel ombyggnationer.</p>
<p>Systemet möjliggör även att identifiera tillgänglighet för rullstolsburna. En utmaning är att exakt kunna positionera användaren inomhus – här diskuteras möjligheten att använda data från Wi-Fi-accesspunkter samt komplettera med 360-bilder av rummen för visuell bekräftelse.</p>
<p>Teamet ser framför sig en vidareutveckling där användaren kan specificera stopp på vägen och få bästa möjliga rutt, samt att projektet integreras med visualiseringar som i syskonprojektet Chalmers GO.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Pathfinder förbättrar inomhusnavigation genom grafbaserat nätverk av campus.</li>
<li>Systemet uppdateras enkelt vid förändringar och stödjer tillgänglighetsinformation.</li>
<li>Möjlig integrering av Wi-Fi-positionering och 360-bilder för exakt rumsidentifiering.</li>
<li>Vidareutveckling inkluderar ruttval med mellanstopp och bättre visualisering.</li>
</ul>

<p>Videon presenterar projektet Campus Vision som är en del av Teams Smart Campus på Chalmers. Projektet syftar till att använda AI-driven bildförståelse och objektdetektering för att förbättra översikten av campusmiljön, särskilt rum och utrustning. Genom att kombinera data från 360-panoramabilder, Google AI och olika datakällor som Eduroam, CO2 och SMHI, skapas en smart databas som ger användaren information om tillgängliga lokaler och deras utrustning. I demot visas hur man enkelt kan söka efter lediga grupprum och se detaljerad information om exempelvis whiteboards, antal stolar och konferensutrustning direkt i ett visuellt gränssnitt. Projektet integrerar även AI-assistans med hjälp av language models såsom Gemini för att svara på frågor om campusmiljön.&nbsp;</p>
<p>Teamet diskuterar utmaningar som manuell insamling av bilddata, bilddistorsion samt potentiella lösningar, exempelvis användning av en robothund (Fido) för automatisk insamling. Campus Vision möjliggör också inventarieanalys och kan fungera som stöd till Chalmers satsning på digitala tvillingar där all utrustning och möbler kartläggs digitalt. Systemet har stor flexibilitet och kan integreras med andra projekt som Campus Virtual Tour och olika chatbotar, vilket underlättar navigering, bokning och ökad tillgänglighet på campus.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Campus Vision förenklar överblick och bokning av campuslokaler med AI-baserad objektdetektering.</li>
<li>Systemet samlar automatiskt in och tolkar bilddata för att ge uppdaterad information om rum och utrustning.</li>
<li>Projektet kan stötta digitala tvillingar och andra campusprojekt genom hög grad av integration.</li>
<li>Utmaningar finns kring datainsamling, men lösningar som automatisering och mobilbilder diskuteras.</li>
<li>Användaren får möjlighet att ställa krav och söka efter resurser på ett effektivt och visuellt sätt.</li>
</ul>

<p>I videon presenterar Team Smart Campus appen Chalmers Go, en inomhusnavigeringsapp för studenter, anställda och besökare på Chalmers campus. Huvudbudskapet är att det kan vara svårt att hitta rätt rum på campus, särskilt i komplexa byggnader, och Chalmers Go är utvecklad för att förenkla detta med hjälp av Augmented Reality (AR) i mobiltelefonen. Appen fungerar på liknande sätt som Google Maps Live View, men är anpassad för inomhusmiljöer där traditionell GPS ofta är otillräcklig.</p>
<p>Videon går igenom de tekniska utmaningarna med inomhusnavigering, såsom svårigheten att fastställa exakt position och våning. Flera lösningar presenteras: datorseende som identifierar miljöer via mobilkameran, användning av BIM-modeller (Building Information Models) för att skapa kartor över byggnader, samt integration med Apples R-Kit för bättre spatial medvetenhet. Appen kan visa vägbeskrivningar och visualisera vägval i realtid direkt i kamerabilden, och har potential för anpassning efter individers behov, exempelvis för rullstolsburna.</p>
<p>Chalmers Go kan kopplas samman med andra digitala campuslösningar, som informationssystem för lediga studieplatser och guidade virtuella rundturer. Visionen sträcker sig även till framtida integrationer med robotar eller drönare som kan guida besökare fysiskt på campus, och teamet diskuterar också vikten av datasäkerhet och campusets kontroll över kart- och bilddata.</p>
<p>Sammanfattningsvis lyfter videon fram Chalmers Go som ett innovativt verktyg för att skapa en mer tillgänglig, informativ och digitalt uppkopplad campusmiljö.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Chalmers Go erbjuder AR-baserad inomhusnavigering på campus.<br>- Lösningar inbegriper datorseende, BIM-modeller och avancerad teknik för positionsbestämning.</li>
<li>Appen kan anpassas utifrån användarens fysiska förutsättningar.<br>- Integration med andra smarta campuslösningar och framtida tekniker diskuteras.</li>
<li>Datasäkerhet och kontroll över campusdata är viktiga aspekter i utvecklingen.</li>
</ul>

<p>Videon presenterar Ghostbuster, en chatbot utvecklad av Smart Campus-teamet för att hjälpa användare att snabbt hitta rätt kontaktperson inom Chalmers. Ghostbuster riktar sig till alla som behöver vägledning – blivande studenter, journalister, anställda eller andra med frågor om exempelvis ekonomi, studievägledning eller ämnesspecifika områden. Istället för att manuellt söka efter kontaktuppgifter på olika sidor, kan användaren ställa sin fråga direkt till chatboten, som svarar med relevanta kontaktuppgifter eller information.</p>
<p>Ghostbuster bygger sin kunskapsbas genom att hämta data från hela chalmers.se: programsidor, personsidor, nyhetsartiklar och andra resurser. En föreslagen förbättring är att personer själva uppdaterar sina kompetensområden, vilket gör det enklare att hitta ansvarsområden som inte är tydligt synliga på webben. Vidare finns det planer att vidareutveckla chatboten, bland annat genom bättre integration med interna system och att låta AI:n utföra enklare administrativa uppgifter.</p>
<p>Ett konkret exempel visar på skillnaden mellan att söka kontaktpersoner via chalmers.se respektive Google, där Ghostbuster snabbt kan leverera bättre svar än båda alternativen genom att direkt identifiera rätt person. Under demonstrationen visas också hur uppdatering av information sker idag, men man ser möjligheter för framtida automatisering.</p>
<p>Sammanfattningsvis fungerar Ghostbuster som en digital växel som effektivt kopplar användare till rätt person inom organisationen, och erbjuder flera utvecklingsmöjligheter för att automatisera och förbättra informationshantering inom Chalmers.</p>
<h4>Sammanfattning:</h4>
<ul>
<li>Ghostbuster är en chatbot för att hitta rätt kontaktperson inom Chalmers.</li>
<li>Bygger på insamlad data från hela webbplatsen och kan vidareutvecklas för bättre automatik.</li>
<li>Underlättar för både interna och externa personer att snabbt få svar på sina frågor.</li>
<li>Har potential att ersätta manuellt letande och agera som en digital, effektiv växel.</li>
</ul>

<p>I videon presenterar teamet konceptet Service Flow, ett AI-stött system för att effektivisera servicearbetet på campus. Genom att samla in och strukturera data om felanmälningar, reparationer och inköp får serviceavdelningen bättre överblick och möjligheter att analysera och förutse behov. Idag skickas felanmälningar ofta via enkla mejl utan viktiga detaljer, vilket försvårar uppföljning och åtgärder. Service Flow föreslår istället att ett mer systematiskt formulär används, vilket säkerställer att rätt uppgifter samlas in från början.</p>

Team Smart Uni

Team 10xIndividual

Team Data Exploit

Team Education

Team Upskill

Team AI-based feedback

Explorativa AI-projekt 2025

Välj ämne

Kursplan för

Ämne

Utbildningsområde

Tillåtna byten av obligatoriska kurser

För att se din utbildningsplan – välj det läsår du påbörjade programmet.

Explorativa AI-projekt 2025

Team Smart Campus

Projektöversikt

Videobeskrivning: Projektöversikt

Om teamets uppdrag

Videobeskrivning: Om teamets uppdrag

Digital väktare

Videobeskrivning: Digital väktare

Rumsanvändning

Videobeskrivning: Rumsanvändning

Värmekarta

Videobeskrivning: Värmekarta

Campus Forecast and Flow

Videobeskrivning: Campus forecast and flow

Restaurant-SIM

Videobeskrivning: Restaurant-SIM

Energy predictor

Videobeskrivning: Energy predictor

Tourist guide

Videobeskrivning: Tourist guide

Virtual campus

Videobeskrivning: Virtual campus

Pathfinder

Videobeskrivning: Pathfinder

Campus vision

Videobeskrivning: Campus vision

Chalmers Go

Videobeskrivning: Chalmers Go

Ghost buster

Videobeskrivning: Ghost buster

Service flow

Videobeskrivning: Service flow