Knowable Building Framework – building consent – Rennes workshop

En français

The Knowable Building Framework is a consent building framework for the release and sharing of data from sensor data captured in buildings. The Rennes workshop took place on the 18th January with 22 participants who had an interest in energy, internet of things, environment and civic technology. The meeting took place at Telecom Bretagne (IMT Atlantique).

The focus of the discussion was broadly split into technology- looking at the types of sensors being deployed in the pilot project and the data being created- and human- how the data could be used to affect behavioural change and the implications of having a dense sensor network in a building.


The Knowable Building Framework pilot in Manchester is located in an office building with sensors on a number of floors. The sensors measure temperature, humidity and motion on two floors and another floor also measuring light. The sensors are discrete and battery powered using a LoRaWAN (Long Range Wide Area Network) to send data to an intelligence platform that displays measurements on a dashboard. The information can then be used to determine time of activity within a building and how different areas are used; temperature variation over time allowing the ability to adapt heating so that it is more inline with occupancy; and humidity within areas which can be used to identify underlying issues with ventilation and damp. The light sensor modules allow the detection of room lighting.

Placement of sensors

Placement of the sensors within the building was based upon the need for the system to optimally collect data. Zones on floors, entrance areas, meeting rooms are covered. Importantly the sensors were placed in what could be considered common usage spaces i.e. spaces that were owned and operated by the building company for the benefit of all tenants and users. Areas where a tenant had exclusive access were excluded.

Preliminary insight gained from the network

A small number of sensors has already been installed and we can see from the online interface that useful data is already being created. Even at this stage we can see start to see how the building functions over the course of a number of days. We can deduce when the disparate heating systems kick in, which areas have a thermal lag, when cyclists use the storage and shower facilities and the areas that are more humid than others. As the sensor network becomes denser we will be able to see how different areas get used offering the ability to heat certain areas based upon demand.

This all looks very positive from a building management ‘mechanical’ perspective but we already can see that buildings don’t operate in isolation of the people who inhabit and work within them. At this early stage we can see how certain rooms and areas are used more regularly than others. We can start to infer patterns of activity and behaviours of the small number of people who operate the buildings on behalf of tenants. During the day the building is awash with activity that creates a certain anonymity, but out of hours, areas get cleaned, security personnel check spaces and these show up as isolated trigger events within the building. It does not take a big leap of the imagination to realise that a building optimisation platform could also be used as an instrument of surveillance.


There was broad agreement by the group that creating open data from sensor data was a good thing, especially if it could be used to benchmark buildings and enable a greater understanding of how buildings of different types behaved.

Ownership of data was seen as being important. Who is the owner of this data – the building owner or the people who inhabit or work in the space? It was highlighted that there is a relationship between ownership of the data and the power/agency people have within the space. So if you are a building owner you are more likely to feel that the data that you collect is yours as it is your building and a private space even though some of this data may be used to identify individuals. This is analogous to CCTV in that people in CCTV monitored buildings generally have very little say or knowledge of how the systems are operated other than ‘its for your security and safety’, how video is stored or who it is shared with.

Identification of need is really important with creating a sensor network or else initiatives are prone to poor application of technology with the creation of unusable data. There is also a tendency to over collect data or collect the wrong type of data. It was suggested that the forthcoming GDPR regulations might have a bearing on how data is collected within buildings and public spaces.

A criticism of the Knowable Building Framework pilot in Manchester is that the implementation has been undertaken with only the consent of the building managers who can see tangible benefit in seeing how the building operates with little consideration of its occupants.

The group identified that we need to explore how we build networks consensually as this would then be a precursor to building consent. Consensus assumes a number of things that potentially could be challenging for the implementation of sensor networks these might be:

  1. An understanding of the sensor environment’s purpose and how the data will be used
  2. The technology and what it measures
  3. What the safeguards are so that the technology is not abused
  4. Representing concerns if the technology is considered to be abused
  5. Understanding of data sharing and open data

The data that is collected from the sensors in its raw form is a rich sense of information but sharing the data as open data has risks. There are different levels of granularity that could help data owners share data but care would need to be taken in order to identify the appropriate level of aggregation and anonymisation. There is a trade-off between usefulness and privacy.

There was a some discussion on the value of the data created and if it could be used as a commodity to draw down preferential deals for building owners and building users alike. This could have some kind of leverage regarding power suppliers and building insurers.

There exist different classes of stakeholders within the building and it is important that any consent mechanism acknowledges them. These classes roughly break into; owners and management; occupants and users and; maintenance and operational.

Data needs to be available – or at least the intelligence that is derived from the data so that occupants and users of the building can understand for themselves how the building works. This would help in demystifying the technology and make it less threatening but also help people make changes to their own behaviours.

Visualisation could have a big part to play in this process as good visualisation and design enable understanding. By making the data available there is also the possibility to run events around the data to create new ways of creating information and understanding. Rennes has used the Data Remix (a form of hack event) format successfully for a number of challenges and it is suggested that one could be run that includes teams from Rennes in the future.

A further write up of the whole day (in French) can be found here

Faire un compte rendu à partir de l’atelier de travail

« Knowable Building Framework » est un modèle d’ouverture et de partage de données issues de capteurs qui collectent des données au sein des bâtiments. L’atelier de travail à Rennes a eu lieu le 18 janvier 2018 avec la participation de 35 personnes ayant une forte appétence pour les sujets énergétiques, l’internet des objets (IoT), l’environnement et l’appropriation de la technologie par les citoyens.

La rencontre s’est tenue à Telecom Bretagne (IMT Atlantique).

La discussion s’est essentiellement focalisée sur deux volets :

D’abord technologique – il a été question de chercher des types de capteurs déployés dans le projet pilote et les données créées – et d’autre part Humain – comment les données pourraient être utilisées pour induire un changement comportemental et les implications d’avoir réseau de capteurs dense dans un bâtiment.


Le projet pilote « Knowable Buildings Framework » à Manchester est situé dans un espace de Co-working contenant plusieurs capteurs répartis sur un certain nombre d’étages. Les capteurs mesurent la température, l’humidité et les mouvements sur deux niveaux et sur un autre niveau, les capteurs incluent également la luminosité.

Les capteurs sont discrets et sont alimentés par des batteries LoRaWAN (Long Range Wide Area Network) pour envoyer des données à la plateforme intelligente qui affiche les mesures sur un tableau de bord.

Les informations peuvent ensuite être utilisées pour déterminer l’activité au sein du bâtiment et la manière dont les différentes zones sont utilisées.

La variation des températures au fil du temps permet d’être en mesure d’adapter le chauffage afin que ce dernier soit plus en adéquation avec l’occupation de l’espace. 

Les informations relatives à l’humidité dans les espaces peuvent être utilisées pour identifier des problèmes sous-jacents tels que des problèmes de ventilation ou d’humidité.

Les modules de capteurs de lumière peuvent être utilisées pour détecter une présence afin d’éclairer la pièce.

L’emplacement des capteurs

Le placement des capteurs dans le bâtiment est basé sur le besoin pour le système de collecter de manière optimale les données. Les espaces au niveau des étages, les zones d’entrée et les espaces de réunion sont couvertes pour les besoins de l’expérimentation.

Point important, les capteurs sont placés dans ce que l’on pourrait considérer comme des espaces communs, c’est à dire les espaces qui appartiennent et sont exploitées par l’opérateur pour le bénéfice de tous les locataires et utilisateurs du bâtiment. Les zones où les locataires avaient un accès exclusif ont été exclues.

Aperçu préliminaire issu du réseau

Un petit nombre de capteurs ont déjà été installés et nous pouvons voir à partir de l’interface en ligne que des données utiles ont déjà été créées. Même à ce stade, nous pouvons voir comment fonctionne le bâtiment en l’espace de quelques jours. Nous pouvons voir les variations de température du système de chauffage, les zones avec un décalage thermique et les zones qui sont plus humides que d’autres.

Au fur et à mesure que le réseau de capteurs se densifie, nous pouvons voir comment différentes zones sont utilisées, offrant la possibilité de chauffer certaines zones en fonction de la demande.

Tout cela semble très positif d’un point de vue « mécanique » de la gestion du bâtiment, mais nous pouvons déjà constater que les bâtiments ne fonctionnent pas isolément des personnes qui y habitent et qui y travaillent.

A ce stade précoce, nous pouvons voir comment certaines pièces et zones sont utilisées plus souvent que d’autres. Nous pouvons commencer à déduire des modèles d’activité et de comportement d’un petit groupe de personnes qui exploitent le bâtiment.

Pendant la journée, le bâtiment est inondé d’activités qui créent un certain anonymat, mais en dehors des heures d’ouverture, les zones sont nettoyées, le personnel de sécurité vérifie les espaces et ceux-ci apparaissent comme des événements déclencheurs isolés dans le bâtiment.

Il ne faut pas faire un gros effort d’imagination pour se rendre compte qu’une plateforme d’optimisation des bâtiments pourrait également être utilisée comme un instrument de surveillance.


Le groupe a été largement d’accord pour dire que la création de données ouvertes à partir des capteurs a été une bonne chose, surtout si elle pouvait être utilisée pour comparer les bâtiments et permettre une meilleure compréhension du comportement des bâtiments de différents types.

La propriété des données était considérée comme importante. Qui est le propriétaire de ces données – le propriétaire du bâtiment ou les personnes qui habitent ou travaillent dans le bâtiment – Il a été souligné qu’il existe une relation entre la propriété des données et le pouvoir que les personnes ont dans l’espace.

Ainsi, si vous êtes propriétaire d’un bâtiment, vous avez plus de chances de penser que les données que vous collectez vous appartiennent, car il s’agit de votre bâtiment et d’un espace privé, même si certaines de ces données peuvent être utilisées pour identifier des individus.

De manière analogue aux caméras de surveillance dans la mesure où les personnes se soucient peu de la manière dont la vidéo est stockée ou avec qui elle est partagée, dans les bâtiments, les personnes ont généralement peu de choses à dire ou à savoir sur le fonctionnement des systèmes.

L’identification des besoins est vraiment importante avec la création d’un réseau de capteurs pour éviter que les initiatives soient sujettes à une mauvaise application avec pour conséquence, la création de données inutilisables.

Il y a aussi une tendance à trop recueillir de données ou à collecter le mauvais type de données. Il a été suggéré que les règlements RGPD à venir pourraient avoir une incidence sur la façon dont les données sont collectées dans les bâtiments et les espaces publics.

Une critique du projet pilote « Knowable Building Framework » à Manchester est que la mise en œuvre a été entreprise avec juste le consentement des gestionnaires de l’immeuble qui peuvent voir un avantage tangible sur le fonctionnement du bâtiment. Ces derniers n’ont cependant pas pris la peine de recueillir l’avis des occupants du bâtiment.  

Le groupe a identifié que nous avons besoin d’examiner la manière dont nous construisons les réseaux de manière consensuelle, car cela serait précurseur de la construction du consentement.

Un consensus suppose un certain nombre de choses qui pourraient potentiellement être difficile à mettre en place pour la mise en œuvre des réseaux de capteurs. Ils pourraient s’agir de :

  1. La compréhension de l’objectif de l’environnement du capteur et de la façon dont les données seront utilisées.
  2. La technologie et ce qu’elle mesure.
  3. Des garanties pour que la technologie ne soit pas utilisée à mauvais escient.
  4. La représentation des préoccupations si la technologie est dévoyée.
  5. La compréhension du partage de données et des données ouvertes.

Les données collectées à partir des capteurs dans leur forme brute sont riches en informations, mais le partage des données en tant que données ouvertes présente des risques. Il existe différents niveaux de granularité qui pourraient aider les propriétaires de données à partager des données, mais il faudrait prendre soin d’identifier le niveau approprié d’agrégation et d’anonymisation. Il y a un compromis entre l’utilité et la vie privée.

Il y a eu une discussion sur la valeur des données créées et si elles pouvaient être utilisées comme une marchandise pour tirer des accords préférentiels pour les propriétaires de bâtiments. Cela pourrait avoir une sorte de levier en ce qui concerne les fournisseurs d’énergie et les assureurs du bâtiment.

Il existe différentes catégories de parties prenantes dans le bâtiment et il est important que tout mécanisme de consentement les reconnaisse. Ces parties prenantes sont pleinement impliquées dans le bâtiment. Nous avons les propriétaires et les gestionnaires ; les occupants et utilisateurs et la maintenance et les opérationnels.

Les données doivent être disponibles – ou au moins les renseignements dérivés des données afin que les occupants et les utilisateurs du bâtiment puissent comprendre par eux-mêmes comment fonctionne le bâtiment. Cela aiderait à démystifier la technologie et la rendrait moins menaçante, mais aiderait aussi les gens à modifier leurs propres comportements.

La visualisation pourrait jouer un grand rôle dans ce processus, car une bonne visualisation et un bon design permettent la compréhension. En rendant les données disponibles, il est également possible d’exécuter des événements autour des données afin de créer de nouvelles façons de créer l’information et de la comprendre.

Rennes a utilisé avec succès le format Data Remix (sous le format d’un hack event) pour relever un certain nombre de challenge et il est suggéré d’en faire un dans le futur en incluant les équipes de Rennes.

Vous trouverez c-dessous des informations complémentaires en français de notre atelier de travail, sur le lien suivant.

Building consent

En français

The Knowable Building Framework sets out to create a consent framework for sharing building performance data from a network of sensors installed within a Victorian office building in the centre of Manchester.

The development of low-cost connected sensors coupled with the advent of low power wide area networks (LPWAN) specifically Long Range Wide Area Networks (LoRaWAN) creates the ability to monitor remote and hard to reach assets that would otherwise be too difficult or too expensive to operate and maintain.

Within the domain of building management the opportunity to retrofit passive sensors into older buildings offers the ability to understand how buildings operate over time. Giving building managers the ability to implement control measures and promote behavioural change of the buildings users – saving money and reducing environmental impact. The sensors that the Knowable Building Framework are installing measure temperature, humidity, movement and light with building managers abe to analyse the output from the sensors using an online dashboard.

Although the application of sensors in buildings may not be particularly novel, the sharing of data to allow a better understanding of building usage either within organisations or at a city level offers the potential of creating a more holistic picture of energy usage.

The idea of sharing data even if it is not shared as open data can seem daunting to many organisations and the development of a consent framework seeks to help data owners understand the data that they hold, both technically and contextually. It identifies perceived and real risk and suggests possible mitigations. Through enhancing understanding the framework hopes to make it easier for data owners to consent to data release. With some analysts predicting over 50 billion connected devices by 2020 the prospect of a confusing mess of siloed and conflicting data sources adhering to dubious technical standards is very real.

Building owners and management are only one class of stakeholders when it comes creating consent. On the face of it the temperature, humidity, movement and light may seem innocuous and are part and and parcel of understanding the use of a building, but there is a danger that the data could be used outside its original purpose. Within the first few days of sensors being installed the data revealed patterns of usage that could infer the activity of individuals. During the working day this may not be a problem but for the people who maintain offices out of hours it would not be a leap of the imagination to think that sensors could be used as a method of surveillance. These issues are not unique to office spaces and similar challenges lie within public spaces and the urban built environment.

At this point we are starting to identify three classes of stakeholders within the consent framework:

  • Building owners and management – those that have the ability to use the data for analysis and can make final decisions on data release
  • Building users – individuals and companies who pay for the use of the space
  • Building operatives – individuals employed for maintenance, cleaning and security.

Any consent framework needs to understand the concerns of these stakeholders and propose approaches to address them.

To attend our next workshop in Manchester on the 25th January click here

The Knowable Building Framework is being developed by Open Data Manchester along with its partners Sensorstream, Things Manchester and Rennes Metropole funded by the Open Data Institute.

Construire le consentement

«The Knowable Building Framework» vise à créer un modèle de consentement pour le partage des données de performance des bâtiments à partir d’un réseau de capteurs installés dans un immeuble contenant des espaces de travail dans le centre de Manchester.

Le développement des capteurs connectés à bas coûts,  couplés avec l’avènement du LPWAN ( Low Power Wide Area Networks), notamment du LoRaWAN (Long Range Wide Area Networks) offre la possibilité de surveiller des actifs distants et difficiles à atteindre qui autrement, seraient trop difficiles à exploiter ou trop cher à entretenir.

Dans le domaine du management des bâtiments, l’opportunité de moderniser les capteurs passifs dans des bâtiments anciens offre la possibilité de comprendre comment les bâtiments fonctionnent dans le temps. Donner aussi la possibilité aux gestionnaires de bâtiments d’implémenter des mesures de contrôle et de promouvoir un changement comportemental des utilisateurs du bâtiment – Faire une économie de coûts et réduire l’impact environnemental-

Les capteurs installés mesurent la température, l’humidité, la lumière et les mouvements pour ensuite analyser les performances du bâtiment à l’aide d’un tableau de bord en ligne.

Bien que l’utilisation de capteurs dans le bâtiment ne soit pas particulièrement nouveau, le partage de données provenant de ces capteurs  permet une meilleure compréhension de l’utilisation des bâtiments au sein des organisations ou au niveau des villes et offre la possibilité de créer une image plus holistique de l’utilisation de l’énergie.

L’idée de partager de données même si elles ne sont pas en mode “open data” peut sembler inquiétant pour plusieurs organisations, et le développement d’un modèle de consentement vise à aider les propriétaires de données à comprendre les données qu’ils détiennent aussi bien d’un point de vue technique que contextuel.

Il identifie les risques perçus et réels et suggère de possibles atténuations. En améliorant la compréhension, le modèle espère faciliter le consentement des propriétaires de données à la diffusion de leurs données.

Certains analystes prédisent  près de 50 Milliards d’appareils connectés d’ici 2020 et la perspective de voir un désordre des sources de données qui seraient cloisonnées et conflictuelles respectant peu les normes techniques est très sérieuse.

Les propriétaires des bâtiments et les gestionnaires représentent une partie des parties prenantes quant il est question de créer le consentement.

A première vue, la température, l’humidité, les mouvements et la lumière peuvent sembler banal mais sont parties intégrantes de la compréhension de l’utilisation d’un bâtiment. Cependant, il y a le risque que l’utilisation de la donnée soit dévoyée.

Dans les premiers jours où les capteurs furent installés, les données ont révélé des schémas d’utilisation susceptibles de comprendre l’activité des individus.

Pendant la journée de travail, cela peut ne pas poser de problème mais pour les personnes qui travaillent en dehors des heures d’ouverture (personnel de sécurité et de nettoyage), ce n’est pas difficile d’imaginer que les capteurs pourraient être utilisés comme une méthode de surveillance. Ces problèmes ne sont pas spécifiques aux espaces de bureaux et des défis similaires apparaissent aussi dans les espaces publics et dans l’environnement urbain.

A ce stade, nous commençons à identifier trois classes de parties prenantes dans le cadre du consentement:

  • Les propriétaires de bâtiment et les gestionnaires, ceux qui ont la possibilité d’utiliser les données afin de les analyser et qui sont en mesure de décider ou pas de la publication des données récoltées
  • Les utilisateurs du bâtiment, les personnes ou les entreprises qui payent pour utiliser les espaces.
  • Le personnel employé pour la maintenance, le nettoyage et la sécurité du bâtiment.

Tout cadre de consentement doit comprendre les préoccupations des parties prenantes et apporter des réponses pour y remédier.

«The Knowable Building Framework» est développé par Open Data Manchester, financé par Open Data Institute, avec ses partenaires Sensorstream, Things Manchester et la Métropole de Rennes.

Buildings, internet of things and open data – Can we create consent?

Thursday 25th January 15.00 – 17.00
Federation Street
Manchester M4 4BF

Register here

Sensors and the Internet of Things have the ability to transform the way we manage infrastructure. Open Data Manchester in partnership with Sensorstream Ltd and Things Manchester in collaboration with Rennes Metropole is exploring how data from sensors can be collected, analysed and released as open data.

This workshop should interest building owners and managers, city officials, IoT technologists, open data activists, data governance and privacy specialists and anyone interested in how data derived from sensors can be shared.

Areas of discussion:

  • Overview of technologies being used for monitoring buildings – using as an example a pilot LoRaWAN sensor network being implemented in Manchester and programmes taking place in Rennes.
  • Can the sharing of sensor data help save money and make our cities more efficient and environmentally sustainable?
  • What are the risks of sharing and how can they be mitigated against?
  • How can data be licensed as open data?
  • Can we create a consent framework to allow data to be released?

The project

The Knowable Building Framework is developing an open source internet of things consent framework for monitoring the performance of older commercial buildings in a non-invasive way using discrete low power sensors, and if appropriate publishing the data from these sensors as open data. Unlike modern stock, older buildings often fall behind as far as the utilisation of new technology is concerned. Many landlords undertake a certain amount of retrofitting such as zonal heating or movement detection systems but these tend to be ad hoc and unconnected, with no ability to monitor how effectively these systems are working either singly or together. The internet of things and the analysis of data derived from sensors can give landlords, building management and tenants insight into the performance of buildings, enabling adaptations that can be economically and environmentally beneficial, whilst also creating opportunities for behaviour change within those buildings. The sharing of performance data as open data can also have benefits for mapping energy usage and demand within cities as well as creating a debate about responsible energy consumption.


Knowable Building Framework

Helping building owners save energy, money and the environment through data

En français

The Knowable Building Framework is a UK – France collaboration project funded by the Open Data Institute that seeks to strengthen commercial opportunities and tackle societal challenges through data. It is a collaboration between Open Data Manchester, Rennes Metropole, Sensorstream and Things Manchester.

The Knowable Building Framework will develop an internet of things consent framework for monitoring the performance of older commercial buildings in a non-invasive way using discrete low power sensors, and if appropriate publishing the data from these sensors as open data. Unlike modern stock, older buildings often fall behind as far as the utilisation of new technology is concerned. Many landlords undertake a certain amount of retrofitting such as zonal heating or movement detection systems but these tend to be ad hoc and unconnected, with no ability to monitor how effectively these systems are working either singly or together. The internet of things and the analysis of data derived from sensors can give landlords, building management and tenants insight into the performance of buildings, enabling adaptations that can be economically and environmentally beneficial, whilst also creating opportunities for behaviour change within those buildings.

The project will utilise the Things Network that covers a large proportion of Greater Manchester and communities across the North with free and open Internet of Things connectivity and will allow the project team to design and connect sensors and analytics platforms seamlessly to the internet. The power of the project will come from the ability to share an appropriate amount of data across portfolios of buildings and also to the wider community as open data. Enabling insight to be gathered across the city.

The sensors

Designed and provided by Sensorstream, the sensors will have the capability to measure temperature, light, humidity and occupancy as well as a variety of other relevant conditions. The sensors are discrete measuring approximately 90mm x 130mm, lightweight and powered by a 3V AA batteries that can, depending on setup, operate over many years.

The network

The sensors connect to Manchester’s public Long Range Wide Area Network managed by Things Manchester. This commons-based network provides the capability for communities throughout Greater Manchester to connect internet of things enabled devices for free.

The analysis

Data from the sensors is aggregated into a dashboard interface that shows the operating characteristics over time, enabling the planning of control measures or behavioural change initiatives.

The Framework

The main focus of the project is the development of a framework that will help building owners and operators understand the data that buildings can produce and create a consent mechanism so that data can be shared and released as open data. There are many reasons why the release of this data may be contentious and the Knowable Building Framework seeks to work with building owners to identify and understand these reasons, the risks and the mitigations.

The How

Over the next two months the pilot sensor environment will be installed in Federation and will be used as the basis of the framework. Open Data Manchester will also be running a series of workshops in Rennes and Manchester with building owners, technologists and city officials to try and understand the challenges and utility of sharing building performance data.

The framework will be designed as an open source tool that can then be used to develop similar consent mechanisms for sensor data in other scenarios.

For more information contact Julian Tait julian[at]opendatamanchester[.]org[.]uk

Knowable Building Framework

Aider les Propriétaires de bâtiments à faire des économies d’argent, d’énergie et à préserver l’environnement.

The Knowable Building Framework est un projet de collaboration entre la France et UK financé par l’Open Data Institute qui vise à renforcer les opportunités commerciales et à relever les défis sociétaux à travers l’utilisation des données. C’est une collaboration entre Open Data Manchester, La métropole de Rennes, Sensorstream et Things Manchester.

The Knowable Building Framework développera un modèle de consentement pour l’internet des objets afin de surveiller la performance des bâtiments commerciaux anciens dans une logique non-intrusive, en utilisant des capteurs discrets de faible puissance et dans la mesure du possible, en diffusant les données de ces capteurs comme données publiques.

Contrairement aux bâtiments modernes, les bâtiments anciens sont souvent en retard dans l’utilisation des nouvelles technologies. De nombreux propriétaires procèdent à certaines rénovations notamment sur les zones de chauffage ou les systèmes de détection par mouvement, mais ceux-ci ont tendance à rester ponctuels et non connectés, sans la possibilité de contrôler l’efficacité de ces systèmes seuls ou ensemble.

L’internet des Objets et l’analyse des données issues des capteurs peuvent donner aux propriétaires, aux exploitants et aux locataires un aperçu des performances des bâtiments permettant ainsi de faire des ajustements qui seront bénéfiques tant d’un point de vue économique qu ‘écologique, tout en créant des opportunités de changement de comportement dans ces bâtiments.

Le projet utilisera Things Network qui couvrira une grande partie du Grand Manchester et des communautés du Nord, avec une connectivité internet gratuite et ouverte qui permettra à l’équipe projet, de concevoir et de connecter les capteurs et les plateformes analytiques à internet.

La puissance du projet viendra de la capacité à partager la quantité appropriée de données, à travers les portefeuilles de bâtiment, à une communauté plus large en tant que données ouvertes. Permettre que des idées puissent être recueillies à travers la ville.

Les capteurs

Désigné et fourni par Sensorstream, les capteurs auront la possibilité de mesurer la température, la lumière, l’humidité et l’occupation de l’espace ainsi que divers autres éléments pertinents. Les capteurs sont discrets, mesurant à peu près 90mm x 130mm, légers et alimentés par une pile AA 1,5 V qui, selon la configuration, peut fonctionner plusieurs années.

Le Réseau

Les capteurs se connectent au réseau public étendu de Manchester géré par Things Manchester. Ce réseau commun permet aux communautés à travers le Grand Machester de connecter gratuitement des appareils compatibles à internet.


Les données des capteurs sont agrégés dans l’interface d’un tableau de bord qui montre les caractéristiques de fonctionnement dans le temps, permettant la planification de mesures de contrôle ou des initiatives de changement de comportement.

Le Modèle

Le but principal du projet est de développer un modèle qui aidera les propriétaires de bâtiment et les exploitants à comprendre les données que les bâtiments peuvent produire et de créer un mécanisme de consentement afin que les données puissent être diffusées et partagées en tant que données ouvertes.

Il y a plusieurs raisons pour lesquelles la diffusion de données est controversée et le Knowable Building Framework cherche à travailler avec les propriétaires de bâtiments pour identifier et comprendre ces raisons, les risques et les assouplissements qui pourraient exister.

Comment ?

Au cours des deux prochains mois, l’environnement du pilote capteur sera installé dans le bâtiment “Fédération”  et sera utilisé comme un modèle de base. Open Data Manchester réalisera une série d’ateliers à Rennes et à Manchester avec les propriétaires de bâtiments, des techniciens et des responsables de la Métropole pour tenter de comprendre les défis et l’utilité de partager les données de performance des bâtiments.

Le modèle sera désigné comme un outil open source qui, par la suite, puisse être utilisé pour développer des mécanismes similaires de consentement pour les données issues de capteurs dans d’autres scénarios.