A data-driven and AI-integrated framework for urban energy performance: supporting energy efficiency in early-stage design

Urban centers and their structures are central to economic, cultural, and developmental activities. Although these areas collectively occupy less than 10% of the global land surface, they are responsible for a significant proportion of global energy consumption. Furthermore, a substantial part of the limited amount of residual CO2 that can be emitted to limit climate change effects is likely to originate from urban buildings. Despite technical and political efforts to enhance urban resilience and reduce urban energy use, the path to buildings’ decarbonization is extensive. In this context, the designers' role is crucial to the technical and social response against climate change, and providing a new generation of tools and instruments is central to guide their decisions towards sustainable cities. Designers and policymakers need streamlined methods and tools to achieve demonstrable levels of environmental sustainability from the earliest design stages without limiting design action, untying the energy efficiency from the cost of its assessment, and without oversimplifying the designers' evaluations. Data-informed digital tools offer a strategic approach for optimizing limited resources to assess energy consumption in buildings, allowing different stakeholders to make informed design decisions – especially in the early stages – and facilitating the formulation of relevant urban policies. This research project supports the large-scale adoption of digital tools for sustainable integrated design at city scale by the Architecture, Engineering and Construction sector. Despite growing attention to the topic, there remains a lack of a clear framework for integrating data-driven tools into the design workflow, particularly for practitioners actively involved in conceptualizing and conducting feasibility analyses for decarbonizing new urban spaces. The central gap is identified in the lack of methods, algorithms and tools to analyze and optimize urban performance in the early design stage, especially for multiple building scenarios. The overarching aim of this research is to provide a practical decision support framework that enables designers, policymakers, and various stakeholders to make informed decisions from the earliest design stages. It streamlines the design process by integrating advanced digital tools, including artificial intelligence and data-driven methods, to predict the energy performance of new urban areas with the limited information available at the early design stage. The primary goal is to reduce operational CO2 emissions related to urban building operational energy consumption, shifting the focus from individual buildings to the broader urban context. First, a business-as-usual workflow is identified and streamlined for each actor involved in the early-stage design process. This workflow definition was developed through expert judgement and insights gathered from informal interviews with key practitioners, providing critical input for integrating data-driven tools. Second, a user-centric framework was developed to streamline computational requirements, data, and calibration needs. This framework facilitated the swift development and application of tools for assessing building energy performance informed by geometric, weather, and context-defined data. Third, the framework was applied through the development of a digital tool to rapidly generate early-stage urban building performance simulation models. These models focused on pathways for reducing operational carbon, aiming to substantially decrease both the time and resources needed. Ultimately, this thesis compared two business-as-usual methods (physics-based and solely analytical) with the data-driven tool based on the framework through a hypothetical case study. This integration sought to enhance the understanding and inference of energy usage in urban buildings and cities. Each step was documented, and the findings were juxtaposed with those from conventional modeling practices. The major contribution is the development and validation of a framework that streamlines data requirements and workflow integration, rapidly generating and exploiting building performance simulations in an urban context scenario. This supports design exploration and helps designers develop carbon reduction pathways, achieving ever-higher levels of environmental sustainability. This research project presents a significant advancement in the field of urban sustainability by addressing the critical need for early-stage urban design tools and strategies that integrate data-driven methods to optimize building energy performance within urban neighborhoods. The intellectual merit lies in developing a scenario-modeling framework that leverages data-driven artificial intelligence tools within an industry-driven urban design workflow to predict and enhance the energy performance of clusters of buildings. By focusing on multiple building scenarios rather than isolated structures, the research provides a quantitative approach to decarbonization planning, essential for achieving significant reductions in operational CO2 emissions. Working with both academia and industry partners across Europe and United States to build a user-centric framework further reinforces the robustness and applicability of the research outcomes. This project sets a precedent for integrating advanced computational tools within early stages of urban design workflows, thereby pushing the boundaries of sustainable urban design practices.

I centri urbani sono centrali per le attività economiche, culturali e di sviluppo. Sebbene queste aree occupino collettivamente meno del 10% della superficie terrestre globale, sono responsabili di una quota significativa del consumo energetico mondiale. Inoltre, una parte sostanziale della limitata quantità di CO2 residua che può essere emessa per limitare gli effetti del cambiamento climatico è destinata a provenire dagli edifici urbani. Nonostante gli sforzi tecnici e politici per migliorare la resilienza urbana e ridurre il consumo energetico nelle città, il percorso verso la decarbonizzazione degli edifici è ancora lungo. In questo contesto, il ruolo dei progettisti è cruciale nella risposta tecnica e sociale ai cambiamenti climatici, e fornire una nuova generazione di strumenti e metodi è essenziale per guidare le loro decisioni verso città sostenibili. Progettisti e policymakers necessitano di metodi e strumenti semplificati per raggiungere livelli dimostrabili di sostenibilità ambientale fin dalle prime fasi di progettazione, senza limitare l'azione progettuale, svincolando l’efficienza energetica dal costo della sua valutazione e senza semplificare eccessivamente le analisi dei progettisti. Gli strumenti digitali basati sui dati offrono un approccio strategico per ottimizzare le risorse limitate e valutare il consumo energetico degli edifici, permettendo ai diversi stakeholder di prendere decisioni informate in fase progettuale, specialmente nelle fasi iniziali, e facilitando la formulazione di politiche urbane adeguate. Questo progetto di ricerca supporta l'adozione su larga scala di strumenti digitali per la progettazione sostenibile integrata su scala urbana. Nonostante la crescente attenzione al tema, manca ancora un quadro chiaro per integrare strumenti basati sui dati nel flusso di lavoro della progettazione, in particolare per i professionisti attivamente coinvolti nella concettualizzazione e nelle analisi di fattibilità per la decarbonizzazione di nuovi spazi urbani. Il divario principale risiede nella mancanza di metodi, algoritmi e strumenti per analizzare e ottimizzare le prestazioni urbane nelle prime fasi di progettazione, specialmente per scenari con più edifici. L'obiettivo principale di questa ricerca è fornire un framework pratico di supporto alle decisioni che consenta a progettisti, responsabili politici e vari stakeholder di prendere decisioni informate fin dalle prime fasi di progettazione. Il framework semplifica il processo progettuale integrando strumenti digitali avanzati, tra cui l’intelligenza artificiale e metodi basati sui dati, per prevedere le prestazioni energetiche di nuove aree urbane con le informazioni limitate disponibili nelle prime fasi di progettazione. L'obiettivo primario è ridurre le emissioni di CO2 operative legate al consumo energetico degli edifici urbani, spostando l’attenzione dal singolo edificio al contesto urbano più ampio. In primo luogo, è stato identificato e semplificato un flusso di lavoro tipico per ogni attore coinvolto nel processo di progettazione preliminare. Questa definizione del flusso di lavoro è stata sviluppata attraverso il giudizio di esperti e approfondimenti raccolti tramite interviste informali con professionisti del settore, fornendo input critici per l'integrazione di strumenti basati sui dati. In secondo luogo, è stato sviluppato un framework incentrato sull'utente per ottimizzare i requisiti computazionali, i dati e le necessità di calibrazione. Questo framework ha facilitato lo sviluppo e l'applicazione rapida di strumenti per la valutazione delle prestazioni energetiche degli edifici, basati su dati geometrici, climatici e contestuali. In terzo luogo, il framework è stato applicato attraverso lo sviluppo di uno strumento digitale per la generazione rapida di modelli di simulazione delle prestazioni energetiche degli edifici in fase iniziale. Questi modelli si sono concentrati su percorsi per la riduzione del carbonio operativo, con l'obiettivo di ridurre significativamente sia il tempo che le risorse necessarie. Infine, questa tesi ha confrontato due metodi tradizionali (basati sulla fisica e puramente analitici) con lo strumento basato sui dati sviluppato all'interno del framework, applicandoli a un caso studio ipotetico. Questa integrazione ha cercato di migliorare la comprensione e l’interpretazione dell’uso energetico negli edifici urbani e nelle città. Ogni fase è stata documentata, e i risultati sono stati confrontati con quelli ottenuti tramite pratiche di modellazione convenzionali. Il principale contributo di questa ricerca è lo sviluppo e la validazione di un framework che ottimizza i requisiti di dati e l'integrazione dei flussi di lavoro, generando rapidamente simulazioni delle prestazioni energetiche degli edifici in un contesto urbano. Questo framework supporta l’esplorazione progettuale e aiuta i progettisti a sviluppare percorsi di riduzione del carbonio, raggiungendo livelli sempre più elevati di sostenibilità ambientale. Questo progetto di ricerca rappresenta un significativo progresso nel campo della sostenibilità urbana, affrontando la necessità critica di strumenti e strategie per la progettazione urbana nelle fasi iniziali, integrando metodi basati sui dati per ottimizzare le prestazioni energetiche degli edifici all'interno dei quartieri urbani. Il valore scientifico risiede nello sviluppo di un framework di modellazione degli scenari che sfrutta strumenti di intelligenza artificiale basati sui dati all’interno di un flusso di lavoro di progettazione urbana orientato all'industria, con l'obiettivo di prevedere e migliorare le prestazioni energetiche di gruppi di edifici. Concentrandosi su scenari multi-edificio piuttosto che su strutture isolate, la ricerca offre un approccio quantitativo alla pianificazione della decarbonizzazione, essenziale per ottenere riduzioni significative delle emissioni di CO₂ operative. Collaborare con il mondo accademico e partner industriali in Europa e negli Stati Uniti per costruire un framework incentrato sull'utente rafforza ulteriormente la solidità e l’applicabilità dei risultati della ricerca. Questo progetto stabilisce un precedente per l'integrazione di strumenti computazionali avanzati nelle prime fasi dei flussi di lavoro della progettazione urbana, ampliando così i confini delle pratiche di progettazione sostenibile delle città.