基于用户行为模式挖掘的建筑使用效能研究

Current Building energy conservation relies too heavily on physical properties, while the operational effectiveness during the actual use didn’t get sufficient attention. As a consequence, the actual operational effectiveness, comfort level, and energy saving performance can’t meet the expectation. Thus, to achieve life-cycle building energy conservation, we must strengthen the research about how the building space is being used by occupants, i.e., the occupant behavior pattern. In this research, from the point of view of occupant behavior patterns, by collecting real life data with wireless sensor network and indoor tracking technologies, we are going to reveal the underlying relationships among occupant behavior, building space, and energy consumption with pattern mining technologies, such as sequential pattern mining, associated rule mining, and deep neural network. Finally, a new research framework and ontology of energy-related occupant behavior are expected to be established. The main content is as follows: 1) research on the systematic observation method of building operational data. 2) research on occupant behavior oriented building space classification. 3) research on data driven occupant behavior pattern mining. 4) research on the evaluation system of operational effectiveness that considering occupant behavior pattern, building space, and energy consumption. Findings in this research can provide guidance to the architectural design, optimize the building operation, improve the intelligence level of the building system, and boost the energy conservation in the building life cycle.

目前的建筑节能过于注重建筑物理参数，却忽视了用户的使用方式，导致很多绿色建筑的实际使用效能，舒适度及节能表现达不到预期效果。就此问题，要实现真正意义上建筑全生命周期的节能减排，需加强对用户对建筑的使用方式，即用户行为模式的研究。本项目拟从用户行为模式的角度出发，借助无线传感网络技术、高精度室内定位技术来获取真实的用户行为数据，进一步通过序列模式、关联规则，深度神经网络等模式挖掘技术来揭示用户行为模式、建筑空间、建筑能耗三者间的内在关联，最终建立一套与能耗相关的用户行为的研究框架和知识体系。研究的主要内容包括：1建筑使用状态数据的系统性观测方法研究；2面向用户行为分析的建筑空间类型研究；3数据驱动的用户行为模式挖掘方法研究；4综合用户行为模式、建筑空间、建筑能耗的使用效能评价体系研究。研究成果可用以指导建筑设计、优化建筑使用方式、提高建筑系统的智能化水平，最终推进建筑全生命周期的节能减排。

针对目前建筑环境行为研究领域数字化观测手段及智能化分析工具的缺失，无法对建筑环境使用效能进行量化评价等问题，本研究基于超宽带技术，整合现有无线传感网络技术，开发了一套建筑环境行为数字化监测系统。通过从底层硬件到顶层算法全栈式的优化，提高了系统的精确性、稳定性和普适性，使之能在不同类型建筑空间环境中稳定工作。在此基础上提出了一套基于自编码卷积人工神经网络及自组织神经网络的数据挖掘算法。通过非监督式学习的方式，自动在所获取的多源环境行为数据中提取关键模式，提取环境、行为及使用效能间的内在关联，减少了数据分析过程中对于个人的经验及主观判断的依赖。此外，研究还尝试了将数据分析成果应用到建筑环境优化的设计过程中，弥补了传统设计方式的不足。研究过程中所产生的相关技术及知识产权已经成功转化并实现产业化，相关定位系统在诸多高校、研究单位及科技企业中推广应用。研究成果为提升建筑环境行为研究的数字化程度做出了贡献，并在智能建筑、智慧城市的研究和建设中有较好的应用前景。