This dissertation addresses the potential of occupant-centric building strategies to reduce emissions throughout the building life cycle. It develops a framework for modeling occupants’ presence and actions using machine learning and deep learning, tackling challenges posed by data scarcity and diverse behaviors. The dissertation generates window operation and occupancy detection models by integrating multiple data sources. It identifies key environmental factors that influence occupant behavior and demonstrates broad applicability across various building types.     «

This dissertation addresses the potential of occupant-centric building strategies to reduce emissions throughout the building life cycle. It develops a framework for modeling occupants’ presence and actions using machine learning and deep learning, tackling challenges posed by data scarcity and diverse behaviors. The dissertation generates window operation and occupancy detection models by integrating multiple data sources. It identifies key environmental factors that influence occupant behavior...     »

Diese Dissertation befasst sich mit Potenzial von nutzerzentrierter Gebäudestrategien, um Emissionen während des Lebenszyklus von Gebäuden zu reduzieren. Sie entwickelt ein Framework zur Modellierung der Anwesenheit und Handlungen von Nutzenden mithilfe von Machine Learning und Deep Learning, wobei sie Herausforderungen durch Datenknappheit und unterschiedliche Verhaltensweisen bewältigt. Durch die Integration mehrerer Datenquellen entstehen Modelle für Fensterbetrieb und Anwesenheitserkennung. Zudem identifiziert die Dissertation zentrale Umweltfaktoren, die das Verhalten der Nutzenden beeinflussen, und zeigt eine breite Anwendbarkeit in verschiedenen Gebäudetypen auf.     «

Diese Dissertation befasst sich mit Potenzial von nutzerzentrierter Gebäudestrategien, um Emissionen während des Lebenszyklus von Gebäuden zu reduzieren. Sie entwickelt ein Framework zur Modellierung der Anwesenheit und Handlungen von Nutzenden mithilfe von Machine Learning und Deep Learning, wobei sie Herausforderungen durch Datenknappheit und unterschiedliche Verhaltensweisen bewältigt. Durch die Integration mehrerer Datenquellen entstehen Modelle für Fensterbetrieb und Anwesenheitserkennung....     »