一种商业建筑逐时人员密度预测方法技术

本发明专利技术公开了一种商业建筑逐时人员密度预测方法。确定3种商业建筑类型，并通过调研，分别获得实际逐时人员密度。用正态分布函数的叠加建立人员密度模型。其中，购物中心、超级市场的人员密度模型分别为2个、3个正态分布函数的叠加；专业店的模型为2个或3个正态分布函数的叠加。建立的模型包含参数a1,a2,a3,b1,b2,b3,c1,c2,c3，用城市因子交通可达性T

A Prediction Method of Hourly Personnel Density in Commercial Buildings

【技术实现步骤摘要】
一种商业建筑逐时人员密度预测方法
本专利技术属于新能源及节能
，为一种商业建筑逐时人员密度预测方法，适用于城市尺度及单体层面的建筑节能，建筑防火设计等具体方面。
技术介绍
为了应对目前面临的能源短缺与环境恶化问题，多国政府陆续建立了节能减排这一宏观目标。为了实现节能减排这一宏伟目标，相关学者需要进一步发展能耗模拟预测技术，以此为政府制定高效的节能政策提供科学依据。城市建筑能耗是城市能耗的主要构成部分，可占到社会总能耗的30-40％。而其中，商业建筑能耗又是建筑能耗的高密度领域。由于在商业建筑中，大量的建筑内区增加了照明能耗，高密度的室内散热增加了空调负荷，商业建筑的单位面积能耗约可达到住宅的10-20倍，实属巨大。因此，对商业建筑进行合理、准确的能耗模拟预测，以指导商业建筑的运行管理策略，对于社会节能减排工作具有重要影响。关于建筑单体的能耗模拟技术已发展的相对成熟。近年来，又新兴了一种“自下而上”的城市能耗模拟方法——城市建筑能耗模型法。事实上，无论是单体层面的，还是城市尺度的建筑能耗模拟，都依赖相关模拟参数的准确输入。美国的Reinhart教授指出，不精确的参数输入会导致不精确的模拟结果，进而造成建筑设计、能源改造、低碳城市建立等方面的决策失误。而在这些参数中，人员密度又是一个特别重要的参数。美国学者D’Oca指出，对人员密度的深入理解，可以大大降低预测能耗与实际能耗之间的误差，进而提高能耗预测的准确性。在实际生活中，每幢建筑的人员密度模型都具有差异性与动态性。但是，大部分的能耗模拟研究都将同类型建筑的人员密度变化处理为一个固定的变化表，如：对大型办公建筑进行能耗模拟时，统一使用大型办公建筑人员密度变化表作为输入参数。不可否认，即使是同类型的建筑，其人员密度变化也是不尽相同的，还受到地理限制与人口密度等参数的影响。这些影响尤其体现在商业建筑上，诸如：交通便利、附近人口密集的商场，人员密度将比一般性商场更大。因此，固定的人员密度变化时间表是不能满足现如今越来越高的模拟精度要求的。本专利技术将提出一套完整的理论方法，利用大数据快速且准确的建立商业建筑逐时人员密度模型，以提高建筑单体及城市尺度上的能耗模拟预测的准确性。另外，针对商业建筑人员密集的特点，该专利技术也可以进行有效的拓展，为商业建筑防火设计提供一定的技术支持。建筑内人员安全疏散系统的设计是建筑防火设计的一个重要环节。其中，建筑人员密度是安全疏散系统设计的关键参数。依据本专利技术的人员密度预测，可以良好地服务于安全疏散系统设计。
技术实现思路
本专利技术要解决的问题是：现有的基于固定人员密度变化表的能耗模拟准确度不高，无法更好的推广于建筑优化设计以及节能政策的制定，需要一种更为准确的动态人员密度模型，为能耗模拟研究提供更好的技术支持。同时，解决商业建筑人员安全疏散系统设计需求。本专利技术的一种商业建筑逐时人员密度预测方法，包括以下步骤：步骤一：确定商业建筑具体类型；步骤二：获取典型商业建筑实际人员密度；步骤三：建立人员密度模型。其中，步骤一：确定商业建筑具体类型；依据《商店建筑设计规范(JGJ48-2014)》，商业建筑分为购物中心，超级市场，专业店等(具体解释见表1)。由于具体类型的商业建筑人员密度模型各不相同，不可统一建立商业建筑这一大类人员密度模型，而应分类建立各具体类型商业建筑的人员密度模型。表1.商业建筑分类说明其中，步骤二：获取典型商业建筑实际人员密度；每一幢商业建筑都有多个出入口，在每个出入口布置调研人员，得到商业建筑各个出入口的逐时进、出人数，求出第i个小时的人员密度di为：其中,S表示建筑面积，m2；mi表示第i个小时内所有出入口的进入人数；ni表示第i个小时内所有出入口的外出人数。其中，步骤三：建立人员密度模型；各具体类型商业建筑的人员密度模型通常与其营业性质有关。购物中心营业时间多为10:00-22:00；超级市场营业时间一般为8:00-22:00；专业店，如：家具店，电器城等，其营业时间通常不固定，有的营业至下午18点或19点，有的营业至夜晚21点或22点。通过试验，发现正态分布函数的叠加对模型的拟合效果最好。其中，购物中心类建筑表征为2个正态分布函数的叠加，呈现“双峰态”，数学模型如式(2)；超级市场类建筑表征为3个正态分布函数的叠加，呈现“三峰态”，数学模型如式(3)；专业店类建筑表征为2个或3个函数的叠加，呈现“双峰态”或“三峰态”，数学模型如式(4)。具体取决于其营业截至时间是否超过19点。三类建筑人员密度的数学模型如式(2)-(4)所示：对于式(4)中的p有如下解释：其中，a1,b1,c1表示第一、二、三个峰值人员密度；a2,b2,c2表示到达第一、二、三个峰值人员密度的时间；a3,b3,c3表示正态分布函数的倾斜程度，数值越小，越倾斜。a1,b1,c1与Tr或Po呈强相关性，用线性函数表示；a2,b2,c2与Tr、Po的相关性不强，用各自的平均值表示；a3,b3,c3具有数学含义，与Tr、Po不直接相关，而与a1,b1,c1直接相关；其中，a3与a1呈二次函数关系，b3与b1呈二次函数关系，c3与c1呈二次函数关系。为了使模型简化且具有一般性特征，用城市因子交通可达性Tr和人口等级Po替换参数a1,a2,a3,b1,b2,b3,c1,c2,c3，即:(a1，a2，a3，b1，b2，b3，c1，c2，c3)～f(Tr，Po)(6)交通可达性Tr的获取基于私人交通可达性与公共交通可达性，如式(7)所示：Tr＝0.5×Spri+0.5×Spub(7)其中，假定人们出行选择私人交通与公共交通的概率相同。Spri表示私家车沿着城市路网，以500m/min的速度，行驶30min所覆盖的服务范围；Spub表示公交车与地铁分别沿着公交、地铁线路，行驶30min所覆盖的服务范围；公交车速度为500m/min，地铁速度具体参考《2019南京地铁首末班时间一览表》。人口等级Po的建立基于百度人口热力图数据。人口热力度不同于人口实际数量，它反映的是人口数量的相对大小，与实际值不相等但正相关。人口热力度每小时刷新一次，通过数值逐时叠加，分别得到工作日、周末全天的人口热力度。本专利技术具有以下优点：1.本专利技术构建的商业建筑人员密度模型仅与交通可达性与人口等级有关，模型简洁，不冗杂，可以被良好地复制于多个城市的应用之中。2.由于交通可达性与人口等级是城市尺度的影响因子，可以覆盖整个城市。因此，本专利技术可以拓展到整个城市的商业建筑人员密度模型建立，覆盖面广，使海量商业建筑人员密度模型的快速建立成为可能，大大减少了人们逐一建模的工作量。3.本专利技术构建的商业建筑人员密度模型既确保了人员密度变化地动态性，也确保了同一类型商业建筑间的差异性，大大提高了模型的准确性，进而提高能耗模拟的精度。使得相关节能政策的制定更为合理。本专利技术提供的逐时人员密度预测还可服务于建筑内人员安全疏散系统的设计。附图说明图1为本专利技术的流程图；图2为商业建筑出入口分布(样例)；图3(a)为购物中心商业建筑人员密度函数拟合图形(样例)：；图3(b)为超级市场商业建筑人员密度函数拟合图形(样例)；图3(c)为专业店超级市场商业建筑人员密度函数拟合图形(样例)(营业截至时间晚于19点)；图3(d)本文档来自技高网...

【技术保护点】
1.一种商业建筑逐时人员密度预测方法，其特征在于：所述方法包括以下步骤：步骤一：确定商业建筑具体类型；步骤二：获取典型商业建筑实际人员密度；步骤三：建立人员密度模型。

【技术特征摘要】
1.一种商业建筑逐时人员密度预测方法，其特征在于：所述方法包括以下步骤：步骤一：确定商业建筑具体类型；步骤二：获取典型商业建筑实际人员密度；步骤三：建立人员密度模型。2.根据权利要求1所述的一种商业建筑逐时人员密度预测方法，其特征在于：所述步骤一种的商业建筑类型包括购物中心、超级市场、专业店。3.根据权利要求1所述的一种商业建筑逐时人员密度预测方法，其特征在于：所述步骤二中，获取典型商业建筑实际人员密度的具体方法为：在商业建筑出入口统计逐时进、出人数，求出第i个小时的人员密度di为：其中,S表示建筑面积，m2；mi表示第i个小时内所有出入口的进入人数；ni表示第i个小时内所有出入口的外出人数。4.根据权利要求2所述的一种商业建筑逐时人员密度预测方法，其特征在于：所述步骤三中的人员密度模型的建立基于正态分布函数的叠加。5.根据权利要求4所述的一种商业建筑逐时人员密度预测方法，其特征在于：步骤三中的购物中心的人员密度模型为2个正态分布函数的叠加，呈现“双峰态”，数学模型如式(2)：6.根据权利要求4所述的一种商业建筑逐时人员密度预测方法，其特征在于：步骤三中的超级市场的人员密度模型为3个正态分布函数的叠加，呈现“三峰态”，数学模型如式(3)：7.根据权利要求4所述的一种商业建筑逐时人员密度预测方法，其特征在于：步骤三中的专业店的人员密度模型为2个或3个正态分布函数的叠加，呈现“双峰态”或“三峰态”，数学模型如式(4)：对于式(4)中的p如下解释：...

【专利技术属性】
技术研发人员：王超，石邢，武玥，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32