建筑能耗模擬用人行為基礎(chǔ)數(shù)據(jù)采集技術(shù)導(dǎo)則目 次1總則 12術(shù)語與符號 22.1術(shù)語 22.2符號 43建筑用能行為描述方法 53.1人員移動 53.2人員動作 5描述參數(shù)及基礎(chǔ)數(shù)據(jù)定義 8固定作息表及所需的基礎(chǔ)數(shù)據(jù) 8位移模型參數(shù)及所需的基礎(chǔ)數(shù)據(jù) 9動作模型參數(shù)及所需的基礎(chǔ)數(shù)據(jù) 105基礎(chǔ)數(shù)據(jù)獲取方法 115.1獲取方式 115.2采集方法 126基礎(chǔ)數(shù)據(jù)質(zhì)量與預(yù)處理 14基礎(chǔ)數(shù)據(jù)質(zhì)量要求 14基礎(chǔ)數(shù)據(jù)預(yù)處理方法 147基礎(chǔ)數(shù)據(jù)分析方法 16環(huán)境因素的影響分析 16非環(huán)境因素的影響分析 17建筑用能行為特征分析 17附錄A適用于隱私要求較高的基礎(chǔ)數(shù)據(jù)采集設(shè)備 21附錄B數(shù)據(jù)預(yù)處理方法 23附錄C各用能行為的指標分析推薦用圖/表 262PAGEPAGE221總則術(shù)語與符號術(shù)語occupantenergy-relatedbehaviorinbuildings與建筑環(huán)境和能耗直接且密切相關(guān)的使用模式、使用狀況等，如人員移動、開窗、遮陽調(diào)節(jié)、照明、空調(diào)供暖設(shè)備使用、電器設(shè)備使用等行為。occupantmovement人在建筑及房間位置的變化，即房間內(nèi)的人員數(shù)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(nèi)的某個位置。occupantaction人員基于感知到的周圍環(huán)境與以往經(jīng)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(shù)的動作，主要體現(xiàn)在房間設(shè)備對象的狀態(tài)變化上。occupantbehaviorinbuildingenergysimulation建筑性能模擬中用于預(yù)測人員所在位置、建筑內(nèi)各類設(shè)備對象的運行狀態(tài)和人員對于設(shè)備控制使用特征的模型和方法。movementmodel刻畫和描述室內(nèi)人員數(shù)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。actionmodel刻畫和描述室內(nèi)人員對某設(shè)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(guān)聯(lián)性。occupantbehaviordata通過各類傳感器、移動互聯(lián)網(wǎng)大數(shù)據(jù)、問卷調(diào)查、環(huán)境參數(shù)測試裝置等方式獲取的與人員行為活動相關(guān)的數(shù)據(jù)。occupantmovementdata用于表示人員的移動規(guī)律，可根據(jù)不同的模擬目的選擇對應(yīng)的采集方法。occupantactiondata用于表示人對設(shè)備的調(diào)控規(guī)律，可根據(jù)不同的設(shè)備選擇對應(yīng)的采集方法。contactmeasurement使用直接接觸人員的方式采集人員位移及動作，應(yīng)以不對室內(nèi)人員形成負擔為原則。non-contactmeasurement通過不直接接觸人員的設(shè)備采集人員位移及動作，應(yīng)充分考慮室內(nèi)人員隱私問題。wearablesensor直接將傳感器與人員身上的配件相結(jié)合的一種便攜式設(shè)備，可與各類終端及互聯(lián)網(wǎng)連接從而采集多種人員信息，如人體代謝率、人員位置等。abnormaldata不滿足相關(guān)國家標準中規(guī)定的正常取值范圍的可疑數(shù)據(jù)。missingdata由于傳感器數(shù)據(jù)缺失、調(diào)查類數(shù)據(jù)缺失和數(shù)據(jù)后處理缺失導(dǎo)致數(shù)據(jù)的不完整性。符號E(xi)——平均值T——溫度，℃u——閾值參數(shù)，℃l——尺度參數(shù)，℃k——形狀參數(shù)c——事件對于隨環(huán)境因素變化的基本函數(shù)形式產(chǎn)生的附加影響α——常參數(shù)Δτ——模擬步長r——開關(guān)比VIF——方差膨脹因子TOL——容差Y——遮陽設(shè)備使用狀態(tài)特征值E——室內(nèi)照度水平，luxD——燈具開關(guān)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I(lǐng)QR——四分位間距x*——待轉(zhuǎn)換變量的轉(zhuǎn)換值xmin——最小值xmax——最大值建筑用能行為描述方法人員移動3.1.23.1.3~3.1.7????=??(????) (3.1.2)式中：????——房間逐時在室率，0≤????≤1；????——第i個小時。（MarkovChain，）//出發(fā)//上班人員動作人員動作包括人員對房間內(nèi)部空調(diào)、照明、設(shè)備及窗戶的開關(guān)等使用或控制行為。Logistic其中固定作息表法應(yīng)符合本導(dǎo)則3.2.3的規(guī)定，條件概率模型法應(yīng)符合本導(dǎo)則3.2.4的規(guī)定，Logistic模型法應(yīng)符合本導(dǎo)則3.2.5的規(guī)定。????=??(????) (3.2.3)式中：????——作息表逐小時值，0≤????≤1；????——第i個小時。（）供暖01/（）（（（）（）功率。（CO2??={1???

?(??

???,??>

(3.2.4?1)0 ??≤???????????={1????(0??≥??式中：P——動作發(fā)生的概率；

??)

Δτ,??<??

(3.2.4?2)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；Δτ——模擬計算采用的時間步長；u——閾值參數(shù)，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??；??l——為尺度參數(shù)，表征環(huán)境刺激的比例因子；令??=??(???)?1??

，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(shù)，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。

?? ,??=??0??={0 ,??≠??0

(3.2.4?3)（????????????????={1????(??),??=??0

(3.2.4?4)0 ,??≠??0LogisticLogistic（）：??= 11+???????(????+??)

×100% (3.2.5)式中：p——行為狀態(tài)的發(fā)生概率（空調(diào)開著或關(guān)著的概率）；x——熱環(huán)境變量（如室內(nèi)溫度、室外溫度等）（℃）；b、c——擬合系數(shù)，沒有明確的物理意義。Logistic（）描述參數(shù)及基礎(chǔ)數(shù)據(jù)定義????

=第??

(4.1.2)式中：??——人員逐時在室率；??——典型日內(nèi)??時。（、0,1表示，01????

=第??

(4.1.3?1)式中：??——逐時通風換氣比例；??——典型日內(nèi)??時。（%）????

= 第??典型日最大小時通風量

(4.1.3?2)式中：??——逐時通風比例；??——典型日內(nèi)??時。0,1表示，01（%）????

=第??小時處于開啟狀態(tài)的照明功率總和照明總功率

(4.1.4)式中：??——逐時照明開關(guān)時間；??——典型日內(nèi)??時。0,1表示，01（%）第??小時處于開啟狀態(tài)的設(shè)備功率總和????=

設(shè)備總功率

(4.1.5)式中：??——逐時設(shè)備使用率；??——典型日內(nèi)??時。0表示空調(diào)關(guān)閉，1（℃）????=

第??小時空調(diào)設(shè)定溫度為??1的頻次第??小時各空調(diào)設(shè)定溫度總頻次???1+··+式中：??——空調(diào)設(shè)定溫度；??——典型日內(nèi)??時；

第??小時空調(diào)設(shè)定溫度為????的頻次第??小時各空調(diào)設(shè)定溫度總頻次?????(4.1.7)??——第??小時采集到的不同空調(diào)設(shè)定溫度數(shù)。CO2基礎(chǔ)數(shù)據(jù)獲取方法獲取方式CO25.1.3表5.1.3不同類型非接觸式檢測方法非接觸式數(shù)據(jù)獲取方式采集數(shù)據(jù)類型現(xiàn)有基礎(chǔ)設(shè)施隱私問題攝像頭、深度相機是否有人、人員數(shù)目、人員軌跡、人員姿態(tài)無有高熱成像儀是否有人、人員數(shù)目、人員軌跡、人員姿態(tài)部分部分高毫米波雷達是否有人、人員數(shù)目、人員軌跡、人員姿態(tài)無無中被動式紅外傳感器（PIR）是否有人、人員數(shù)目無無低CO2傳感器是否有人、人員數(shù)目部分無低調(diào)查目的以及研究內(nèi)容確定問卷調(diào)查內(nèi)容及對象，樣本數(shù)可參考表5.1.5。表5.1.5不同規(guī)模問卷調(diào)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APPCO2、VOC、PM2.5等，進而分析人員對設(shè)備調(diào)控行為的觸發(fā)條件模型。采集方法5.2.2~5.2.71min1minA。采暖/1min開/1min一次。1min一次。1min一次?；A(chǔ)數(shù)據(jù)質(zhì)量與預(yù)處理基礎(chǔ)數(shù)據(jù)質(zhì)量要求56.1.3表6.1.3部分傳感器的量程以及精度要求測試參數(shù)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(shù)）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/基礎(chǔ)數(shù)據(jù)預(yù)處理方法KNNB.1-B.3。6.1.26.1.4標識，具體方法見附錄B.4-B.6。如CO2）B.7。B.8。z-score和min-max具體方法及步驟見附錄B.9-B.10?；A(chǔ)數(shù)據(jù)分析方法環(huán)境因素的影響分析t(Spearman)Kaplan-MeiertT檢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。11或(Spearman)Kaplan-Meier7.1.11分析目的分析方法證明研究普遍性獨立樣本t檢驗相關(guān)性分析-環(huán)境因素兩個連續(xù)變量單因素分析加權(quán)分析皮爾遜相關(guān)系數(shù)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(guān)系數(shù)連續(xù)變量使用模式聚類分析/t檢驗。//照明//空調(diào)/照明/空調(diào)///空調(diào)///空調(diào)/照明/空調(diào)////t7.1.4。7.2.57.2.5分析目的分析方法證明研究普遍性獨立樣本t檢驗相關(guān)性分析-非環(huán)境因素兩個分類變量獨立樣本t檢驗兩個以上分類變量單因素ANOVA檢驗使用模式聚類分析C.0.1。/（%），（）（%）τiτ+1處于位置jτij在室（%），/占用/（min），即在每天的活動中，第一次“到達”和最后一次“離開”每日（min），（min）24/（）C.0.2。（分鐘小時（/））次/開/次（）（%）開/（%）這一//（%）（%）??0??=??1————??——開關(guān)比，%。

(7.3.2)C.0.3。24（%）單次運行時長t（%）t（%）（）次）（每一次相鄰的開啟與關(guān)閉動作記為一次運行）。（%）/t/ｔ（次（kWh/day），23695%）。表見附錄C.0.4。（%）（）（）（%）（）Y0，遮陽設(shè)備完全打開Y={Xi，遮陽設(shè)備關(guān)閉面積與完全關(guān)閉面積之比1，遮陽設(shè)備完全關(guān)閉Y（%）Y

(7.3.4)表見附錄C.0.5。））））（lux）0，（h））（lux）（h）（）（%）（關(guān)（h）（（h）（（%）附錄A適用于隱私要求較高的基礎(chǔ)數(shù)據(jù)采集設(shè)備設(shè)備名稱精度范圍使用介紹三軸加速器±1.0g~±5.0g可長時間持續(xù)監(jiān)測人員身體活動情無線路由器對于用戶的活動范圍可以實現(xiàn)全方位覆蓋，無需佩戴任何設(shè)備，不侵犯用戶個人隱私智能手環(huán)易于佩戴，實時監(jiān)控人員心率、代謝率等生理參數(shù)，配有三軸加速劑、陀螺測試儀、GPS等裝置人數(shù)檢測準確率：KinectDK深度相機98.12%Kinect攝像機與計算機中SDK和API姿態(tài)檢測準確率：相結(jié)合可實現(xiàn)人員檢測。83%紅外夜視人體測溫熱成像儀姿態(tài)檢測準確率：87.44%安裝相機對應(yīng)的計算機平臺可得到人員數(shù)目和軌跡，與深度學(xué)習(xí)算法結(jié)合可得到人員姿態(tài)。智能毫米波傳感器標準天線插件模塊姿態(tài)檢測準確率：96.76%傳感器模塊在軟件開發(fā)套件(SDK)上進行應(yīng)用評估和開發(fā)，執(zhí)行與人行為檢測相應(yīng)的程序代碼。人數(shù)檢測歸一化均方根誤差：0.096分析移動設(shè)備和WiFi路由器之間的路由器流量，并通過在線順序極限學(xué)習(xí)機算人員軌跡檢測精度：法實現(xiàn)人員數(shù)據(jù)采集。1.385mRFID電子標簽RFID傳感器RFID協(xié)調(diào)器人員軌跡檢測精度：0.799m傳感器通過無線傳感器網(wǎng)絡(luò)將所有跟蹤標簽的信息發(fā)送給RFID協(xié)調(diào)器，協(xié)調(diào)器發(fā)送給位置服務(wù)器，通過機器學(xué)習(xí)算法采集位置數(shù)據(jù)。標準式PIR傳感器長距離式PIR傳感器墻裝式PIR傳感器是否有人準確率：92.75%PIR人員數(shù)目。CO2溫濕度記錄器是否有人準確率：94%人員數(shù)目準確率：77%CO2濃度傳輸至計算機中，與最大似然法、卡爾曼濾波、優(yōu)化算法、機器學(xué)習(xí)算法結(jié)合分析出是否有人以及人員數(shù)目。附錄B數(shù)據(jù)預(yù)處理方法缺失值處理方法????

=?????2?

(B.1.1)式中：(??1,??1),(??2,??2)——已知點對應(yīng)數(shù)值(??,??)——待填補值??=+++?++?? (B.1.2)KK個樣本在相應(yīng)屬性上的均值或加權(quán)平均值作為填補值。KNN填補法應(yīng)按以下步驟進行：:?? ??(??,??)=(∑|??(??)???(??)2

(B.1.3)2 ij

i??=1

j |)根據(jù)歐式距離排序選取KK異常數(shù)據(jù)處理方法xi與其均值的殘差vi3√∑??(???????)2??=1σ=???1??

(B.2.1?1)式中：N——觀測樣本數(shù)量xi——均值

1??=??∑??????=1

(B.2.1?2)vi——殘差Q1和下四分位數(shù)Q3之差）界值分別為和IQR=Q3Q1a1.53。K-MeansK-Means：K計算每個樣本與K1應(yīng)按下式計算：1 +∞

???????????(??,??)=<??(??),????,??(??)≥ ∫ ??(??)??√???∞

)??

(B.2.4)式中：a——尺度參數(shù)，控制小波函數(shù)的伸縮，對應(yīng)于頻率，并與頻率成反比；b——平移參數(shù)，控制小波函數(shù)的平移，對應(yīng)于時間。2應(yīng)按以下步驟進行：（數(shù)據(jù)規(guī)約方法B.3.1主成分分析通過降維的思想將多個可能存在相關(guān)性的變量，經(jīng)過正交變換轉(zhuǎn)化為少數(shù)幾個互相無關(guān)的綜合變量的一種統(tǒng)計分析方法，應(yīng)按以下步驟進行：對原始數(shù)據(jù)矩陣X根公式計特的方差陣并算征和特向；確定主成分個數(shù)k75%~95%范圍內(nèi)，此時對應(yīng)的k個主成分可包含原始變量中的絕大部分信息；k數(shù)據(jù)標準化方法Z（z-scoreNormalization）01，x*x——待轉(zhuǎn)換變量的標準差

???=???????

(B.4.1)min-max（min-maxnormalization）[0,1]???= ????????????????????????????

(B.4.2)式中：x*——待轉(zhuǎn)換變量的轉(zhuǎn)換值xxmax附錄C各用能行為的指標分析推薦用圖/表/C.0.1C.0.1/表統(tǒng)計指標點線圖箱型圖折線圖柱形圖擬合曲線+散點制表占用率/在室率√工作日與周末在室比√例在室/空置概率√占用/空置時長√√√√人員每日活動時長√每日/每周累計在室時長√每時刻在室時長√人員日均離開/到達房間次數(shù)√房間人員位移信息√/C.0.2表C.0.2窗戶使用行為的指標分析推薦用圖/表特征描述方法餅圖折線圖點線圖柱狀圖散點圖散點圖+擬合曲線圖箱型圖窗戶狀態(tài)改變概率總開窗時長日均開啟時長單次開窗時長每小時開窗時長開窗概率日均開窗次數(shù)開窗次數(shù)開/關(guān)窗比例開關(guān)窗頻率/C.0.3C.0.3/表行為特征行為指標核概率密度散點圖+擬合曲線點線圖曲線圖柱狀圖箱型圖制表時刻特逐時開啟率√√征 在第ｔ時刻開啟比例 √單次運行時長t小時的占√比開啟/關(guān)閉動作發(fā)生在t時

刻的占比日均溫度設(shè)定動作頻次刻的占比日均溫度設(shè)定動作頻次在開啟日的運行次數(shù)日均開啟頻次√√√√√√√√單次運行時長√√√√√日均開啟時長單次運行時長累積概率基于S因素的開啟率基于S因素的累計開啟率√√√√√溫度設(shè)定值√√日均能耗√√√征間素況能耗點線 柱特征描述方法 餅圖 折線圖圖 圖窗戶狀態(tài)改變概率

散點 散點圖+擬 曲線 箱圖 合 圖 圖總開窗時長 日均開啟時長 單次開窗時長 每小時開窗時長 開窗概率 日均開窗次數(shù) 開窗次數(shù) 開/關(guān)窗比例 開關(guān)窗頻率 /C.0.4確定。C.0.4/表行為指標核密度柱狀圖曲線圖點線圖散點圖+擬合曲線直方圖餅狀圖箱型圖制表遮陽調(diào)節(jié)概率√√√√遮陽上調(diào)比例√√√√遮陽下調(diào)比例√√√√遮擋率√√√日均調(diào)節(jié)次數(shù)√遮陽設(shè)備使用狀態(tài)特征值Y遮陽特征值Y的比例

√ √ √√ √ √點線 柱特征描述方法 餅圖 折線圖圖 圖窗戶狀態(tài)改變概率

散點 散點圖+擬 曲線 箱圖 合 圖 圖總開窗時長 日均開啟時長 單次開窗時長 每小時開窗時長 開窗概率 日均開窗次數(shù) 開窗次數(shù) 開/關(guān)窗比例 開關(guān)窗頻率 /C.0.5確定。C.0.5/表統(tǒng)計指標散點圖點線圖直方圖制表累計開燈時長√√√累計開燈次數(shù)√√單次開燈時長√單次關(guān)燈時長√每次開燈最大時長√每次開燈最短時長√開燈照度閾值√平均開燈時數(shù)√最低開燈照度√關(guān)燈延遲時間√開燈（關(guān)）概率√√√平均每日人員在室時間√√平均每日照明使用時間√統(tǒng)計指標散點圖點線圖直方圖制表照明開啟比率√PAGEPAGE31建筑能耗模擬用人行為基礎(chǔ)數(shù)據(jù)采集技術(shù)導(dǎo)則條文說明編制說明T/CABEE00X-20212021年XXX日以第X1.2.34.為了便于讀者在使用本導(dǎo)則時能正確理解和執(zhí)行條文規(guī)定，《建筑能耗模擬用人行為基礎(chǔ)數(shù)據(jù)采集技術(shù)導(dǎo)則》編制組按章、節(jié)、條順序編制了本導(dǎo)則的條文說明，對條文規(guī)定的目的、依據(jù)及執(zhí)行中需注意的有關(guān)事項進行了說明。但是，條文說明不具備與標準正文同等的法律效力，僅供使用者作為理解和把握標準規(guī)定的參考。目 次1 總 則 34術(shù)語與符號 35建筑用能行為描述方法 36人員移動 36人員動作 44描述參數(shù)及基礎(chǔ)數(shù)據(jù)定義 52固定作息表及所需的基礎(chǔ)數(shù)據(jù) 52位移模型參數(shù)及所需的基礎(chǔ)數(shù)據(jù) 52動作模型參數(shù)及所需的基礎(chǔ)數(shù)據(jù) 52基礎(chǔ)數(shù)據(jù)獲取方法 55獲取方式 55采集方法 58基礎(chǔ)數(shù)據(jù)質(zhì)量與預(yù)處理 61基礎(chǔ)數(shù)據(jù)質(zhì)量要求 61基礎(chǔ)數(shù)據(jù)預(yù)處理方法 62基礎(chǔ)數(shù)據(jù)分析方法 64環(huán)境因素的影響分析 64非環(huán)境因素的影響分析 641 總 則1.0.12術(shù)語與符號擬計算并保證模擬結(jié)果的精度。CO2建筑用能行為描述方法人員移動（）DeST表表1建筑類別房間類型運行時段下列計算時刻（h）房間人員逐時在室率（%）123456789101112民用住宅起居室工作日00000003333000節(jié)假日0000000033336666臥室工作日10010010010010010010000000節(jié)假日100100100100100100100100505000商用建筑辦公室工作日00000000100100100100節(jié)假日0000000030303030會議室工作日00000007100100100100節(jié)假日0000000038383838建筑類別房間類型運行時段下列計算時刻（h）房間人員逐時在室率（%）131415161718192021222324民用住宅起居室工作日000003333100100100330節(jié)假日6633333366666610010010010033臥室工作日000000000050100節(jié)假日005050000000050商用辦公室工作日3010010010010050101010000建筑節(jié)假日103030303030101010000會議室工作日25251001001001002525252570節(jié)假日1313252525251313131300:n（）1,2,?,n，同時把外界（建筑物外部）當作一個特殊子空間，0n+1{0=outside1=room1,2=room2N=roomN}{Xτ}τ+1X(τ+1)X(τ)pij(τ)=P{Xτ+1=j∣Xτ=i}τiτ+1jτj圖1pij{Xτ}（1）。Pτ=(pij)

圖1 人位的移率示圖p00 p01 p02 … p0n… = p20 p21 p22 … p2n

(1)(n+1)×(n+1)

? ? ? ? ?[ pn0 pn1 pn2 ? pnn]（）PP聯(lián)系，以及設(shè)置P（）將人員隨機走動過程的轉(zhuǎn)移矩陣記為PS，S=(S0S1Sn)Siiin∑Si=i=0

(2)S=SP (3)如果已知P，聯(lián)立上述兩式，即可求解向量S，可表示為：A=[

1 1p01 ?

… 1…

1]，b=[0] (4)? ? ? ? ?p0n ? pnn?1 0ST=A?1b (5)其中ST為向量S的轉(zhuǎn)置。(6)（=k}iki的概率。ii=k}=pk?1(1?pii) (6)iiSTi的期望值，即平均逗留時間E(STi)，可表示為：∞ ∞E(ST)=∑k?P{ST=k}=∑k?pk?1(1?p)=

(7)i k=1

iik=11

ii 1?piiipii=1?E(ST) (8)i馬氏鏈在各個狀態(tài)的平均逗留時間，記為Est，Est=(Est0,Est1,?,Estn)，其中Esti表示馬氏鏈在狀態(tài)i的平均逗留時間，也就是人員每次在子空間i中停留的平均時間。式(6)和式(8)說明了P矩陣和停留時間比例和平均逗留時間的關(guān)系。如果給定人員在各個子空間的停留時間比例π和平均逗留時間Est，P矩陣的設(shè)置就轉(zhuǎn)化為如下最優(yōu)化問題：min‖(A?1b)T?π‖2s.t. pij≥0∑pij=1 (9)j1ipij=1?Esti=(A?1b)T表示對SMatlabfmincond(n+1)×(n+1)個元素的P2×(n+1)上班（）P7:008:30到時間FA1，F(xiàn)A2。上班到達的過程可以用一個具有吸收態(tài)的兩狀態(tài)馬氏鏈表示：Pgooffice=01

0 1p00 p01[0 1

(10)0,1P（10）p00,p01事件的起始時間FA（7:00）算起，早上到達的時間FA?FA1+1（即從FA開始經(jīng)歷多少1 Δτ 1步進入吸收態(tài)）是一個幾何分布，平均到達時間（記為E(FA)）可表示為：1E(FA)=1?p00

1p00=1?(11)8:00），p00=)=1下班（）17:00到21:00LD1LD2Poffwork=01

0 1[1 0] (12)0,1P起，下午離開的時間LD?LD1+1（即從LD開始經(jīng)歷多少步進入吸收態(tài)）是一個幾何分Δτ 1布，平均離開時間（記為E(LD)）可表示為：1 1E(LD)=1?p11

=1?E(LD) (13)如果下班時間與正常辦公時間相同（例如下班事件起始時間和結(jié)束時間都為17:00），則有p11=0，E(LD)=1。此時，下班時間是一個確定的時間點。另外，下班事件可反映工作日的加班狀況，平均加班時間=平均離開時間E(LD)-規(guī)定下班時間17:00。下班事件優(yōu)先級為2。下班事件發(fā)生后，人員將結(jié)束辦公樓內(nèi)的隨機走動過程。午餐（）（14）轉(zhuǎn)、1（（16）的、1（E(LR)）表Plunchout=011E(LL)=1?p11Plunchback=011E(LR)=1?p00

0 1[1 0] (14)1=1?E(LL) (15)0 1[p00 p01] (16)0 11p00=1?E(LR) (17)午餐兩個事件的優(yōu)先級均為2。會議——是Pmeet=01

0 1p00 p01[p10

(18)2×2<α<15min，則β=12）1=1?=1?α(1?p11)

(19)p00=1?

1?α =1?β(1?α)p01=1?p00），如表2“”），“內(nèi)部交流”）表2。表2辦公移動事件描述特征參數(shù)對應(yīng)的日常含義隨機走動辦公樓內(nèi)外各個房間之間的走動停留時間比例在各個房間停留的時間比例平均逗留時間在各個房間平均每次的逗留時間上班從室外到個人辦公室的位移，發(fā)生后進入隨機走動過程起始時間最早到達時間結(jié)束時間最晚到達時間平均上班時間平均到達時間下班從個人辦公室到室外的位移，發(fā)生后結(jié)束隨機走動過程起始時間最早離開時間結(jié)束時間最晚離開時間平均下班時間平均離開時間出去吃午飯從辦公室到室外的位移，發(fā)生后停止隨機走動過程起始時間最早出發(fā)時間結(jié)束時間最晚出發(fā)時間平均出發(fā)時間平均出發(fā)時間吃完飯返回辦公室從室外到辦公室的位移，發(fā)生后恢復(fù)隨機走動過程起始時間最早返回時間結(jié)束時間最晚返回時間平均返回時間平均返回時間開會從辦公室到會議室的位移，發(fā)生后停止隨機走動過程?；跁h室進行定義。使用時間比例會議室處于使用狀態(tài)的時間比例會議平均時長每次開會所占用的時長最少與會人數(shù)最小與會人數(shù)會議類型與人員構(gòu)成與會人員的構(gòu)成方式，組會或內(nèi)部交流Pwake=01

0 1p00 p01[p10

(20)其中，0、1分別表示人員處于睡眠狀態(tài)（非活動狀態(tài)）、清醒狀態(tài)（活動狀態(tài)）。7:008:00GU1，GU2Pgetup=01

0 1p00 p01[0 1

(21)0,1（21）p00,p01不隨GUGU?GU1+11 Δτ（GU1（E(GU)）1E(GU)=1?p00

1p00=1?E(GU) (22)（80p00=0，E(GU)=122:0023:00，GS1、GS2Pgosleep=01

0 1[1 0] (23)0,1GSGS?GS1+GS1 Δτ 1收態(tài)）是一個幾何分布，平均睡覺時間（記為E(GS)）可表示為：1E(GS)=1?p11

1=1?E(GS) (24)（220=0，E(GS)=1。表3住宅移動事件描述特征參數(shù)對應(yīng)的日常含義隨機走動住宅內(nèi)外各個房間之間的走動停留時間比例在各個房間停留的時間比例平均逗留時間在各個房間平均每次的逗留時間起床從睡眠狀態(tài)到清醒狀態(tài)，位置不變，發(fā)生后進入隨機走動過程起始時間最早起床時間結(jié)束時間最晚起床時間平均起床時間平均起床時間睡覺從清醒狀態(tài)到睡眠狀態(tài)，轉(zhuǎn)到臥室，發(fā)生后結(jié)束隨機走動過程起始時間最早睡覺時間結(jié)束時間最晚睡覺時間平均睡覺時間平均睡覺時間上班從住宅到室外的位移，發(fā)生后停止隨機走動過程起始時間最早上班時間結(jié)束時間最晚上班時間平均上班時間平均上班時間下班從室外到住宅的位移，發(fā)生后恢復(fù)隨機走動過程起始時間最早下班時間結(jié)束時間最晚下班時間平均下班時間平均下班時間人員動作logistic模型等方法。房間空調(diào)溫度作息表以DeST見表4DeST表5表4建筑類別房間類型運行時段下列計算時刻（h）空調(diào)設(shè)定最高溫度（℃）123456789101112民用住宅起居室工作日262626262626262626262626節(jié)假日262626262626262626262626臥室工作日262626262626262626262626節(jié)假日262626262626262626262626商用建筑辦公室工作日252525252525252725252525節(jié)假日252525252525252725252525會議室工作日262626262626262626262626節(jié)假日262626262626262626262626建筑類別房間類型運行時段下列計算時刻（h）空調(diào)設(shè)定最高溫度（℃）131415161718192021222324民用住宅起居室工作日262626262626262626262626節(jié)假日262626262626262626262626臥室工作日262626262626262626262626節(jié)假日262626262626262626262626商用建筑辦公室工作日252525252525252525252525節(jié)假日252525252525252525252525會議室工作日262626262626262626262626節(jié)假日262626262626262626262626表5（01）建筑類別房間類型運行時段下列計算時刻（h）空調(diào)啟停狀態(tài)（0和1）123456789101112民用住宅起居室工作日000000000000節(jié)假日000000001111臥室工作日111111100000節(jié)假日111111111111商用建筑辦公室工作日000000011111節(jié)假日000000011111會議室工作日000000111111節(jié)假日000000011111建筑類別房間類型運行時段下列計算時刻（h）空調(diào)啟停狀態(tài)（0和1）131415161718192021222324民用住宅起居室工作日000000111111節(jié)假日111111111111臥室工作日000000000011節(jié)假日111111111111商用建筑辦公室工作日111111111000節(jié)假日111111111000會議室工作日111111111110節(jié)假日111111111100DeST表6表6建筑類別房間類型運行時段下列計算時刻（h）房間燈光逐時使用率（%）123456789101112民用住宅起居室工作日000000000000節(jié)假日000000000000臥室工作日000000000000節(jié)假日000000000000商用建筑辦公室工作日00000000100100100100節(jié)假日0000000030303030會議室工作日00000007100100100100節(jié)假日0000000038383838建筑類別房間類型運行時段下列計算時刻（h）房間房間逐時使用率（%）131415161718192021222324民用住宅起居室工作日00000010010010010010050節(jié)假日00000010010010010010050臥室工作日000000505050100100100節(jié)假日000000505050100100100商用建筑辦公室工作日3010010010010050101010000節(jié)假日103030303030101010000會議室工作日25251001001001002525252570節(jié)假日1313252525251313131300見表。表7建筑類型運行時段下列計算時刻（h）房間通風換氣次數(shù)123456789101112辦公建筑、教學(xué)樓工作日000000777777節(jié)假日000000000000建筑類型運行時段下列計算時刻（h）房間通風換氣次數(shù)131415161718192021222324辦公建筑、教學(xué)樓工作日777777700000節(jié)假日000000000000u、、k、、k33對北京地區(qū)的28間學(xué)生宿舍房間，擬合確定出各個宿舍的空調(diào)開關(guān)行為概率曲線，如下圖2所示。進門開 (b)(c)d(e)(f圖2LogisticLogistic回歸分析，LogisticlogisticlogisticLogistic模型主要用來刻畫設(shè)備（Logistic圖3和8男人群 (b)女人群(c)青人群 (d)中年群(e)圖3表8Logistic回歸模型的擬合結(jié)果Dependent Hosmer–LemeshoClassificationaccuvariableN b c Exp(B) NagelkerkeR2wracy(%)Male236540.745*-24.586*2.1060.20459.403*90.1Female210250.778*-26.427*2.1780.16921.00695.0Young133100.693*-22.963*2.0010.18866.946*89.7Middle-aged195120.879*-29.320*2.4100.21033.816*93.9Elderly118570.673*-23.191*1.9600.14819.66195.1其中，N:樣本數(shù);b:擬合回歸系數(shù);c:擬合常熟;Exp(B)>1:正影響,Exp(B)<1:負影響;NagelkerkeR2:擬合優(yōu)度;Hosmer–Lemeshow>0.05;?p<0.001；classificationaccuracy:計算精度。描述參數(shù)及基礎(chǔ)數(shù)據(jù)定義4.1.1照明設(shè)備////設(shè)備遮陽/A8484Anetlogo4員軌跡圖，