《建筑能耗模擬用人行為基礎數據采集技術導則》

ICS號

CCS號

團體標準

團體標準編號

代替團體標準編號

建筑能耗模擬用人行為基礎數據采集

技術導則

Technicalguidelinesforbasicdataacquisitionof

occupantbehaviorinbuildingenergyconsumption

simulation

(征求意見稿)

XXXX-XX-XX發(fā)布XXXX-XX-XX實施

中國建筑節(jié)能協(xié)會發(fā)布

1總則

1.0.1為指導和規(guī)范建筑能耗模擬相關的人行為基礎數據采集與應用，建立符合我國國

情的各類民用建筑人行為標準數據集，特制定本導則。

1.0.2本導則適用于辦公、酒店、商場、住宅等民用建筑全性能模擬過程中，生成各種

人行為描述參數所需的基礎數據的采集、處理和分析。

1.0.3建筑能耗模擬中人行為基礎數據的采集、處理和分析方法除應符合本導則外，尚

應符合國家現行標準的規(guī)定。

1

2術語與符號

2.1術語

2.1.1建筑用能行為occupantenergy-relatedbehaviorinbuildings

與建筑環(huán)境和能耗直接且密切相關的使用模式、使用狀況等，如人員移動、開窗、遮陽

調節(jié)、照明、空調供暖設備使用、電器設備使用等行為。

2.1.2人員移動occupantmovement

人在建筑及房間位置的變化，即房間內的人員數量與人員位置分布。包括人員進入或離

開某個房間，以及人員移動到房間內的某個位置。

2.1.2人員動作occupantaction

人員基于感知到的周圍環(huán)境與以往經驗的總和進行比較，從而有意識或無意識控制周圍

人工環(huán)境物理參數的動作，主要體現在房間設備對象的狀態(tài)變化上。

2.1.3建筑模擬用人行為occupantbehaviorinbuildingenergysimulation

建筑性能模擬中用于預測人員所在位置、建筑內各類設備對象的運行狀態(tài)和人員對于設

備控制使用特征的模型和方法。

2.1.4位移模型movementmodel

刻畫和描述室內人員數量與位置特征的分布，追蹤人員在建筑中的移動，解決房間有沒

有人、有多少人等基本問題。

2.1.5動作模型actionmodel

刻畫和描述室內人員對某設備控制使用特征的分布，以及動作發(fā)生與時間或環(huán)境等因素

的關聯(lián)性。

2.1.6人行為數據occupantbehaviordata

通過各類傳感器、移動互聯(lián)網大數據、問卷調查、環(huán)境參數測試裝置等方式獲取的與人

員行為活動相關的數據。

2.1.7人員移動數據occupantmovementdata

用于表示人員的移動規(guī)律，可根據不同的模擬目的選擇對應的采集方法。

2.1.8人員動作數據occupantactiondata

用于表示人對設備的調控規(guī)律，可根據不同的設備選擇對應的采集方法。

2.1.9接觸式測量contactmeasurement

使用直接接觸人員的方式采集人員位移及動作，應以不對室內人員形成負擔為原則。

2

2.1.10非接觸式測量non-contactmeasurement

通過不直接接觸人員的設備采集人員位移及動作，應充分考慮室內人員隱私問題。

2.1.11可穿戴設備wearablesensor

直接將傳感器與人員身上的配件相結合的一種便攜式設備，可與各類終端及互聯(lián)網連接

從而采集多種人員信息，如人體代謝率、人員位置等。

2.1.12異常數據abnormaldata

不滿足相關國家標準中規(guī)定的正常取值范圍的可疑數據。

2.1.13缺失數據missingdata

由于傳感器數據缺失、調查類數據缺失和數據后處理缺失導致數據的不完整性。

3

2.2符號

E(xi)——平均值

T——溫度，℃

u——閾值參數，℃

l——尺度參數，℃

k——形狀參數

c——事件對于隨環(huán)境因素變化的基本函數形式產生的附加影響

α——常參數

Δτ——模擬步長

r——開關比

VIF——方差膨脹因子

TOL——容差

Y——遮陽設備使用狀態(tài)特征值

E——室內照度水平，lux

D——燈具開關狀態(tài)

L2(xi,xj)——待填補樣本已知屬性與完整樣本的歐式距離

σ——標準差

μ——均值

νi——殘差

IQR——四分位間距

x*——待轉換變量的轉換值

xmin——最小值

xmax——最大值

4

3建筑用能行為描述方法

3.1人員移動

3.1.1宜使用固定作息表和基于馬氏鏈與事件的室內人員移動模型兩種方式來描述人員

移動行為，其中固定作息表法應符合本導則3.1.2的規(guī)定，基于馬氏鏈與事件的室內人員移動

模型法應符合本導則3.1.3~3.1.7的規(guī)定。

3.1.2固定作息表以房間人員逐時在室率表示。房間人員逐時在室率為房間逐時人數與房

間最多人數的比值。根據房間設置的最多人數及逐時在室率，即可計算逐時房間人數。人員

作息表的模型通式按下式計算：

??=?(??)(3.1.2)

式中：??——房間逐時在室率，0≤??≤1；

??——第i個小時。

3.1.3基于馬氏鏈與事件的室內人員移動模型可用來描述人員個體的隨機移動過程。其基

本想法是將人員個體的日?；顒优c位置移動用移動事件和馬尓可夫隨機過程（MarkovChain，

簡稱馬氏鏈）來近似。模型建立應符合以下規(guī)定：

1以建筑房間作為位置單元，人員位置以房間編號標識；

2基于個體的移動過程描述，不同人員個體的移動過程相互獨立；

3采用馬爾可夫鏈表示人員移動隨機過程；

4為日常活動定義移動事件，各個事件通過修改馬爾可夫轉移矩陣來驅動人員移動過程；

5根據人員位置初始狀態(tài)，進行馬尓可夫鏈數值模擬，生成人員逐時位置、統(tǒng)計各房間

人員狀況等。

3.1.4人員的位置移動伴隨或包含在一系列日?；顒雍褪录?，稱為事件機制，例如上

班、下班、開會、起床、睡覺等，都會引起人員位置的變化。宜引入移動事件反映這些日常

活動在人員移動過程中的作用。

3.1.5隨機走動的主要數值特征應包括人員在各個房間停留的時間比例和人員在各個房

間平均每次逗留的時間。

3.1.6辦公建筑中的典型事件包括上班、下班、午餐、會議等，這些典型事件的特征參數

應包括起始時間、結束時間、平均上班/下班/出發(fā)/返回時間等。

3.1.7住宅建筑中的典型事件包括起床、睡覺、上班、下班等，這些典型事件的特征參數

應包括起始時間、結束時間、平均起床/睡覺/上班/下班時間等。

3.2人員動作

3.2.1人員動作包括人員對房間內部空調、照明、設備及窗戶的開關等使用或控制行為。

3.2.2人員動作可采用固定作息表、條件概率模型、Logistic模型等三種方法進行描述，

5

其中固定作息表法應符合本導則3.2.3的規(guī)定，條件概率模型法應符合本導則3.2.4的規(guī)定，

Logistic模型法應符合本導則3.2.5的規(guī)定。

3.2.3人員動作的固定作息表即房間照明、設備、空調、供暖、通風等運行作息，用來描

述房間各類裝置的逐時使用情況，應根據房間功能類型和典型日類型進行設置。房間各類裝

置使用作息表的模型應符合以下規(guī)定，并按下式計算：

??=?(??)(3.2.3)

式中：??——作息表逐小時值，0≤??≤1；

??——第i個小時。

1房間空調（供暖）作息表包括設定溫濕度和啟停狀態(tài)兩部分?？照{（供暖）設定溫濕

度分別用溫度值、相對濕度值表示?？照{（供暖）啟停狀態(tài)用0和1來表示，0表示關

閉，1表示開啟。

2房間照明或設備作息表以房間照明燈具或家用/辦公設備的逐時使用率表示。房間照明

（設備）逐時使用率是房間逐時照明（設備）功率與房間最大照明（設備）功率的比

值。根據房間設置的照明（設備）最大功率及逐時使用率計算逐時房間照明（設備）

功率。

3房間通風作息表以房間的逐時通風換氣次數表示。房間逐時通風換氣次數是房間逐時

通風量體積流量與房間體積的比值，應根據實際情況確定。

3.2.4人員動作的條件概率模型將人員動作視為由特定的時間、事件或物理環(huán)境條件所

觸發(fā)、并按一定概率隨機發(fā)生。條件概率模型應從開動作和關動作分別描述，分為環(huán)境反饋

型和時間型兩大類，應符合以下規(guī)定：

1環(huán)境反饋型條件概率用于描述與室內外物理環(huán)境因素相關的動作，例如開暖氣、開空調、

開燈、開窗等動作，其發(fā)生受環(huán)境因素（如室內溫度、照度、CO2濃度等）刺激和影

響。環(huán)境反饋型條件概率按下式計算：

1)動作發(fā)生概率與環(huán)境因素正相關：

????

?()

?={1?????,?>?(3.2.4?1)

0?≤?

2)動作發(fā)生概率與環(huán)境因素負相關：

????

?()

?={1???Δτ,?<?(3.2.4?2)

0?≥?

式中：P——動作發(fā)生的概率；

x——環(huán)境變量，如溫度、濕度、照度、CO2濃度、太陽直射強度等各類環(huán)境

變量；

6

Δτ——模擬計算采用的時間步長；

u——閾值參數，表征人體感受環(huán)境刺激的閾值特征，量綱與x相同；x?u表

示環(huán)境變量x偏離閾值的大小；

1

?

l——為尺度參數，表征環(huán)境刺激的比例因子；令?=?(??)?，則?的量綱

???

與x相同，是環(huán)境變量x的無量綱化；

?

k——形狀參數，表征動作隨環(huán)境變化的敏感性，k值越大，使用者對于該自

變量因素越敏感，概率變化曲線越陡峭。

2時間型條件概率用于與時間或事件相關的動作，即動作發(fā)生在某些特殊時刻，如進出

門時，上下班時，起床或睡覺時。時間型條件概率按下式計算：

1)動作發(fā)生概率為常數：

?,?=?

?={0(3.2.4?3)

0,?≠?0

2)動作發(fā)生概率與時長（如出門離去）有關：

??

?(?????)

?={1???,?=?0(3.2.4?4)

0,?≠?0

3人員動作的條件概率模型與人員移動隨機模型類似，都是針對人員個體進行定義的。

對于多人房間，可結合個體行為獨立性假設，模擬得到人員群體的行為結果。

3.2.5人員動作的Logistic模型描述方法應符合下列規(guī)定：

1Logistic模型按下式計算（以開關空調為例）：

1

?=×100%(3.2.5)

1+????(??+?)

式中：p——行為狀態(tài)的發(fā)生概率（空調開著或關著的概率）；

x——熱環(huán)境變量（如室內溫度、室外溫度等）（℃）；

b、c——擬合系數，沒有明確的物理意義。

2Logistic模型中的概率通常針對房間設備（如空調、窗戶、照明燈具等）的運行狀態(tài)進

行定義，適合描述人員群體的行為規(guī)律。

7

4描述參數及基礎數據定義

4.1固定作息表及所需的基礎數據

4.1.1固定作息表法所需采集的數據根據被測行為確定，可以是逐時狀態(tài)數據，也可以是

逐時動作數據。若所采集基礎數據為動作數據，則應將動作及其對應時刻數據轉化成為狀態(tài)

數據使用。

4.1.2人員逐時在室狀態(tài)固定作息表以典型日內的人員逐時在室率表示。所需采集的基礎

數據包括逐時在室人數、或者人員移動動作及其對應時刻。人員逐時在室率（%）按下式計算：

第?小時在室人員數量

?=(4.1.2)

?典型日在室人員最大數量

式中：?——人員逐時在室率；

?——典型日內?時。

4.1.3窗戶逐時使用狀態(tài)固定作息表以典型日內的逐時開窗狀態(tài)、逐時通風換氣次數或逐

時通風量表示。所需采集的基礎數據包括逐時的窗戶開關狀態(tài)（窗戶開關動作及其對應時刻）、

逐時的通風換氣次數或逐時的通風量。逐時開窗狀態(tài)、逐時通風換氣次數或逐時通風量的描

述應符合以下規(guī)定：

1逐時窗戶開關狀態(tài)由0,1表示，0表示窗戶關閉，1表示窗戶開啟；

2逐時通風換氣次數宜用最大通風換氣次數與逐時通風換氣次數比例共同表示，其中逐時

通風換氣次數比例（%）按下式計算：

第?小時通風換氣次數

?=(4.1.3?1)

?典型日最大通風換氣次數

式中：?——逐時通風換氣比例；

?——典型日內?時。

3逐時通風量宜用最大小時通風量與逐時通風量比例共同表示，其中逐時通風量比例（%）

按下式計算：

第?小時通風量

?=(4.1.3?2)

?典型日最大小時通風量

式中：?——逐時通風比例；

?——典型日內?時。

4.1.4照明逐時使用狀態(tài)固定作息表以典型日內的逐時照明開關時間表示。所需采集的基

礎數據包括照明個數、各照明功率、各照明逐時使用狀態(tài)、或者照明開關動作及其對應時刻。

逐時照明開關時間的描述應符合以下規(guī)定：

8

1照明逐時使用狀態(tài)由0,1表示，0表示照明關閉，1表示照明開啟；

2逐時照明開關時間（%）按下式計算：

第?小時處于開啟狀態(tài)的照明功率總和

?=(4.1.4)

?照明總功率

式中：?——逐時照明開關時間；

?——典型日內?時。

4.1.5設備逐時使用狀態(tài)固定作息表以典型日內的設備逐時使用率表示。所需采集的基礎

數據包括設備個數、各設備功率、各設備逐時使用狀態(tài)、或者設備開關動作及其對應時刻。

設備逐時使用率的描述應符合以下規(guī)定：

1設備逐時使用狀態(tài)由0,1表示，0表示設備關閉，1表示設備開啟；

2逐時設備使用率（%）按下式計算：

第?小時處于開啟狀態(tài)的設備功率總和

??=(4.1.5)

設備總功率

式中：?——逐時設備使用率；

?——典型日內?時。

4.1.6遮陽逐時使用狀態(tài)固定作息表以典型日內的逐時遮陽使用狀態(tài)表示，0表示遮陽關

閉，1表示遮陽開啟。所需采集的基礎數據包括遮陽逐時使用狀態(tài)、或者遮陽開關動作及其對

應時刻。

4.1.7空調逐時使用狀態(tài)固定作息表由逐時空調運行狀態(tài)、空調逐時溫度兩部分來描述。

逐時空調運行狀態(tài)以典型日內的逐時空調啟停狀態(tài)表示，0表示空調關閉，1表示空調開啟。

所需采集的基礎數據包括逐時空調啟停狀態(tài)、或者空調開關動作及其對應時刻?？照{逐時溫

度所需采集的基礎數據為空調逐時設定溫度。空調逐時溫度（℃）按下式計算：

第?小時空調設定溫度為?1的頻次第?小時空調設定溫度為??的頻次

??=??1+··+???(4.1.7)

第?小時各空調設定溫度總頻次第?小時各空調設定溫度總頻次

式中：?——空調設定溫度；

?——典型日內?時；

?——第?小時采集到的不同空調設定溫度數。

4.2位移模型參數及所需的基礎數據

4.2.1人員位移模型數據主要分為人員移動數據和人員在室率數據。

4.2.2應根據事件發(fā)生機制定義工作日內會導致人員移動行為的典型事件，根據人員移動

的時間和空間特征，獲得人員在典型事件之間的轉移概率。

9

4.2.3人員在建筑中的分布情況可通過熱圖的形式獲取或表達。

4.3動作模型參數及所需的基礎數據

4.3.1影響人員動作的參數可根據所需的動作模型需求設定，行為數據可利用智能插座或

者攝像頭等方式獲取，物理環(huán)境因素可利用傳感器設備獲取，生理、心理等主觀因素可通過

問卷或生理監(jiān)測設備獲取。

4.3.2動作模型所需的參數采集時長和周期需要根據模型而定。

4.3.3用能設備的動作模型應符合下列規(guī)定：

1建筑中的設備散熱量考慮受設備種類、功率和開啟比例等因素影響。

2辦公設備以計算機為例，建立人員對該類設備的動作模型需要確定的影響因素有人員

作息時間表、計算機配置比例、計算機運行狀態(tài)、人員使用行為習慣和人員不同離開

時長關閉計算機的概率。

3計算機影響因素的數據采集周期和間隔應根據動作模型而定。

4生活設備的使用應基于人員對該類設備的動作模型需要，確定關鍵影響因素，如人員

作息時間表和人員用能的消耗水平等。

4.3.4照明的動作模型應符合下列規(guī)定：

1影響建筑中照明負荷的因素主要是照明的功率和照明開啟數量。

2人員產生開燈行為的室內工作面照度范圍應根據案例建筑中人員的光環(huán)境需求和偏好

而定。

3單人辦公房間內，建立人員對照明設備的動作模型需要確定的影響因素除了環(huán)境因素，

還包括基于特定事件的行為習慣和節(jié)能意識。

4多人辦公房間內，建立人員對照明設備的動作模型需要確定的影響因素除了以上所述

的因素外，還應考慮人員在室率對照明開啟數量的分布影響。

4.3.5開關窗動作模型應符合下列規(guī)定：

1影響開關窗動作的因素主要是開關窗動作的發(fā)生時刻和與開關窗行為有顯著相關的環(huán)

境參數，通常為室內溫度、室外溫度、室內濕度、室外濕度、室內CO2濃度等。

2建立室內人員對開關窗的動作模型所需的基礎數據主要包括開關窗的動作時刻、動作

時刻對應的環(huán)境參數、以及該時刻對應的開關窗動作。

4.3.6空調啟停的動作模型應符合下列規(guī)定：

1影響建筑中空調啟停動作的因素主要是其相關的熱環(huán)境參數，通常為室內溫度、室外

溫度等。

2建立人員對空調的動作模型所需的基礎數據主要包括開關空調的動作時刻、動作時刻

對應的熱環(huán)境參數、以及該時刻對應的空調開關動作等。

10

5基礎數據獲取方法

5.1獲取方式

5.1.1人行為數據包括人員移動數據和人員動作數據。人員移動數據可采用接觸式設備、

非接觸式設備、移動互聯(lián)網大數據、問卷調查方式獲取，人員動作數據可采用設備調控行為

測試裝置、環(huán)境參數測試裝置獲取。在測試過程中，為了便于分析人行為數據，各測試設備

的時間應同步，宜具備時鐘校正功能，宜具備相同的測試起始時間和采樣時間步長。

5.1.2使用接觸式設備采集人員位移及動作應以不對用戶形成負擔為原則，可使用基于

Wifi型號的室內人員識別、佩戴可穿戴設備、佩戴射頻識別傳感器、三軸加速器或座椅壓力

傳感器等設備。

5.1.3使用非接觸式設備采集人員的位移及動作應考慮室內人員隱私，可通過攝像頭、深

度相機、熱成像儀、毫米波雷達、被動式紅外傳感器、CO2傳感器等設備，結合統(tǒng)計分析或

機器學習算法獲取人員在室和活動的情況，從而獲得室內人員數量及移動規(guī)律，宜采用傳感

器融合技術提高檢測準確性。非接觸式數據獲取方式可根據表5.1.3中各類型檢測方法的特點

進行選取。

表5.1.3不同類型非接觸式檢測方法

非接觸式數據現有基礎數據處理

采集數據類型隱私問題

獲取方式設施復雜程度

攝像頭、深度相是否有人、人員數目、

無有高

機人員軌跡、人員姿態(tài)

是否有人、人員數目、

熱成像儀部分部分高

人員軌跡、人員姿態(tài)

是否有人、人員數目、

毫米波雷達無無中

人員軌跡、人員姿態(tài)

被動式紅外傳

是否有人、人員數目無無低

感器（PIR）

CO2傳感器是否有人、人員數目部分無低

5.1.4建筑內總人數可通過手機、電腦等移動終端采集的定位大數據獲取。采用此方法獲

取建筑內總人數時，應考慮建筑類型及建筑尺寸。數據需注明建筑類型、采集時間以及采集

樣本占總體的比例。

5.1.5可通過問卷調查的方法獲取建筑人員位置信息以及行為習慣。問卷調查過程需根據

11

調查目的以及研究內容確定問卷調查內容及對象，樣本數可參考表5.1.5。

表5.1.5不同規(guī)模問卷調查樣本容量范圍

總體規(guī)模抽樣比

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1%-5%

100000人以上1%以下

5.1.6人員對設備的調控行為應使用設備調控行為測試裝置進行獲取，包括用電設備開關

及檔位、開關窗行為及窗戶開度、遮陽裝置開度等，相關儀器設備如電量記錄儀、磁開關記

錄儀、攝像頭、超聲波記錄儀、拉繩位移記錄儀、手機APP等。

5.1.7記錄人員對設備的調控行為的同時，應測試相對應的環(huán)境參數，包括溫濕度、照度、

CO2、VOC、PM2.5等，進而分析人員對設備調控行為的觸發(fā)條件模型。

5.2采集方法

5.2.1基礎數據的采集包括人員移動數據的采集和人員動作數據的采集兩個部分，其中人

員移動數據的采集應符合本導則5.2.2~5.2.7的規(guī)定，人員動作數據的采集應符合本導則

5.2.8~5.2.12的規(guī)定。

5.2.2室內人員移動數據用于獲取人員的移動規(guī)律，可根據不同的模擬目的選擇對應的采

集方法，包括人移動軌跡、房間是否有人、房間人員數量、建筑內人員密度和人員在室率等

數據。

5.2.3房間是否有人可用于判定房間內的設備是否發(fā)生調控行為的可能性，宜使用一個或

多個被動式紅外傳感器、毫米波雷達布置在房間內，儀器測量范圍應能覆蓋整個房間，測量

步長宜不低于1min一次。

5.2.4房間人員數量能夠可用于確定室內人員發(fā)熱量、室內人員行為交互等信息，在沒有

隱私要求的房間宜采用攝像頭配合人臉識別的方法進行采集，在隱私要求較高的房間宜采用

座椅壓力、人員計數器等設備，數據記錄時間步長宜不低于1min一次。

5.2.5人移動軌跡用來描述人在室外和室內、不同房間之間、同一房間內部的移動規(guī)律，

沒有隱私要求情況下宜使用攝像頭采集，在隱私要求較高時宜使用基于Wifi型號的室內人員

識別、佩戴可穿戴設備、佩戴射頻識別傳感器采集，可用的數據采集設備參見附錄A。

12

5.2.6建筑內人員在室情況可以通過人員密度和人員在室率反映。應根據建筑能耗模擬目

的，對不同空間、時間尺度選擇不同的人員密度和人員在室率獲取方式。

5.2.7室內人員的動作數據用于獲取人對設備的調控規(guī)律，可根據不同的設備選擇對應的

采集方法，設備調控行為、環(huán)境參數、人員位移的采集時間應保持一致。

5.2.8室內人員的動作數據用于獲取人對設備的調控規(guī)律，可根據不同的設備選擇對應的

采集方法，設備調控行為、環(huán)境參數、人員位移的采集時間應保持一致。

5.2.9采暖/空調行為應采集空調器開關情況、環(huán)境溫度和人員是否在室狀況，可采集空調

器設定溫度、環(huán)境濕度、人員進入室內時間和停留時間，測量步長不低于1min一次。

5.2.10開/關窗行為應采集窗的開啟和關閉狀態(tài)、人員是否在室狀況，可采集窗的開度、

室內外溫濕度、空氣品質等參數，凈化器行為應采集凈化器的開啟和關閉狀態(tài)、人員是否在

室狀況，可采集凈化器開啟檔位、室內外空氣品質等參數，測量步長不低于1min一次。

5.2.11遮陽行為應采集遮陽裝置的開啟和關閉狀態(tài)、人員是否在室狀況，可采集遮陽裝置

的開度、室內照度、室外太陽輻射照度、眩光等參數，照明行為應采集燈具的開啟、關閉和

檔位狀態(tài)、人員是否在室狀況，可采集室內照度、照度均勻度等參數，測量步長不低于1min

一次。

5.2.12個體舒適裝置調控行為應采集裝置的開啟和關閉狀態(tài)、人是否在個體舒適裝置調控

的微環(huán)境中，可采集不同種類個體舒適裝置的檔位、對應的環(huán)境狀態(tài)參數等，測量步長不低

于1min一次。

13

6基礎數據質量與預處理

6.1基礎數據質量要求

6.1.1人行為基礎數據的質量要求應符合以下規(guī)定：

1應對第5章所述方法獲取的人行為基礎數據進行質量控制。質量控制過程中應包含對

數據的準確性、完整性和一致性三個要素的檢驗。

2應根據模擬用途以及所選擇的行為描述方法，從數據采集范圍、周期以及采集頻率三

個層面分析并檢驗人行為基礎數據的完整性要素。

3人行為基礎數據的準確性應根據所獲取的數據類型，參照現行國家和行業(yè)相關標準進

行測量精度的檢驗。

4應根據不同獲取方法所采集的數據之間的相關性，對數據進行一致性檢驗。

5在對人行為基礎數據進行質量控制時，宜采用計算機自動處理和人工審核校驗相結合

的方法進行。

6.1.2典型時間表的樣本采集數量和采集周期應根據其數據獲取方法和行為類別進行確定。

6.1.3動作與位移模型應符合以下規(guī)定：

1對于獲取人員動作和位移的部分傳感器，其檢測量程和精度要求應符合表6.1.3的規(guī)定。

表6.1.3部分傳感器的量程以及精度要求

測試參數量程精度

干球溫度-10~50℃±0.5℃

相對濕度10~100%±5%

空氣流速0~5m/s±（0.05+5%讀數）m/s

黑球溫度0~60℃±0.5℃

定向輻射熱-2kW/m2~2kW/m2±5W/m2

表面溫度~10~60℃±1℃

PIR半徑3~5m/

超聲波185平方米/

2數據采集范圍應涵蓋人員使用和活動的主要區(qū)域，被采集對象應具有代表性。

3數據的采集周期以及采集頻率，宜根據建筑類型以及具體行為類別進行確定。

6.2基礎數據預處理方法

6.2.1數據預處理應符合以下一般規(guī)定：

14

1在數據質量控制過程中，宜按照數據清洗、數據集成與規(guī)約、數據轉換與離散化三個

基本步驟對人行為基礎數據進行預處理。

2應根據獲取的數據類別和模擬應用場景等要求選擇不同的數據清洗方法。

3當存在多種數據源時，宜采用數據集成與規(guī)約對人行為基礎數據進行預處理。

6.2.2數據清洗應符合以下規(guī)定：

1缺失數據處理應符合以下規(guī)定：

1）人行為基礎數據的缺失通常包含傳感器數據缺失、調查類數據缺失和數據后處理缺

失。在對人行為數據進行數據清洗時，應對上述數據缺失進行處理。

2）缺失數據處理方法主要包括保留缺失項、直接刪除和缺失值填補。應根據人行為數

據類別以及缺失情況進行選擇。

3）可采用均值填補法、線性插值法、回歸填補法和KNN填補法等相關方法對人行為數

據缺失值進行填補，具體缺失值處理方法見附錄B.1-B.3。

2異常數據處理應符合以下規(guī)定：

1）應根據6.1.2至6.1.4節(jié)中的規(guī)定，將不滿足相關國家標準中規(guī)定的正常取值范圍的

數據視作可疑數據。

2）可采用萊茵達準則、箱線法和聚類法等方法判斷數據的正確性，并對可疑數據進行

標識，具體方法見附錄B.4-B.6。

3）宜進一步對異常數據進行人工校核以避免誤刪正確的異常數據。

4）對具有高頻噪音的時序類數據（如CO2濃度等），宜采用小波算法等時頻分析方法

對其進行去噪處理，具體方法及步驟見附錄B.7。

6.2.3數據集成與規(guī)約應符合以下規(guī)定：

1人行為基礎數據之間通常存在較大的相關性，宜采用相關分析等方法對人行為數據進

行一致性檢驗后，將多源數據進行統(tǒng)一集成和存儲。

2人行為相關數據通常具有特征多和數據量大等特點，宜采用主成分分析等數據規(guī)約方

法實現降低數據維度的目的，具體方法及步驟見附錄B.8。

6.2.4數據轉換與離散化應符合以下規(guī)定：

1在對具有不同量綱的人行為相關數據進行處理和分析時，為避免量級較小數據的效果

被掩蓋，可采用z-score和min-max等標準化方法將所采集的數據轉化為無量綱的數值，

具體方法及步驟見附錄B.9-B.10。

2在采用基于離散型變量的數學方法建立人行為相關模型時，宜采用分箱法和聚類法等

方法對連續(xù)型變量進行數據離散化處理。

15

7基礎數據分析方法

7.1環(huán)境因素的影響分析

7.1.1分析環(huán)境因素對用能行為的影響時，可用描述性統(tǒng)計，單因素分析，聚類分析，獨

立樣本t檢驗，多因素方差分析，皮爾遜（Pearson）相關系數，斯皮爾曼(Spearman)相關系數，

加權法，共線性診斷檢驗，Kaplan-Meier生存分析等方法。

7.1.2對調查總體所有變量的有關數據的描述性統(tǒng)計包括數據的頻數分析、集中趨勢分析、

離散程度分析、分布以及一些基本的統(tǒng)計圖形。

7.1.3單因素分析是在一個時間點上對某一變量的分析，目的在于描述事實。

7.1.4聚類分析是將物理或抽象對象的集合分組為由類似的對象組成的多個類的分析過

程，其目標就是在相似的基礎上收集數據來分類。

7.1.5獨立樣本t檢驗是對于相互獨立的兩個來自正態(tài)總體的樣本，利用獨立樣本的T檢

驗來檢驗這兩個樣本的均值和方差是否來源于同一總體。

7.1.6多因素方差分析是對一個獨立變量是否受多個因素或變量影響而進行的方差分析。

7.1.7皮爾遜（Pearson）相關系數可用于檢驗兩個連續(xù)變量之間是否存在線性相關，相關

系數在-1到1之間，越接近1或-1，相關性越強。

7.1.8斯皮爾曼(Spearman)相關系數可用于分析不服從正態(tài)分布的數據可采用斯皮爾曼相

關系數，即描述兩個變量之間的關聯(lián)程度與方向。斯皮爾曼相關主要用于解決分類變量和連

續(xù)變量相關的問題。

7.1.9加權法指相應參數乘以權重系數的分析方法?？捎糜诜治瞿承﹨祵照{開啟率的

綜合影響。例，當室內溫度和室外溫度綜合影響人行為時，采用加權分析這兩個參數的影響

程度。

7.1.10共線性診斷是檢驗自變量間是否存在近似的線性關系，即某個自變量是否能近似

的用其他自變量的線性函數來描述。

7.1.11Kaplan-Meier生存分析用于研究單一變量對生存的影響。

7.1.12環(huán)境因素對建筑用能行為的影響的分析可按照表7.1.11選擇分析方法。

表7.1.11建筑用能行為分析方法-環(huán)境因素

分析目的分析方法

證明研究普遍性獨立樣本t檢驗

單因素分析

兩個連續(xù)變量加權分析

皮爾遜相關系數

相關性分析-環(huán)境因素

兩個及以上連續(xù)變量多因素方差分析

共線性診斷

分類變量斯皮爾曼相關系數

16

連續(xù)變量

使用模式聚類分析

7.2非環(huán)境因素的影響分析

7.2.1分析非環(huán)境因素對用能行為的影響時，可考慮一天中不同時間段、工作日/周末、季

節(jié)、建筑類型、建筑高度、建筑朝向等因素。常用的方法有單因素ANOVA檢驗、獨立樣本t

檢驗。

7.2.2非環(huán)境因素的描述應符合以下規(guī)定：

1對于一天中不同時間段的影響分析，應將一天中的時間按照需要劃分為相同的區(qū)間，

計算在每個區(qū)間內對應的開窗/空調/照明/遮陽概率，描述時間對開窗行為的影響。

2對于工作日/周末的影響分析，應通過匯總被測建筑分別在工作日和周末的日均開窗/空

調/照明/遮陽時長，對比分析出室內人員在工作日和周末的開窗/空調/照明/遮陽行為不

同之處。

3對于不同季節(jié)的影響分析應對比不同季節(jié)下，開窗/空調/照明/遮陽時長、日均開窗/空

調/照明/遮陽次數等參數的差別。

4對于不同建筑類型的影響分析：對比在相同因素下，不同建筑類型的開窗/空調/照明/

遮陽概率，得出其對應的開窗行為特征，并通過對比得出幾種類型建筑的區(qū)別。

5對于建筑物高度的影響分析應符合以下規(guī)定：

1）對于單棟建筑，應將超高層建筑按照避難層劃分為低層、中層及高層區(qū)三部分，記

錄的數據同時按朝向劃分。記錄該建筑不同朝向、不同高度的開窗/遮陽比例。

2）對于多棟建筑，應通過對比每棟建筑在同一時刻開窗/遮陽比例的不同，得出其不同

建筑高度的開窗/遮陽行為特征。

6對于建筑物朝向的影響分析，應記錄一棟建筑不同朝向在相同時刻的開窗/遮陽比例，

分析其不同朝向對開窗/遮陽行為的影響。

7.2.3單因素ANOVA檢驗用于確定三個及其以上的數據組之間的均值是否具有統(tǒng)計差異。

7.2.4獨立樣本t檢驗的具體原理及應用方法見7.1.4。

7.2.5非環(huán)境因素對建筑用能行為的影響的分析按照表7.2.5選擇分析方法。

表7.2.5建筑用能行為分析方法-非環(huán)境因素

分析目的分析方法

證明研究普遍性獨立樣本t檢驗

兩個分類變量獨立樣本t檢驗

相關性分析-非環(huán)境因素

兩個以上分類變量單因素ANOVA檢驗

使用模式聚類分析

7.3建筑用能行為特征分析

17

7.3.1室內人員位移特征可使用以下指標分析，每個指標對應的推薦用圖/表見附錄C.0.1。

1占用率/在室率（%），即人員在某時刻在室時長與總測試時長比值。

2房間人數（人），即室內人員數量。

3工作日與周末在室比例（%），即工作日在室總時長與周末在室總時長之比。

4轉移概率（%），即人員在時刻τ處于位置i時，在時刻τ+1處于位置j的概率，亦即

人員在時刻τ從子空間i出發(fā)，下一時刻移動到子空間j的概率。

5在室/空置概率（%），即反映在一定時間下人員在室/不在室內的可能性大小。

6占用/空置時長（h），即綜合反映建筑中在測試階段人員在室內/房間空置的時間長度。

7人員每日活動時長（min），即在每天的活動中，第一次“到達”和最后一次“離開”

的時間的差值對應于“每日活動”的持續(xù)時間。

8每日/每周累計在室時長（min），即在測試期間內，人員每天/每周在室內的總時長。

9各時刻在室時長（min），即一天24小時中，每一時刻對應的人員在室時長。

10人員日均離開/到達房間次數（次），即房間每日已占用的活動數目與空置活動數目。

7.3.2窗戶使用行為特征可使用以下指標分析，每個指標對應的推薦用圖/表見附錄C.0.2。

1單次開啟時長（分鐘）即某一次窗戶保持打開狀態(tài)的時長。

2每小時開啟時長（分鐘/小時）即窗戶保持開啟狀態(tài)的總小時數占總測試小時數的百分

比。

3日均開窗時長（分鐘/天）即各被測房間窗戶開啟總時長與測試天數的比值。

4總開窗時長（分鐘）即在測試期間，各被測房間的窗戶開啟總時長，通常采用柱狀圖

來表示，被測房間作為橫坐標，窗戶開啟時長作為縱坐標。

5日均開窗次數（次/天）即測試期間窗戶狀態(tài)由關閉至開啟的次數與總測試天數的比值。

6開/關窗次數（次）即將各測試因素劃分為不同的區(qū)間，在某區(qū)間內，窗戶由關閉狀態(tài)

到打開狀態(tài)（由打開狀態(tài)到關閉狀態(tài)）的次數。

7窗戶狀態(tài)改變概率（%）即在某一時間段內，窗戶狀態(tài)改變的次數占總次數的比值。

8開/關窗頻率（%）即在某一時間段內的窗戶狀態(tài)由關閉到打開（由打開到關閉）這一

動作發(fā)生的次數除以總開/關窗次數。

9開窗概率/開窗頻率/開啟率（%）即將各測試因素劃分為不同的區(qū)間，在某區(qū)間內，窗

戶處于開啟狀態(tài)的數量占窗戶狀態(tài)記錄總和的百分比即為對應的開窗概率，通常使用

點線圖來表示，各因素劃分的區(qū)間作為橫坐標，開窗概率作為縱坐標。

10開窗比例（%）即被測建筑在某因素的影響下開啟的窗扇數占所有的窗扇數的比值。

11開關比即所收集到的各房間的數據中，每個房間窗戶打開狀態(tài)與關閉狀態(tài)的比值，理

想中的開關比的等于或接近于1，除可描述開窗特征外，還可用于對建模數據進行篩選，

按下式計算：

18

?0

?=(7.3.2)

?1

式中：?0——窗戶為“開狀態(tài)”的數據量，

?1——窗戶為“關狀態(tài)”的數據量，

?——開關比，%。

7.3.3空調使用行為特征可使用以下指標分析，每個指標對應的推薦用圖/表見附錄C.0.3。

1逐時開啟率（%）應符合以下規(guī)定：

1）對于單臺設備，逐時開啟率（%）為每小時運行的累積時長與一小時之比。

2）對于多臺設備，逐時開啟率（%）為每小時開啟空調器數量與空調器總樣本量之比。

2每日開啟率（%）應符合以下規(guī)定：：

1）對于單臺設備，每日開啟率（%）為當日空調器運行的累積時長與24小時之比。

2）對于多臺設備，每日開啟率（%）為當日開啟空調器數量與空調器總樣本量之比。

3基于影響因素的開啟率（%），即在影響因素的單位范圍內，空調器開啟時間與監(jiān)測時

間之比。影響因素指環(huán)境因素或非環(huán)境因素，其可為連續(xù)變量或分類變量。

4基于影響因素的累計開啟率（%），即在影響因素的指定范圍內，空調器開啟率之和。

5單次運行時長（h），即空調器在每一次相鄰的開啟動作與關閉動作之間所運行的時長。

6單次運行時長t小時的占比（%），即單次運行時長t的數量與單次運行時長總樣本數

量之比。

7單次運行時長累積概率（%），即在單次運行時長的指定范圍內，空調器開啟率之和。

8日均開啟時長（小時），即空調器在監(jiān)測時期的總運行時長與運行天數之比。

9在開啟日的運行次數（次），即若某天空調器開啟，空調器在該開啟日所運行的次數

（每一次相鄰的開啟與關閉動作記為一次運行）。

10在第ｔ時刻的開啟比例（%），即空調器在第ｔ時刻運行的累積時長與空調器在所有

時刻運行的累積時長之比。

11開啟/關閉動作發(fā)生在t時刻的占比（%），即開啟/關閉動作發(fā)生在第ｔ時刻的運行次

數與空調器總運行次數之比。

12溫度設定值（℃），即非連續(xù)性操作時設定的空調器運行溫度；連續(xù)性操作時最后設

定的空調器運行溫度。

13日均溫度設定動作頻次（次），即對空調器進行溫度設定動作的次數與運行天數之比。

14日均開啟頻次（次），即空調器在監(jiān)測時期的總開啟次數與運行天數之比。

15日均能耗（kWh/day），即空調器在監(jiān)測時期的總能耗與運行天數之比。

16整夜運行率（%），即空調器整晚運行的天數與總運行天數之比（若空調器在23時至

次日6時之間的95%時間內處于開啟狀態(tài)，則定義為整晚運行）。

7.3.4遮陽行為特征可使用以下指標分析，每個指標對應的推薦用圖/表見附錄C.0.4。

19

1遮陽調節(jié)概率（%），即遮陽位置被調整的次數與總實測次數之比。

2遮陽上調比例（%），即遮陽設備上調（增加開啟面積）的次數與總實測次數之比。

3遮陽下調比例（%），即遮陽設備下調（增加關閉面積）的次數與總實測次數之比。

4遮擋率（%），即遮陽設備關閉面積與總面積之比。

5日均調節(jié)次數（次），即調整遮陽設備動作的次數與監(jiān)測天數之比。

6遮陽設備使用狀態(tài)特征值Y，按下式取值：

0，遮陽設備完全打開

Y={Xi，遮陽設備關閉面積與完全關閉面積之比(7.3.4)

1，遮陽設備完全關閉

7遮陽特征值Y的比例（%），即相應Y取值的數量與所有取值數量之比。

7.3.5室內照明行為特征可使用以下指標分析，每個指標對應的推薦用圖/表見附錄C.0.5。

1累計開燈時長（h），即測試（計算）期間燈具開啟的總時長。

2累計開燈次數（h），即測試（計算）期間燈具開啟的總次數。

3單次開燈時長（h），即每次開燈之后（直至關閉）燈具所開啟的時長。

4單次關燈時長（h），即每次關燈之后（直至打開）燈具所關閉的時長。

5每次開燈最大時長（h），即每次開燈之后（直至關閉）燈具所開啟的最大時長。

6每次開燈最短時長（h），即每次開燈之后（直至關閉）燈具所開啟的最短時長。

7開燈照度閾值（lux），即當室內照度高于一定水平后，開燈動作發(fā)生的概率恒為0，

則稱該照度水平為開燈照度閾值。

8平均開燈時數（h），即測試（計算）期間燈具開啟的平均時數。

9最低開燈照度（lux），即室內要求達到的最低照度水平。

10關燈延遲時間（h），即人員離開到燈關閉所延遲的時間。

11開（關）燈概率（%），即反映在一定條件下開（關）燈動作發(fā)生的可能性大小。

12平均每日人員在室時間（h），即測試（計算）期間人員在室的平均時長。

13平均每日照明使用時間（h），即測試（計算）期間室內照明的平均時長。

14照明開啟比率（%），即在某一時間段，開啟的燈具數占燈具總數的百分比。

20

附錄A適用于隱私要求較高的基礎數據采集設備

設備名稱精度范圍使用介紹

可長時間持續(xù)監(jiān)測人員身體活動情

三軸加速器±1.0g~±5.0g況，其體積小、重量輕、功耗低、成

本低，非常適合應用于收集人員信息

對于用戶的活動范圍可以實現全方

無線路由器位覆蓋，無需佩戴任何設備，不侵犯

用戶個人隱私

易于佩戴，實時監(jiān)控人員心率、代謝

智能手環(huán)率等生理參數，配有三軸加速劑、陀

螺測試儀、GPS等裝置

人數檢測準確率：

98.12%Kinect攝像機與計算機中SDK和API

KinectDK深度相機

姿態(tài)檢測準確率：相結合可實現人員檢測。

83%

安裝相機對應的計