2023建筑能耗模拟用人行为基础数据采集技术导则.docx

建筑能耗模拟用人行为基础数据采集技术导则1贝U*12术语与符号22. 1术语23. 2符号43建筑用能行为描述方法54. 1人员移动53.2人员动作54描述参数及基础数据定义84.1固定作息表及所需的基础数据84. 2位移模型参数及所需的基础数据95. 3动作模型参数及所需的基础数据105基础数据获取方法116. 1获取方式115.2/i126基础数据质量与预处理146.1基础数据质量要求147. 2基础数据预处理方法147基础数据分析方法168. 1环境因素的影响分析167.2非环境因素的影响分析177.3建筑用能行为特征分析17附录A适用于隐私要求较高的基础数据采集设备21附录B数据预处理方法23附录C各用能行为的指标分析推荐用图/表261总则.o.为指导和规范建筑能耗模拟相关的人行为基础数据采集与应用，建立符合我国国情的各类民用建筑人行为标准数据集，特制定本导则。1.0.2本导则适用于办公、酒店、商场、住宅等民用建筑全性能模拟过程中，生成各种人行为描述参数所需的基础数据的采集、处理和分析。1.0.3建筑能耗模拟中人行为基础数据的采集、处理和分析方法除应符合本导则外，尚应符合国家现行标准的规定。2术语与符号2.1 术语2.1.1 建筑用能行为occupantenergy-relatedbehaviorinbuildings与建筑环境和能耗直接且密切相关的使用模式、使用状况等，如人员移动、开窗、遮阳调节、照明、空调供暖设备使用、电器设备使用等行为。2.1.2 人员移动occupantmovement人在建筑及房间位置的变化，即房间内的人员数量与人员位置分布。包括人员进入或离开某个房间，以及人员移动到房间内的某个位置。2.1.3 人员动作OCCUPantaCtion人员基于感知到的周围环境与以往经验的总和进行比较，从而有意识或无意识控制周围人工环境物理参数的动作，主要体现在房间设备对象的状态变化上。2.1.4 建筑模拟用人行为occupantbehaviorinbuildingenergysimulation建筑性能模拟中用于预测人员所在位置、建筑内各类设备对象的运行状态和人员对于设备控制使用特征的模型和方法。2.1.5 位移模型movementmodel刻画和描述室内人员数量与位置特征的分布，追踪人员在建筑中的移动，解决房间有没有人、有多少人等基本问题。2.1.6 动作模型actionmodel刻画和描述室内人员对某设备控制使用特征的分布，以及动作发生与时间或环境等因素的关联性。2.1.7 人行为数据occupantbehaviordata通过各类传感器、移动互联网大数据、问卷调查、环境参数测试装置等方式获取的与人员行为活动相关的数据。2.1.8 人员移动数据occupantmovementdata用于表示人员的移动规律，可根据不同的模拟目的选择对应的采集方法。2.1.9 人员动作数据OeCUPantactiondata用于表示人对设备的调控规律，可根据不同的设备选择对应的采集方法。2.1.10 接触式测量contactmeasurement使用直接接触人员的方式采集人员位移及动作，应以不对室内人员形成负担为原则。2.1.11 非接触式测量non-contactmeasurement通过不直接接触人员的设备采集人员位移及动作，应充分考虑室内人员隐私问题。2.1.12 可穿戴设备wearablesensor直接将传感器与人员身上的配件相结合的一种便携式设备，可与各类终端及互联网连接从而采集多种人员信息，如人体代谢率、人员位置等。2.1.13 异常数据abnormaldata不满足相关国家标准中规定的正常取值范围的可疑数据。2.1.14 缺失数据missingdata由于传感器数据缺失、调查类数据缺失和数据后处理缺失导致数据的不完整性。2.2符号Eai)平均值T温度，CU阈值参数，1尺度参数，k-形状参数C事件对于随环境因素变化的基本函数形式产生的附加影响常参数模拟步长r开关比VIF方差膨胀因子TOL-容差Y遮阳设备使用状态特征值E室内照度水平，ExD灯具开关状态L2(Xi,Xj)待填补样本已知属性与完整样本的欧式距离-标准差均值Vi残差IQR四分位间距X*待转换变量的转换值Xmin最小值Xniax最大值3建筑用能行为描述方法3.1 人员移动3.1.1 宜使用固定作息表和基于马氏链与事件的室内人员移动模型两种方式来描述人员移动行为，其中固定作息表法应符合本导则3.1.2的规定，基于马氏链与事件的室内人员移动模型法应符合本导则3.13-3.1.7的规定。3.1.2 固定作息表以房间人员逐时在室率表示。房间人员逐时在室率为房间逐时人数与房间最多人数的比值。根据房间设置的最多人数及逐时在室率，即可计算逐时房间人数。人员作息表的模型通式按下式计算：Xi=f(ti)(3.1.2)式中：X1房间逐时在室率，0%l;ti第i个小时。3.1.3 基于马氏链与事件的室内人员移动模型可用来描述人员个体的随机移动过程。其基本想法是将人员个体的日常活动与位置移动用移动事件和马尔可夫随机过程(MarkoVChain,简称马氏链)来近似。模型建立应符合以下规定：3.1.4 间作为位置单元，人员位置以房间编号标识；3.1.5 的移动过程描述，不同人员个体的移动过程相互独立；3.1.6 可夫链表示人员移动随机过程；3.1.7 动定义移动事件，各个事件通过修改马尔可夫转移矩阵来驱动人员移动过程；3.1.8 位置初始状态，进行马尔可夫链数值模拟，生成人员逐时位置、统计各房间人员状况等。3.1.9 人员的位置移动伴随或包含在一系列日常活动和事件之中，称为事件机制，例如上班、下班、开会、起床、睡觉等，都会引起人员位置的变化。宜引入移动事件反映这些日常活动在人员移动过程中的作用。3.1.10 机走动的主要数值特征应包括人员在各个房间停留的时间比例和人员在各个房间平均每次逗留的时间。3.1.11 公建筑中的典型事件包括上班、下班、午餐、会议等，这些典型事件的特征参数应包括起始时间、结束时间、平均上班/下班/出发/返回时间等。3.1.12 宅建筑中的典型事件包括起床、睡觉、上班、下班等，这些典型事件的特征参数应包括起始时间、结束时间、平均起床/睡觉/上班/下班时间等。3.2 人员动作3.2.1 人员动作包括人员对房间内部空调、照明、设备及窗户的开关等使用或控制行为。3.2.2 人员动作可采用固定作息表、条件概率模型、LOgiStiC模型等三种方法进行描述，其中固定作息表法应符合本导则3.2.3的规定，条件概率模型法应符合本导则324的规定，Logistic模型法应符合本导则3.2.5的规定。3.2.3 人员动作的固定作息表即房间照明、设备、空调、供暖、通风等运行作息，用来描述房间各类装置的逐时使用情况，应根据房间功能类型和典型日类型进行设置。房间各类装置使用作息表的模型应符合以下规定，并按下式计算：(3.2.3)式中：xi作息表逐小时值，0即l;ti第i个小时。1房间空调（供暖）作息表包括设定温湿度和启停状态两部分。空调（供暖）设定温湿度分别用温度值、相对湿度值表示。空调（供暖）启停状态用。和1来表示，0表示关闭，1表示开启。2房间照明或设备作息表以房间照明灯具或家用/办公设备的逐时使用率表示。房间照明（设备）逐时使用率是房间逐时照明（设备）功率与房间最大照明（设备）功率的比值。根据房间设置的照明（设备）最大功率及逐时使用率计算逐时房间照明（设备）功率。3房间通风作息表以房间的逐时通风换气次数表示。房间逐时通风换气次数是房间逐时通风量体积流量与房间体积的比值，应根据实际情况确定。3.2.4 人员动作的条件概率模型将人员动作视为由特定的时间、事件或物理环境条件所触发、并按一定概率随机发生。条件概率模型应从开动作和关动作分别描述，分为环境反馈型和时间型两大类，应符合以下规定：1环境反馈型条件概率用于描述与室内外物理环境因素相关的动作，例如开暖气、开空调、开灯、开窗等动作，其发生受环境因素（如室内温度、照度、CO2浓度等）刺激和影响。环境反馈型条件概率按下式计算：1）动作发生概率与环境因素正相关：0 % u(3.2.4-1)2）动作发生概率与环境因素负相关:X(3.2.4 - 2)P=1e-<X<u0Xu式中：P动作发生的概率；X环境变量，如温度、湿度、照度、CS浓度、太阳直射强度等各类环境变量;一一模拟计算采用的时间步长；U阈值参数，表征人体感受环境刺激的阈值特征，量纲与X相同；X-U表示环境变量X偏离阈值的大小；1为尺度参数，表征环境刺激的比例因子；令T=Z（）-1,则？的量纲与X相同，二是环境变量X的无量纲化；Ik形状参数，表征动作随环境变化的敏感性，k值越大，使用者对于该自变量因素越敏感，概率变化曲线越陡峭。2时间型条件概率用于与时间或事件相关的动作，即动作发生在某些特殊时刻，如进出门时，上下班时，起床或睡觉时。时间型条件概率按下式计算：1）动作发生概率为常数：P=P>T=T°（3,2.4-3）O,02）动作发生概率与时长（如出门离去）有关：P=l-e-（=0（3.2.4-4）O,Tq3人员动作的条件概率模型与人员移动随机模型类似，都是针对人员个体进行定义的。对于多人房间，可结合个体行为独立性假设，模拟得到人员群体的行为结果。3.2.5 人员动作的Logistic模型描述方法应符合下列规定：ILOgiStiC模型按下式计算（以开关空调为例）：(3.2.5)P=-oo%l+exp-bx+c>式中：P行为状态的发生概率（空调开着或关着的概率）；X热环境变量（如室内温度、室外温度等）（）；b、C拟合系数，没有明确的物理意义。2Logisiic模型中的概率通常针对房间设备（如空调、窗户、照明灯具等）的运行状态进行定义，适合描述人员群体的行为规律。4描述参数及基础数据定义4.1 固定作息表及所需的基础数据4.1.1 固定作息表法所需采集的数据根据被测行为确定，可以是逐时状态数据，也可以是逐时动作数据。若所采集基础数据为动作数据，则应将动作及其对应时刻数据转化成为状态数据使用。4.1.2 人员逐时在室状态固定作息表以典型日内的人员逐时在室率表示。所需采集的基础数据包括逐时在室人数、或者人员移动动作及其对应时刻。人员逐时在室率（）按下式计算：=第t小时在空人员（、Xi一里U在富人员一大数最式中：X人员逐时在室率；i典型日内i时。4.1.3 窗户逐时使用状态固定作息表以典型日内的逐时开窗状态、逐时通风换气次数或逐时通风量表示。所需采集的基础数据包括逐时的窗户开关状态（窗户开关动作及其对应时刻）、逐时的通风换气次数或逐时的通风量。逐时开窗状态、逐时通风换气次数或逐时通风量的描述应符合以下规定：1逐时窗户开关状态由0,1表示，0表示窗户关闭，1表示窗户开启；2逐时通风换气次数宜用最大通风换气次数与逐时通风换气次数比例共同表示，其中逐时通风换气次数比例（）按下式计算：(4.1.3 - 1)_第i小时通风换气次数典Xi一型日般大通风换气次数式中：%一一逐时通风换气比例；i典型日内i时。3逐时通风量宜用最大小时通风量与逐时通风量比例共同表示，其中逐时通风量比例（）按下式计算：(4.1.3 - 2)_第i小时通风量爸一典型Fl最大小时通风口式中：X逐时通风比例；i典型日内i时。4.1.4 照明逐时使用状态固定作息表以典型日内的逐时照明开关时间表示。所需采集的基础数据包括照明个数、各照明功率、各照明逐时使用状态、或者照明开关动作及其对应时刻。逐时照明开关时间的描述应符合以下规定：I照明逐时使用状态由0,1表示，。表示照明关闭，1表示照明开启；2逐时照明开关时间（%）按下式计算：第，小时处于开启状态的照明功率总和n彳、Xi=5三S（4.1.4）式中：X逐时照明开关时间；i典型日内i时。4.1.5 设备逐时使用状态固定作息表以典型日内的设备逐时使用率表示。所需采集的基础数据包括设备个数、各设备功率、各设备逐时使用状态、或者设备开关动作及其对应时刻。设备逐时使用率的描述应符合以下规定：1设备逐时使用状态由0,1表示，0表示设备关闭，I表示设备开启；2逐时设备使用率（）按下式计算：第i小时处于开启状态的设备功率总和式中：X逐时设备使用率；i典型日内i时。4.1.6 遮阳逐时使用状态固定作息表以典型日内的逐时遮阳使用状态表示，0表示遮阳关闭，1表示遮阳开启。所需采集的基础数据包括遮阳逐时使用状态、或者遮阳开关动作及其对应时刻。4.1.7 空调逐时使用状态固定作息表由逐时空调运行状态、空调逐时温度两部分来描述。逐时空调运行状态以典型日内的逐时空调启停状态表示，0表示空调关闭，1表示空调开启。所需采集的基础数据包括逐时空调启停状态、或者空调开关动作及其对应时刻。空调逐时温度所需采集的基础数据为空调逐时设定温度。空调逐时温度（）按下式计算：第i小时空调设定温度为Ci的频次第i小时空调设定温度为G的频次z、t：=*t+*tn（4.1.7）第i小时各空调设定温度总频次第i小时各空调设定温度总频次式中：t空调设定温度；i典型日内i时；n第洌、时采集到的不同空调设定温度数。4.2 位移模型参数及所需的基础数据4.2.1 人员位移模型数据主要分为人员移动数据和人员在室率数据。422应根据事件发生机制定义工作日内会导致人员移动行为的典型事件，根据人员移动的时间和空间特征，获得人员在典型事件之间的转移概率。4.2.3 人员在建筑中的分布情况可通过热图的形式获取或表达。4.3 动作模型参数及所需的基础数据4.3.1 影响人员动作的参数可根据所需的动作模型需求设定，行为数据可利用智能插座或者摄像头等方式获取，物理环境因素可利用传！感器设备获取，生理、心理等主观因素可通过问卷或生理监测设备获取。4.3.2 动作模型所需的参数采集时长和周期需要根据模型而定。4.3.3 用能设备的动作模型应符合下列规定：1建筑中的设备散热量考虑受设备种类、功率和开启比例等因素影响。2办公设备以计算机为例，建立人员对该类设备的动作模型需要确定的影响因素有人员作息时间表、计算机配置比例、计算机运行状态、人员使用行为习惯和人员不同离开时长关闭计算机的概率。3计算机影响因素的数据采集周期和间隔应根据动作模型而定。4生活设备的使用应基于人员对该类设备的动作模型需要，确定关键影响因素，如人员作息时间表和人员用能的消耗水平等。4.3.4 照明的动作模型应符合下列规定：1影响建筑中照明负荷的因素主要是照明的功率和照明开启数量。2人员产生开灯行为的室内工作面照度范围应根据案例建筑中人员的光环境需求和偏好而定。3单人办公房间内，建立人员对照明设备的动作模型需要确定的影响因素除了环境因素，还包括基于特定事件的行为习惯和节能意识。4多人办公房间内，建立人员对照明设备的动作模型需要确定的影响因素除了以上所述的因素外，还应考虑人员在室率对照明开启数量的分布影响。4.3.5 开关窗动作模型应符合下列规定：1影响开关窗动作的因素主要是开关窗动作的发生时刻和与开关窗行为有显著相关的环境参数，通常为室内温度、室外温度、室内湿度、室外湿度、室内CO2浓度等。2建立室内人员对开关窗的动作模型所需的基础数据主要包括开关窗的动作时刻、动作时刻对应的环境参数、以及该时刻对应的开关窗动作。4.3.6 空调启停的动作模型应符合下列规定：1影响建筑中空调启停动作的因素主要是其相关的热环境参数，通常为室内温度、室外温度等。2建立人员对空调的动作模型所需的基础数据主要包括开关空调的动作时刻、动作时刻对应的热环境参数、以及该时刻对应的空调开关动作等。5基础数据获取方法5.1 获取方式5.1.1 人行为数据包括人员移动数据和人员动作数据。人员移动数据可采用接触式设备、非接触式设备、移动互联网大数据、问卷调查方式获取，人员动作数据可采用设备调控行为测试装置、环境参数测试装置获取。在测试过程中，为了便于分析人行为数据，各测试设备的时间应同步，宜具备时钟校正功能，宜具备相同的测试起始时间和采样时间步长。5.1.2 使用接触式设备采集人员位移及动作应以不对用户形成负担为原则，可使用基于Wifi型号的室内人员识别、佩戴可穿戴设备、佩戴射频识别传感器、三轴加速器或座椅压力传感器等设备。5.1.3 使用非接触式设备采集人员的位移及动作应考虑室内人员隐私，可通过摄像头、深度相机、热成像仪、亳米波雷达、被动式红外传感器、C02传感器等设备，结合统计分析或机器学习算法获取人员在室和活动的情况，从而获得室内人员数量及移动规律，宜采用传感器融合技术提高检测准确性。非接触式数据获取方式可根据表5.1.3中各类型检测方法的特点进行选取。表5.1.3不同类型非接触式检测方法非接触式数据获取方式采集数据类型现有基础设施隐私问题数据处理复杂程度摄像头、深度相机是否有人、人员数目、人员轨迹、人员姿态无有高热成像仪是否有人、人员数目、人员轨迹、人员姿态部分部分高亳米波雷达是否有人、人员数目、人员轨迹、人员姿态无无中被动式红外传感器(PIR)是否有人、人员数目无无低Co2传感器是否有人、人员数目部分无低5.1.4 建筑内总人数可通过手机、电脑等移动终端采集的定位大数据获取。采用此方法获取建筑内总人数时，应考虑建筑类型及建筑尺寸。数据需注明建筑类型、采集时间以及采集样本占总体的比例。5.1.5 可通过问卷调查的方法获取建筑人员位置信息以及行为习惯。问卷调查过程需根据调查目的以及研究内容确定问卷调查内容及对象，样本数可参考表5.L5o表5.1.5不同规模问卷调查样本容量范围总体规模抽样比100人以下50%以上100-999人20%-50%1000-4999人10%-30%5000-9999人3%-15%10000-100000人l%-5%100000人以上1%以下5.1.6 人员对设备的调控行为应使用设备调控行为测试装置进行获取，包括用电设备开关及档位、开关窗行为及窗户开度、遮阳装置开度等，相关仪器设备如电量记录仪、磁开关记录仪、摄像头、超声波记录仪、拉绳位移记录仪、手机APP等。5.1.7 记录人员对设备的调控行为的同时，应测试相对应的环境参数，包括温湿度、照度、Co2、VOC.PM2.5等，进而分析人员对设备调控行为的触发条件模型。5.2 采集方法5.2.1 基础数据的采集包括人员移动数据的采集和人员动作数据的采集两个部分，其中人员移动数据的采集应符合本导则5.2.25.2.7的规定，人员动作数据的采集应符合本导则5285.2.12的规定。5.2.2 室内人员移动数据用于获取人员的移动规律，可根据不同的模拟目的选择对应的采集方法，包括人移动轨迹、房间是否有人、房间人员数量、建筑内人员密度和人员在室率等数据。5.2.3 房间是否有人可用于判定房间内的设备是否发生调控行为的可能性，宜使用一个或多个被动式红外传感器、亳米波雷达布置在房间内，仪器测量范围应能覆盖整个房间，测量步长宜不低于Imin一次。5.2.4 房间人员数量能够可用于确定室内人员发热量、室内人员行为交互等信息，在没有隐私要求的房间宜采用摄像头配合人脸识别的方法进行采集，在隐私要求较高的房间宜采用座椅压力、人员计数器等设备，数据记录时间步长宜不低于Imin一次。5.2.5 人移动轨迹用来描述人在室外和室内、不同房间之间、同一房间内部的移动规律，没有隐私要求情况下宜使用摄像头采集，在隐私要求较高时宜使用基于Wifl型号的室内人员识别、佩戴可穿戴设备、佩戴射频识别传感器采集，可用的数据采集设备参见附录Ae5.2.6 建筑内人员在室情况可以通过人员密度和人员在室率反映。应根据建筑能耗模拟目的，对不同空间、时间尺度选择不同的人员密度和人员在室率获取方式。5.2.7 室内人员的动作数据用于获取人对设备的调控规律，可根据不同的设备选择对应的采集方法，设备调控行为、环境参数、人员位移的采集时间应保持一致。5.2.8 室内人员的动作数据用于获取人对设备的调控规律，可根据不同的设备选择对应的采集方法，设备调控行为、环境参数、人员位移的采集时间应保持一致。5.2.9 采暖/空调行为应采集空调器开关情况、环境温度和人员是否在室状况，可采集空调器设定温度、环境湿度、人员进入室内时间和停留时间，测量步长不低于Imin一次。5.2.10 开/关窗行为应采集窗的开启和关闭状态、人员是否在室状况，可采集窗的开度、室内外温湿度、空气品质等参数，净化器行为应采集净化器的开启和关闭状态、人员是否在室状况，可采集净化器开启档位、室内外空气品质等参数，测量步长不低于Imin一次。5.2.11 遮阳行为应采集遮阳装置的开启和关闭状态、人员是否在室状况，可采集遮阳装置的开度、室内照度、室外太阳辐射照度、眩光等参数，照明行为应采集灯具的开启、关闭和档位状态、人员是否在室状况，可采集室内照度、照度均匀度等参数，测量步长不低于Imin一次。5.2.12 个体舒适装置调控行为应采集装置的开启和关闭状态、人是否在个体舒适装置调控的微环境中，可采集不同种类个体舒适装置的档位、对应的环境状态参数等，测量步长不低于Imin一次。6基础数据质量与预处理6.1 基础数据质量要求6.1.1 人行为基础数据的质量要求应符合以下规定：1应对第5章所述方法获取的人行为基础数据进行质量控制。质量控制过程中应包含对数据的准确性、完整性和一致性三个要素的检验。2应根据模拟用途以及所选择的行为描述方法，从数据采集范围、周期以及采集频率三个层面分析并检验人行为基础数据的完整性要素。3人行为基础数据的准确性应根据所获取的数据类型，参照现行国家和行业相关标准进行测量精度的检验。4应根据不同获取方法所采集的数据之间的相关性，对数据进行一致性检验。5在对人行为基础数据进行质量控制时，宜采用计算机自动处理和人工审核校验相结合的方法进行。6.1.2 典型时间表的样本采集数量和采集周期应根据其数据获取方法和行为类别进行确定。6.1.3 动作与位移模型应符合以下规定：1对于获取人员动作和位移的部分传感器，其检测量程和精度要求应符合表6.1.3的规定。表6.1.3部分传感器的量程以及精度要求测试参数量程精度干球温度-IO-5OC±0.5相对湿度10-100%±5%空气流速05ms±（0.05+5%读数）m/s黑球温度060°C±0.5定向辐射热-2kWm22kWm2±5Wm2表面温度1060°C±rcPIR半径35m/超声波185平方米/2数据采集范围应涵盖人员使用和活动的主要区域，被采集对象应具有代表性。3数据的采集周期以及采集频率，宜根据建筑类型以及具体行为类别进行确定。6.2 基础数据预处理方法6.2.1 数据预处理应符合以下一般规定:1在数据质量控制过程中，宜按照数据清洗、数据集成与规约、数据转换与离散化三个基本步骤对人行为基础数据进行预处理。2应根据获取的数据类别和模拟应用场景等要求选择不同的数据清洗方法。3当存在多种数据源时，宜采用数据集成与规约对人行为基础数据进行预处理。6.2.2 数据清洗应符合以下规定：1缺失数据处理应符合以下规定：1）人行为基础数据的缺失通常包含传感器数据缺失、调查类数据缺失和数据后处理缺失。在对人行为数据进行数据清洗时，应对上述数据缺失进行处理。2）缺失数据处理方法主要包括保留缺失项、直接删除和缺失值填补。应根据人行为数据类别以及缺失情况进行选择。3）可采用均值填补法、线性插值法、回归填补法和KNN填补法等相关方法对人行为数据缺失值进行填补，具体缺失值处理方法见附录B.1-B.3。2异常数据处理应符合以下规定：1）应根据6.1.2至6.1.4节中的规定，将不满足相关国家标准中规定的正常取值范围的数据视作可疑数据。2）可采用莱茵达准则、箱线法和聚类法等方法判断数据的正确性，并对可疑数据进行标识，具体方法见附录B.4-B.6。3）宜进一步对异常数据进行人工校核以避免误删正确的异常数据。4）对具有高频噪音的时序类数据（如C02浓度等），宜采用小波算法等时频分析方法对其进行去噪处理，具体方法及步骤见附录B.7。6.2.3 数据集成与规约应符合以下规定：1人行为基础数据之间通常存在较大的相关性，宜采用相关分析等方法对人行为数据进行一致性检验后，将多源数据进行统一集成和存储。2人行为相关数据通常具有特征多和数据量大等特点，宜采用主成分分析等数据规约方法实现降低数据维度的目的，具体方法及步骤见附录B.8o6.2.4 数据转换与离散化应符合以下规定：1在对具有不同量纲的人行为相关数据进行处理和分析时，为避免量级较小数据的效果被掩盖，可采用z-score和min-max等标准化方法将所采集的数据转化为无量纲的数值，具体方法及步骤见附录B.9-B.10。2在采用基于离散型变量的数学方法建立人行为相关模型时，宜采用分箱法和聚类法等方法对连续型变量进行数据离散化处理。7基础数据分析方法7.1 环境因素的影响分析7.1.1 分析环境因素对用能行为的影响时，可用描述性统计，单因素分析，聚类分析，独立样本I检验，多因素方差分析，皮尔逊(PeareOn)相关系数，斯皮尔曼(SPearman)相关系数，加权法，共线性诊断检验，K叩Ian-Meier生存分析等方法。7.1.2 对调查总体所有变量的有关数据的描述性统计包括数据的频数分析、集中趋势分析、离散程度分析、分布以及一些基本的统计图形。7.1.3 单因素分析是在一个时间点上对某一变量的分析，目的在于描述事实。7.1.4 聚类分析是将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，其目标就是在相似的基础上收集数据来分类。7.1.5 独立样本t检验是对于相互独立的两个来自正态总体的样本，利用独立样本的T检验来检验这两个样本的均值和方差是否来源于同一总体。7.1.6 多因素方差分析是对一个独立变量是否受多个因素或变量影响而进行的方差分析。7.1.7 皮尔逊(PearSOn)相关系数可用于检验两个连续变量之间是否存在线性相关，相关系数在-1至心之间，越接近1或-1,相关性越强。7.1.8 斯皮尔曼(SPearman)相关系数可用于分析不服从正态分布的数据可采用斯皮尔曼相关系数，即描述两个变量之间的关联程度与方向。斯皮尔曼相关主要用于解决分类变量和连续变量相关的问题。7.1.9 加权法指相应参数乘以权重系数的分析方法。可用于分析某些参数对空调开启率的综合影响。例，当室内温度和室外温度综合影响人行为时，采用加权分析这两个参数的影响程度。7.1.10 共线性诊断是检验自变量间是否存在近似的线性关系，即某个自变量是否能近似的用其他自变量的线性函数来描述。7.1.11 K叩Ian-Meier生存分析用于研究单一变量对生存的影响。7.1.12 环境因素对建筑用能行为的影响的分析可按照表7.1.11选择分析方法。表7.1.11建筑用能行为分析方法-环境因素分析目的分析方法证明研究普遍性独立样本t检验相关性分析-环境因素两个连续变量单因素分析加权分析皮尔逊相关系数两个及以上连续变量多因素方差分析共线性诊断分类变量斯皮尔曼相关系数连续变量使用模式聚类分析7.2 非环境因素的影响分析7.2.1 分析非环境因素对用能行为的影响时，可考虑一天中不同时间段、工作日旬末、季节、建筑类型、建筑高度、建筑朝向等因素。常用的方法有单因素ANOVA检验、独立样本I检验。7.2.2 非环境因素的描述应符合以下规定：I对于一天中不同时间段的影响分析，应将一天中的时间按照需要划分为相同的区间，计算在每个区间内对应的开窗/空调/照明/遮阳概率，描述时间对开窗行为的影响。2对于工作口/周末的影响分析，应通过汇总被测建筑分别在工作日和周末的口均开窗/空调/照明/遮阳时长，对比分析出室内人员在工作日和周末的开窗/空调/照明/遮阳行为不同之处。3对于不同季节的影响分析应对比不同季节下，开窗/空调/照明/遮阳时长、日均开窗/空调/照明/遮阳次数等参数的差别。4对于不同建筑类型的影响分析：对比在相同因素下，不同建筑类型的开窗/空调/照明/遮阳概率，得出其对应的开窗行为特征，并通过对比得出几种类型建筑的区别。5对于建筑物高度的影响分析应符合以下规定：1）对于单栋建筑，应将超高层建筑按照避难层划分为低层、中层及高层区三部分，记录的数据同时按朝向划分。记录该建筑不同朝向、不同高度的开窗/遮阳比例。2）对于多栋建筑，应通过对比每栋建筑在同一时刻开窗/遮阳比例的不同，得出其不同建筑高度的开窗/遮阳行为特征。6对于建筑物朝向的影响分析，应记录一栋建筑不同朝向在相同时刻的开窗/遮阳比例，分析其不同朝向对开窗/遮阳行为的影响。7.2.3 单因素ANOVA检验用于确定三个及其以上的数据组之间的均值是否具有统计差异。7.2.4 独立样本1检验的具体原理及应用方法见7.1.4。7.2.5 非环境因素对建筑用能行为的影响的分析按照表7.2.5选择分析方法。表7.2.5建筑用能行为分析方法-非环境因素分析目的分析方法证明研究普遍性独立样本I检验相关性分析-非环境因素两个分类变量独立样本t检验两个以上分类变量单因素ANOVA检验使用模式聚类分析7.3 建筑用能行为特征分析7.3.1 室内人员位移特征可使用以下指标分析，每个指标对应的推荐用图/表见附录COl。1占用率/在室率（）,即人员在某时刻在室时长与总测试时长比值。2房间人数（人），即室内人员数量。3工作日与周末在室比例（）,即工作日在室总时长与周末在室总时长之比。4转移概率（）,即人员在时刻T处于位置i时，在时刻T+1处于位置j的概率，亦即人员在时刻从子空间i出发，下一时刻移动到子空间j的概率。5在室/空置概率（）,即反映在一定时间下人员在室/不在室内的可能性大小。6占用/空置时长（h）,即综合反映建筑中在测试阶段人员在室内/房间空置的时间长度。7人员每日活动时长（min）,即在每天的活动中，第一次“到达”和最后一次“离开”的时间的差值对应于“每日活动”的持续时间。8每日/每周累计在室时长（min）,即在测试期间内，人员每天/每周在室内的总时长。9各时刻在室时长（min）,即一天24小时中，每一时刻对应的人员在室时长。10人员日均离开/到达房间次数（次），即房间每日已占用的活动数目与空置活动数目。7.3.2 窗户使用行为特征可使用以下指标分析，每个指标对应的推荐用图/表见附录C.0.2。1单次开启时长（分钟）即某一次窗户保持打开状态的时长。2每小时开启时长（分钟/小时）即窗户保持开启状态的总小时数占总测试小时数的百分比。3日均开窗时长（分钟/天）即各被测房间窗户开启总时长与测试天数的比值。4总开窗时长（分钟）即在测试期间，各被测房间的窗户开启总时长，通常采用柱状图来表示，被测房间作为横坐标，窗户开启时长作为纵坐标。5日均开窗次数（次/天）即测试期间窗户状态由关闭至开启的次数与总测试天数的比值。6开/关窗次数（次）即将各测试因素划分为不同的区间，在某区间内，窗户由关闭状态到打开状态（由打开状态到关闭状态）的次数。7窗户状态改变概率（）即在某一时间段内，窗户状态改变的次数占总次数的比值。8开/关窗频率（）即在某一时间段内的窗户状态由关闭到打开（由打开到关闭）这一动作发生的次数除以总开/关窗次数。9开窗概率/开窗频率/开启率（）即将各测试因素划分为不同的区间，在某区间内，窗户处于开启状态的数量占窗户状态记录总和的百分比即为对应的开窗概率，通常使用点线图来表示，各因素划分的区间作为横坐标，开窗概率作为纵坐标。10开窗比例（）即被测建筑在某因素的影响下开启的窗扇数占所有的窗扇数的比值。11开关比即所收集到的各房间的数据中，每个房间窗户打开状态与关闭状态的比值，理想中的开关比的等于或接近于1,除可描述开窗特征外，还可用于对建模数据进行筛选，按下式计算：r=（7.3.2）Nl式中：M）窗户为“开状态”的数据量，N1一一窗户为“关状态”的数据量，r开关比，%o7.3.3 空调使用行为特征可使用以下指标分析，每个指标对应的推荐用图/表见附录C.0.3。1逐时开启率（%）应符合以下规定：1）对于单台设备，逐时开启率（）为每小时运行的累积时长与一小时之比。2）对于多台设备，逐时开启率（）为每小时开启空调器数量与空调器总样本量之比。2每日开启率（）应符合以下规定：1）对于单台设备，每日开启率（）为当日空调器运行的累积时长与24小时之比。2）对于多台设备，每口开启率（）为当日开启空调器数量与空调器总样本量之比。3基于影响因素的开启率（）,即在影响因素的单位范围内，空调器开启时间与监测时间之比。影响因素指环境因素或非环境因素，其可为连续变量或分类变量。4基于影响因素的累计开启率（）,即在影响因素的指定范围内，空调器开启率之和。5单次运行时长（h）,即空调器在每一次相邻的开启动作与关闭动作之间所运行的时长。6单次运行时长t小时的占比（）,即单次运行时长t的数量与单次运行时长总样本数量之比。7单次运行时长累积概率（）,即在单次运行时长的指定范围内，空调器开启率之和。8日均开启时长（小时），即空调器在监测时期的总运行时长与运行天数之比。9在开启日的运行次数（次），即若某天空调器开启，空调器在该开启日所运行的次数（每一次相邻的开启与关闭动作记为一次运行）。IO在第t时刻的开启比例（）,即空调器在第t时刻运行的累积时长与空调器在所有时刻运行的累积