“Men Mikkel, hvorfor tilstandsvurderer i ikke udvendige bygningsdele ud fra Google Street View?”
Det er fristende at bruge Google Maps og Street View, til automatisk at tilstandsvurdere udvendige bygningsdele, ved hjælp af multimodale sprogmodeller. Men på trods af at Google kan give et overblik, er det langt fra en pålidelig metode til at vurdere tilstanden af bygningsdele.
I denne blogpost dykker jeg ned i hvorfor vi vælger ikke at give et bud på stand, restlevetid og vedligeholdelsesomkostninger på bygningsdele, ud fra billeder i Google Maps.
Billedopløsningen er ikke altid tilstrækkelig
Kvaliteten af de billeder, som kommer fra Google Street View, er meget varierende. Den afhænger i høj grad af, hvor tæt på bygningen billedet er taget. Er vinduet ved at være slidt, eller trænger det til maling? Måske fungerer det endda som det skal?
Udover at billedkvaliteten på billederne nedenfor er for dårlig til at kunne sige noget om tagets tilstand, kan det også være svært at se, om en tagside er i skyggen, eller om dele af taget er installeret på forskellige tidspunkter.
Her kunne det ligne at taget er installeret på samme tidspunkt, men i virkeligheden er dele af taget skiftet i forbindelse med en tilbygningen.
Hele taget på billedet her er relativt nyt, men ser stadig meget forskelligt ud pga. hvordan lyset falder.
Det kan altså være rigtig svært at lave en pålidelig tilstandsvurdering af tag, vinduer, eller andre udvendige bygningsdele, hvis den baseres udelukkende på billeder fra Google.
Synsvinklen til bygningen kan være begrænset
Et andet problem man kan rende ind i, er at bygningen ikke kan ses ordentligt. For mange bygninger, vil der kun være billeder tilgængelige fra en eller to sider, og en tilstandsvurdering vil derfor skulle antage, at bygningen ser ud på samme måde hele vejen rundt. Billedet nedenfor er fra bygningen jeg selv bor i. Den ser markant anderledes ud på den anden side, da der er installeret altaner på bagsiden.
En del af den overordnede bygningsmasse vil også være gemt bag træer i haven, stilladser, eller andre midlertidige installationer, såsom reklamebannere. Det gør det umuligt at tilstandsvurdere de ydre bygningsdele på sådanne bygninger.
Sidst men ikke mindst, er der bygninger som der slet ikke findes Street View for. Muligheden for at lave tilstandsvurderinger på disse bygninger er derfor meget begrænsede. Bygningerne i de røde firkanter på billedet nedenfor, er eksempler derpå.
Vi stræber efter at lave løsninger, som virker for alle bygninger
Argumenterne i de ovenstående afsnit har alle været med i overvejelserne, om at tilstandsvurdere udvendige bygningsdele fra billeder i Google Maps/Street View. proprty.ai’s bygningsdelskort favner i skrivende stund 46 bygningsdele, hvoraf langt de fleste ikke kan vurderes ved hjælp af billeder udefra.
Derudover kan vi ikke være sikre på, at en bygning har billeder taget fra gadeplan. Det vil altså ikke være alle bygninger, hvor tilstandsvurdering baseret på Google data er en mulighed.
Der skal laves en del antagelser, for at tilstandsvurdere ud fra Google Street view billeder. Man satser f.eks. på, at den side af bygningen man kan se, er repræsentativ for hele bygningen.
Ydermere kan bygningsdelen være blevet forbedret siden billedet er taget, og tilstandsvurderingerne vil i de tilfælde være helt forkerte.
“Okay, men kan vi slet ikke bruge billeder til noget som helst?”
Jeg er overbevist om at billeder kan bruges til at tilstandsvurdere ud fra. Det hele handler om at kunne få fyldestgørende billeder af bygningedelen på en ejendom, og have billeder tilgængelige i høj kvalitet.
En af de ting som proprty.ai har på tegnebrættet er, at kunne lave en automatisk tilstandsvurdering af en bygningsdel, ud fra et billede som bygningsinspektøren har taget.
På denne måde har vi både billeder i en tilstrækkelig kvalitet, og vi er sikre på at bygningsdelen er synlig i billedet. Vi behøver heller ikke begrænse os til udvendige bygningsdele.
Til gengæld kræver det stadig en manuel inspektion, og er altså ikke automatisk, som det potentielt set kunne være med brug af Googles billeder.
Som eksempel kan en chatbot, med lidt kløgtig prompt engineering, sige, at denne udendørs trappe er lavet af beton og estimere, at den har en restlevetid på 33 år med en tilhørende tilstand på 3 ud af 5 (1=ny, 5=defekt). Dermed ikke sagt, at denne vurdering er perfekt, men udgangspunktet for at tilstandsvurdere er markant bedre, end det vi kan få fra Google.