Så implementerar du Home Assistant-integration för beläggningsdata

De flesta Home Assistant-installationer i kommersiella byggnader gör samma misstag: de behandlar beläggning som en binär signal. En PIR-sensor säger "någon är här" eller "ingen är här" – men den säger aldrig hur många som är här. Det är skillnaden mellan att tända en lampa och att styra ett ventilationsaggregat. Ett mötesrum med 2 personer och ett med 14 personer kräver helt olika luftflöden, och det är exakt där en riktig Home Assistant beläggningsintegration betalar sig.

Den här guiden går igenom hur du kopplar räknedata från professionella AI-sensorer – som de Vemco har levererat sedan 2005 – in i Home Assistant, och hur du undviker de vanligaste fallgroparna i produktion. Målgruppen är team som redan kör Home Assistant som integrationslager eller prototypplattform och nu vill gå från rörelsedetektering till faktiska personantal.

Välj arkitektur först: MQTT push slår REST-polling nästan alltid

Det finns två praktiska sätt att få in beläggningsdata i Home Assistant: du pollar ett API med rest-plattformen, eller så tar du emot push-meddelanden via MQTT. För beläggning i realtid är MQTT rätt val i nio fall av tio. Anledningen är enkel: polling var 30:e sekund missar korta toppar, och polling varje sekund fyller din recorder-databas med tusentals identiska tillståndsrader per zon och dygn.

Ett typiskt upplägg ser ut så här:

• Räknesystemet publicerar aktuellt antal per zon till ett topic, exempelvis building/floor2/zoneA/occupancy, med retained flag så att Home Assistant får rätt värde direkt efter omstart.
• I Home Assistant definierar du en MQTT-sensor per zon med state_class: measurement och enheten "personer", så att statistikmotorn kan bygga långtidsdata automatiskt.
• Utöver antalet publicerar du gärna in/ut-räknare separat – de är ovärderliga vid felsökning när nettosiffran driver över dagen.

Om du integrerar mot en plattform som VemFusion, som är byggd för att koppla beläggningsdata till HVAC, BMS och säkerhetssystem, får du redan aggregerade och kvalitetssäkrade siffror per zon. Då blir Home Assistant konsumenten av färdig data snarare än den som ska tolka rå sensortrafik – en betydligt stabilare position i en driftmiljö.

Bygg zonlogiken med template-sensorer, inte i automationerna

Ett vanligt nybörjarmisstag är att lägga tröskelvärden direkt i varje automation. Gör tvärtom: skapa en template binary_sensor per zon som representerar tillstånd som "överbelagd", "normal" och "tom", och låt alla automationer trigga på tillståndet. När fastighetsägaren ändrar maxgränsen för ett rum ändrar du en rad, inte femton automationer.

Detta speglar hur professionella system arbetar. Vemcos plattform larmar i realtid när beläggningen passerar en fördefinierad gräns – samma princip som du replikerar lokalt: tröskeln är konfiguration, reaktionen är logik, och de två hålls isär.

Automationer som faktiskt sparar pengar

Kontor, universitet och offentliga byggnader använder beläggningsdata framför allt för att skära bort slöseriet från system som annars går för fullt dygnet runt. De automationer som ger mätbar effekt i praktiken:

• Behovsstyrd ventilation: skala luftflödet mot faktiskt personantal per zon istället för schema. Kombinera med CO2-sensorer som sekundär signal, inte primär – CO2 släpar efter beläggningen med 10–20 minuter.
• Nedsläckning vid verifierad tomhet: när antalet är noll i 15 minuter, inte när rörelse saknas i 5. En person som sitter stilla vid ett skrivbord genererar ingen rörelse men är fortfarande en person.
• Kapacitetslarm: notifiering till facility-teamet när en zon passerar sin gräns – brandskyddskrav, covid-lärdomar och arbetsmiljöregler har gjort detta till standardkrav i upphandlingar.
• Städning efter användning: trigga städrundor baserat på ackumulerade besök per rum istället för fast schema.

En detalj som varje erfaren implementerare känner igen: lägg alltid in en debounce på HVAC-automationer. Utan fördröjning på tillståndsändringar börjar spjäll och aggregat pendla varje gång tre personer går ut på lunch och två kommer tillbaka. En glidande fördröjning på 5–10 minuter för nedreglering, men snabb uppreglering, är den tumregel som fungerar i verkliga byggnader. Reglerteknikerna på plats kommer att tacka dig.

Datakvaliteten avgör om någon litar på systemet

En beläggningsintegration är bara så bra som sina siffror. Konsumentsensorer som mmWave-radar och ESP-baserade räknare är utmärkta för prototyper, men i skarpa byggnader krävs verifierbar noggrannhet. Professionella AI-sensorer levererar en kontraktuell miniminivå på 96 procent, och i praktiken ofta 98–99 procent när förutsättningarna – belysning, planlösning och besökarbeteende – tillåter det. Var ärlig mot beställaren om att den övre siffran är typisk, inte garanterad.

Två funktioner skiljer professionell data från hobbydata:

• Personalexkludering: AI-sensorer som filtrerar bort personal ger dig faktisk besökar- eller användarbeläggning. Utan detta blåser vaktmästare, städpersonal och tekniker upp siffrorna och förstör både energilogik och nyttjandeanalys.
• Automatisk nollställning och driftkontroll: in/ut-räkning driver alltid över tid. Systemet måste nollställas vid känd tomhet, annars visar zonen "3 personer" klockan 03 på natten och ventilationen går i onödan.

Håll också ett öga på Home Assistants recorder. Beläggningsdata med hög frekvens från många zoner kan svälla en SQLite-databas till ohanterlig storlek på veckor. Filtrera bort mellanliggande attribut, sätt kortare purge_keep_days för råvärden och lita på långtidsstatistiken för trendanalys – eller ännu bättre, låt en dedikerad plattform äga historiken.

När Home Assistant räcker – och när det inte gör det

Home Assistant är ett utmärkt integrations- och automationslager för enskilda byggnader, pilotvåningar och miljöer där teamet äger sin egen stack. Men när kraven växer till portföljnivå – jämförelser mellan fastigheter, nyttjandegrad per rumstyp, beslutsunderlag för att krympa eller omdisponera ytor – behövs verktyg byggda för det. Det är där VemSpace kommer in, med fokus på ytnyttjande och fastighetsoptimering över tid, medan VemFusion sköter kopplingen mot HVAC, BMS och säkerhet i produktionsklass.

Den mest hållbara arkitekturen vi ser hos kunder är hybrid: professionella sensorer och en plattform som källa till sanning, Home Assistant som flexibelt lager för lokala automationer, dashboards och snabba experiment. Då får driftorganisationen tillförlitliga siffror, och utvecklingsteamet behåller friheten att bygga.

Planerar ni att koppla beläggningsdata till Home Assistant, ert BMS eller båda? Vemco har arbetat med personräkning och beläggning sedan 2005 och hjälper er dimensionera sensorer, API-flöden och zonlogik utifrån er faktiska byggnad. Kontakta oss på vemcogroup.com/contact-us så tittar vi på er planlösning och tar fram ett konkret integrationsupplägg.