← 論文一覧に戻る

Autodesk Insightと機械学習を用いた建築物炭素排出量の最適化・予測：ベトナムにおけるケーススタディ

Application of Autodesk Insight and machine learning for optimizing and predicting building carbon emissions: A case study in Vietnam (原題)

Ngoc-Son Truong, T. Nguyen, T. Nguyen, Chuong Hoa Nguyen, Thi Thao Nguyen Ha

2026-01-01#AI×ESG経営インパクト: コスト削減対象セクター: construction
DOI: 10.1088/1755-1315/1674/1/012061
原典: https://doi.org/10.1088/1755-1315/1674/1/012061
📄 PDF

🤖 gxceed AI 要約

日本語

本研究は6D BIM、Autodesk Insight、機械学習を統合し、ベトナム・ダナンの銀行建物を対象に建材由来のエンボディド炭素と運用炭素を合わせた総炭素排出量を分析・予測する手法を提案する。外皮システムの多シナリオシミュレーションでデータを生成し、Weka上で複数の機械学習モデルを訓練・検証、最も精度の高い予測アルゴリズムを特定した。熱帯気候に最適な材料組合せを明らかにするとともに、複雑なシミュレーションを繰り返さずに炭素排出量を迅速に予測できるモデルを構築し、ネットゼロに向けたデータ駆動型設計を促進する。

English

This study integrates 6D BIM, Autodesk Insight simulation, and machine learning to analyze and predict total embodied plus operational carbon for a bank building in Da Nang, Vietnam. Multi-scenario envelope simulations generate data used to train and validate ML models on Weka, identifying the most accurate predictor. It finds the optimal material combination for the tropical climate and delivers a fast predictive model enabling data-driven, Net Zero-oriented design decisions.

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

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本では建築物の省エネ・脱炭素設計とLCA開示が進み、ZEBやCASBEE、非財務開示での建築炭素データ活用が課題となる。設計初期段階で機械学習により炭素量を迅速予測する本手法は、国内建設・不動産セクターのScope 3・上流炭素管理や設計意思決定の効率化に示唆を与える。

In the global GX context

As ISSB/ISSB-aligned disclosure pushes companies to quantify upstream and building-related emissions, this work shows how ML surrogates can make early-stage carbon assessment fast and repeatable. It adds a Global South empirical case to the emerging literature linking BIM-based carbon accounting with disclosure-ready data pipelines.

👥 読者別の含意

🔬研究者:BIMシミュレーションと機械学習を組み合わせた建築炭素予測の実証例として、サロゲートモデル設計やデータ生成手法の参考になる。

🏢実務担当者:設計初期に炭素排出量を迅速に見積もる手法として、建設・不動産企業のScope 3上流管理や設計判断に活用できる。

🏛政策担当者:建築物の炭素評価を設計段階で標準化する際、シミュレーションと機械学習を組み合わせた効率的手法の政策的可能性を示す。

📄 Abstract（原文）

The construction industry’s contribution of up to 40% of global greenhouse gas emissions makes controlling and optimizing carbon footprints during the preliminary design stage crucial for achieving sustainability goals. To effectively mitigate this environmental impact, a comprehensive evaluation must encompass both material-related Embodied Carbon and energy-related Operational Carbon. This study proposes an integrated process combining 6D BIM building information modeling, Autodesk Insight simulation tools, and machine learning algorithms to analyze and predict total carbon emissions for the SHB Bank building in Da Nang. Through the development of parametric models in Autodesk Revit, the study performs multi-scenario simulations of the building envelope system to extract quantitative data on operational and integrated carbon. This dataset is then used to train and validate machine learning models on the Weka platform to determine the most accurate predictive algorithm based on correlation coefficients and absolute error. The research results not only identified the optimal material combination to minimize the carbon footprint in Da Nang’s tropical climate, but also established an intelligent predictive model. This model helps architects quickly predict the total carbon emissions of a building without repeating complex simulation processes, thereby promoting data-driven design decision-making towards a Net Zero goal for modern urban infrastructure.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。