Abstract A future vision of enabling technologies for the needs of energy conservation as well as energy efficiency based on the most important megatrends identified, namely climate change, urbanization, and digitalization. In the United States and in the European Union, about 40% of total energy consumption goes into energy use by buildings. Moreover, indoor climate quality is recognized as a distinct health hazard. On account of these two factors, energy efficiency and healthy housing are active topics in international research. The main aims of this thesis are to study which elements affect indoor climate quality, how energy consumption describes building energy efficiency and to analyse the measured data using intelligent computational methods. The data acquisition technology used in the studies relies heavily on smart metering technologies based on Building Automation Systems (BAS), big data and the Internet of Things (IoT). The data refining process presented and used is called Knowledge Discovery in Databases (KDD). It contains methods for data acquisition, pre-processing, data mining, visualisation and interpretation of results, and transformation into knowledge and new information for end users. In this thesis, four examples of data analysis and knowledge deployment concerning small houses and school buildings are presented. The results of the case studies show that the data mining methods used in building energy efficiency and indoor climate quality analysis have a great potential for processing a large amount of multivariate data effectively. An innovative use of computational methods provides a good basis for researching and developing new information services. In the KDD process, researchers should co-operate with end users, such as building management and maintenance personnel as well as residents, to achieve better analysis results, easier interpretation and correct conclusions for exploiting the knowledge. / Tiivistelmä Tulevaisuuden visio energiansäästön sekä energiatehokkuuden mahdollistavista teknologioista pohjautuu tärkeimpiin tunnistettuihin megatrendeihin, ilmastonmuutokseen, kaupungistumiseen ja digitalisoitumiseen. Yhdysvalloissa ja Euroopan unionissa käytetään noin 40 % kokonaisenergiankulutuksesta rakennusten käytön energiatarpeeseen. Myös rakennusten sisäilmaston on havaittu olevan ilmeinen terveysriski. Perustuen kahteen edellä mainittuun tekijään, energiatehokkuus ja asumisterveys ovat aktiivisia tutkimusaiheita kansainvälisessä tutkimuksessa. Tämän väitöskirjan päätavoitteena on ollut tutkia, mitkä elementit vaikuttavat sisäilmastoon ja rakennusten energiatehokkuuteen pääasiassa analysoimalla mittausdataa käyttäen älykkäitä laskennallisia menetelmiä. Tutkimuksissa käytetyt tiedonkeruuteknologiat perustuvat etäluentaan ja rakennusautomaatioon, big datan hyödyntämiseen ja esineiden internetiin (IoT). Väitöskirjassa esiteltävä tietämyksen muodostusprosessi (KDD) koostuu tiedonkeruusta,datan esikäsittelystä, tiedonlouhinnasta, visualisoinnista ja tutkimustulosten tulkinnasta sekä tietämyksen muodostamisesta ja oleellisen informaation esittämisestä loppukäyttäjille. Tässä väitöstutkimuksessa esitellään neljän data-analyysin ja niiden pohjalta muodostetun tietämyksen hyödyntämisen esimerkkiä, jotka liittyvät pientaloihin ja koulurakennuksiin. Esimerkkitapausten tulokset osoittavat, että käytetyillä tiedonlouhinnan menetelmillä sovellettuna rakennusten energiatehokkuus- ja sisäilmastoanalyyseihin on mahdollista jalostaa suuria monimuuttuja-aineistoja tehokkaasti. Laskennallisten menetelmien innovatiivinen käyttö antaa hyvät perusteet tutkia ja kehittää uusia informaatiopalveluja. Tutkijoiden tulee tehdä yhteistyötä loppukäyttäjinä toimivien kiinteistöhallinnan ja -ylläpidon henkilöstön sekä asukkaiden kanssa saavuttaakseen parempia analyysituloksia, helpompaa tulosten tulkintaa ja oikeita johtopäätöksiä tietämyksen hyödyntämiseksi.

Abstract The amount of information available has increased due to the development of our modern digital society. This has caused an information overflow, meaning that there is lot of data available but the meaningful information or knowledge is hidden inside the overwhelming data smog. Nevertheless, the large amount of data together with the increased capabilities of computers provides a great opportunity to learn the behaviour of different kinds of phenomena at a more detailed level. The quality of life, well-being and a healthy living environment, for example, are fields where new information services can assist the creation of proactive decisions to avoid environmental problems caused by industrial activity, traffic, or extraordinary weather conditions. The combination of data coming from different sources such as public registers, companies’ operational information systems, online sensors and process monitoring systems provides a fruitful basis for creating new valuable information for citizens, decision makers or other end users. The aim of this thesis is to present the concept of intelligent information services and a methodological background in order to add intelligence using computational methods for the enrichment of multidimensional data. Moreover, novel examples are presented where new significant information is created and then provided for end users. The data refining process used is called data mining and contains methods for data collection, pre-processing, modelling, visualizing and interpreting the results and sharing the new information thus created. Information systems are a base for the creation of information services, meaning that stakeholder groups have access only to information but they do not own the whole information system that contains measurement systems, data collecting, and a technological platform. Intelligence in information services comes from the use of computational intelligent methods in data processing, modelling and visualization. In this thesis the general concept of such services is presented and concretized using five cases that focus on environmental and industrial examples. The results of these case studies show that the combination of different data sources provides fertile ground for developing new information services. The data mining methods used such as clustering and predictive modelling together with effective pre-processing methods have great potential to handle the large amount of multivariate data in this environmental context also. A self-organizing map combined with k-means clustering is useful for creating more detailed information about personal energy use. Predictive modelling using a multilayer perceptron (MLP) is well suited for estimating the number of tourists visiting a leisure centre and to find the correspondence between pulp process characteristics and the chemicals used. These results have many indirect effects on reducing negative concerns regarding our surroundings and maintaining a healthy living environment. The innovative use of stored data is one of the main elements in the creation of future information services. Thus, more emphasis should be placed on the development of data integration and effective data processing methods. Furthermore, it is noted that final end users, such as citizens or decision makers, should be involved in the data refining process at the very first stage. In this way, the approach is truly customer-oriented and the results fulfil the concrete need of specific end users. / Tiivistelmä Informaation määrä on kasvanut merkittävästi tietoyhteiskunnan kehittymisen myötä. Käytössämme onkin huomattava määrä erimuotoista tietoa, josta voimme hyödyntää kuitenkin vain osan. Jatkuvasti mitattavan datan suuri määrä ja sijoittuminen hajalleen asettavat osaltaan haasteita tiedon hyödyntämiselle. Tietoyhteiskunnassa hyvinvointi ja terveellisen elinympäristön säilyminen koetaan aiempaa tärkeämmäksi. Toisaalta yritysten toiminnan tehostaminen ja kestävän kehityksen edistäminen vaativat jatkuvaa parantamista. Informaatioteknologian avulla moniulotteista mittaus- ja rekisteritietoa voidaan hyödyntää esimerkiksi ennakoivaan päätöksentekoon jolla voidaan edistää edellä mainittuja tavoitteita. Tässä työssä on esitetty ympäristöalan älykkäiden informaatiopalveluiden konsepti, jossa oleellista on loppukäyttäjien tarpeiden tunnistaminen ja ongelmien ratkaiseminen jalostetun informaation avulla. Älykkäiden informaatiopalvelujen taustalla on yhtenäinen tiedonlouhintaan perustuva tiedonjalostusprosessi, jossa raakatieto jalostetaan loppukäyttäjille soveltuvaan muotoon. Tiedonjalostusprosessi koostuu datan keräämisestä ja esikäsittelystä, mallintamisesta, tiedon visualisoinnista, tulosten tulkitsemisesta sekä oleellisen tiedon jakamisesta loppukäyttäjäryhmille. Datan käsittelyyn ja analysointiin on käytetty laskennallisesti älykkäitä menetelmiä, josta juontuu työn otsikko; älykkäät informaatiopalvelut. Väitöskirja pohjautuu viiteen artikkeliin, joissa osoitetaan tiedonjalostusprosessin toimivuus erilaisissa tapauksissa ja esitetään esimerkkejä kuhunkin prosessin vaiheeseen soveltuvista laskennallisista menetelmistä. Artikkeleissa on kuvattu matkailualueen kävijämäärien ennakointiin ja kotitalouksien sähköenergian kulutuksen pienentämiseen liittyvät informaatiopalvelut sekä analyysi selluprosessissa käytettävien kemikaalien määrän pienentämiseksi. Näistä saadut kokemukset ja tulokset on yleistetty älykkään informaatiopalvelun konseptiksi. Väitöskirjan toisena tavoitteena on rohkaista organisaatioita hyödyntämään tietovarantoja aiempaa tehokkaammin ja monipuolisemmin sekä rohkaista tarkastelemaan myös oman organisaation ulkopuolelta saatavien tietolähteiden käyttämistä. Toisaalta, uudenlaisten informaatiopalvelujen ja liiketoimintojen kehittämistä tukisi julkisilla varoilla kerättyjen, ja osin yritysten hallussa olevien, tietovarantojen julkaiseminen avoimiksi.

Abstract Global warming has set in motion a trend for cutting energy costs to reduce the carbon footprint. Reducing energy consumption, cutting greenhouse gas emissions and eliminating energy wastage are among the main goals of the European Union (EU). The buildings sector is the largest user of energy and CO2 emitter in the EU, estimated at approximately 40% of the total consumption. According to the International Panel on Climate Change, 30% of the energy used in buildings could be reduced with net economic benefits by 2030. At the same time, indoor air quality is recognized more and more as a distinct health hazard. Because of these two factors, energy efficiency and healthy housing have become active topics in international research. The main aims of this thesis were to study and develop a wireless building monitoring and control system that will produce valuable information and services for end-users using computational methods. In addition, the technology developed in this thesis relies heavily on building automation systems (BAS) and some parts of the concept termed the “Internet of Things” (IoT). The data refining process used is called knowledge discovery from data (KDD) and contains methods for data acquisition, pre-processing, modeling, visualization and interpreting the results and then sharing the new information with the end-users. In this thesis, four examples of data analysis and knowledge deployment are presented. The results of the case studies show that innovative use of computational methods provides a good basis for researching and developing new information services. In addition, the data mining methods used, such as regression and clustering completed with efficient data pre-processing methods, have a great potential to process a large amount of multivariate data effectively. The innovative and effective use of digital information is a key element in the creation of new information services. The service business in the building sector is significant, but plenty of new possibilities await capable and advanced companies or organizations. In addition, end-users, such as building maintenance personnel and residents, should be taken into account in the early stage of the data refining process. Furthermore, more advantages can be gained by courageous co-operation between companies and organizations, by utilizing computational methods for data processing to produce valuable information and by using the latest technologies in the research and development of new innovations. / Tiivistelmä Rakennus- ja kiinteistösektori on suurin fossiilisilla polttoaineilla tuotetun energian käyttäjä. Noin 40 prosenttia kaikesta energiankulutuksesta liittyy rakennuksiin, rakentamiseen, rakennusmateriaaleihin ja rakennuksien ylläpitoon. Ilmastonmuutoksen ehkäisyssä rakennusten energiankäytön vähentämisellä on suuri merkitys ja rakennuksissa energiansäästöpotentiaali on suurin. Tämän seurauksena yhä tiiviimpi ja energiatehokkaampi rakentaminen asettaa haasteita hyvän sisäilman laadun turvaamiselle. Näistä seikoista johtuen sisäilman laadun tutkiminen ja jatkuvatoiminen mittaaminen on tärkeää. Väitöskirjan päätavoitteena on kuvata kehitetty energiankulutuksen ja sisäilman laadun monitorointijärjestelmä. Järjestelmän tuottamaa mittaustietoa on jalostettu eri loppukäyttäjiä palvelevaan muotoon. Tiedonjalostusprosessi koostuu tiedon keräämisestä, esikäsittelystä, tiedonlouhinnasta, visualisoinnista, tulosten tulkitsemisesta ja oleellisen tiedon välittämisestä loppukäyttäjille. Aineiston analysointiin on käytetty tiedonlouhintamenetelmiä, kuten esimerkiksi klusterointia ja ennustavaa mallintamista. Väitöskirjan toisena tavoitteena on tuoda esille jatkuvatoimiseen mittaamiseen liittyviä haasteita sekä rohkaista yrityksiä ja organisaatioita käyttämään tietovarantoja monipuolisemmin ja tehokkaammin. Väitöskirja pohjautuu viiteen julkaisuun, joissa kuvataan kehitetty monitorointijärjestelmä, osoitetaan tiedonjalostusprosessin toimivuus erilaisissa tapauksissa ja esitetään esimerkkejä kuhunkin prosessivaiheeseen soveltuvista laskennallisista menetelmistä. Julkaisuissa on kuvattu energiankulutuksen ja sisäilman laadun informaatiopalvelu sekä sisäilman laatuun liittyviä data-analyysejä omakoti- ja kerrostaloissa sekä koulurakennuksissa. Innovatiivinen digitaalisen tiedon hyödyntäminen on avainasemassa kehitettäessä uusia informaatiopalveluita. Kiinteistöalalle on kehitetty lukuisia informaatioon pohjautuvia palveluita, mutta ala tarjoaa edelleen hyviä liiketoimintamahdollisuuksia kyvykkäille ja kehittyneille yrityksille sekä organisaatioille.