绿色城区智能感知平台技术体系研究

叶鸿 张蒙 高海强 朱佳

摘  要：本文以绿色城区智能感知平台技术体系为分析对象，首先介绍了感知要素与感知对象，接着分析了绿色感知数据架构，再接着分析了智能感知平台应用设计，以便完善绿色城区智能感知平台技术体系。

关键词：绿色建筑;感知;数据架构;技术体系

中图分类号：TU98 文献标识码：A

0 引言

2020年9月，我国提出力争2030年前二氧化碳排放达到峰值，努力争取2060年前实现碳中和。“双碳”目标意味着能源结构的重大调整，是面向21世纪中叶的发展战略。“十四五”期间，我国围绕推动经济社会高质量发展主旋律，将加快促进节能减碳绿色转型，实现资源高效利用[1]。事实上，“绿色建筑”可谓这方面的先驱行业，至今已经走过20年的发展历程。从“可持续发展”理念出发，联合国环境与发展大会在1992年提出“绿色建筑”的概念，重新审视建筑与环境、能源等攸关人类物质生活方方面面之间的关系[2]。

然而，这些理念与技术不易在短期内得到感知。绿色建筑用户通常是关注环境友好产品的人群，研究表明对环境漠不关心的感知实验参与者并不会因“绿色”标签或室内物理条件的不同而影响感知结果[3]。就目前的情况看来，住房与建设监管方、技术支撑方等专业人士固然了解绿色建筑的理念和技术，但一般大众可能不具备该能力，也无需具备相关技术能力[4]。因此，将“可感知的绿色建筑”传达给用户是贯穿绿色建筑整个生命周期的工作任务。

1感知要素与感知对象

感知（perception）是心理学术语，是对感觉信息的组织、识别和解释，以表示和理解所呈现的信息或环境。体验（experience）是有意识的生物体感知周围世界的过程。和传统建筑相比，绿色的亲环境性通常令其被认为更具健康、舒适等感知体验，但实际作用由环境感知和生理途径共同驱动，而非单一因素。将“可感知的绿色建筑”作为对比研究绿色与传统建筑的工作基础，有利于为绿色建筑的学术研究提供实证数据。

绿色城区感知属于“全景感知”，涉及人们城市生活的多个部门，实际操作的难度因势而定。例如，大型公共建筑、工业企业等部门可响應政策，共享运行数据，成为感知数据源，但私人住宅数据就涉及公民隐私，往往无法获得直接的感知对象。把问题约束在公共领域，我们将城区要素大体分为四类，分别是：地理实体、资源环境、基础设施、社会服务。

综上所述，可感知的绿色城区产生多种要素，分别属于不同类别，可以被不同部门的人群感知。视其数据类型，要素感知分别以数据监测、监控、监管的方式进行。

2绿色感知数据架构

基于“全景感知”的考虑，绿色城区的各感知对象可以设计为城区全要素数据采集，以便得到完整的记录，形成一个“数据可溯源、信息可查询、知识可表达、模型可利用、内容可发布”的全面感知应用。绿色城区的感知数据多源异质数据的融合、处理、分析及可视化，并遵循数据的安全与标准规约。

2.1 数据处理

数据处理在整个数据架构中处于支撑地位。时至今日，城市数据处理多选择大数据平台进行，它包括数据共享交换平台、数据资源平台、数据服务平台、数据治理平台等。大数据平台依托（大）数据中心，或采用云部署。事实上，大数据与云计算均以分布式计算、分布式存储为基础，大数据的功能需求与云计算解决方案匹配，无论其是共有云还是私有云。云化的资源包括计算、存储和网络等组成，以弹性扩展的共享资源池为绿色城区感知数据处理提供按需调取的IT服务，实现可靠、安全、规范的技术支撑。

2.2 数据融合

数据融合负责完成感知数据的提取（extract）、转换（transform）和加载（load），即ETL过程，最终放置于数据仓储（data warehouse）。传统的ETL是基于事务（transaction）进行的，数据从在线事务处理（OLTP）数据库或其他数据源中提取。OLTP具有高吞吐量、大量的读写请求的特征，但它们不适合于数据分析任务。因此数据要在一个暂存区进行转换（数据清洗和优化）再用读优化的在线分析处理（OLAP）进行分析。更现代的技术是使用数据仓储，通常是基于云计算的即席分析数据库与SaaS应用的结合。

城市数据无疑归属于物联网（IoT）和大数据（Big Data）的交叉领域。在现代数据架构设计中，需要考虑系统的低时延和高可用、多源数据的格式、数据的容错性和异常预警等问题。此外，数据清洗（data cleansing）在整个数据融合过程中的作用显著，而且其结果会影响后续数据分析。尤其是从物联传感终端摄入的数据和用户通过表单填报的数据，分别对应数值型和文本型的数据清洗模型。

2.3 数据分析

为了从绿色城区感知数据中发现有用的信息并支持决策，需要借助数据分析。数据分析是一个建模过程，包括统计推断、数据挖掘、数据智能等多种方法。

通过各类感知终端采集的绿色建筑（城区）数据，从网络通信基础设施汇集到大数据平台，经过数据融合和数据分析最终得出有效信息，提供给监管方、建设方、绿色用户等不同社会部门来感知和体验。

2.4 数据可视化

数据可视化（data visualization）是设计并展现信息的技术统称，最常见的形式是图形、图表、地图等视觉元素，以帮助用户直观地感知数据所反映的模式、趋势或异常。绿色城区大数据以其规模之大、种类之多、更新之频繁，难以直接被数据使用者采用继而发现价值，通常需要借助可视化的辅助工具。数据处理过程的结果之一正是将数据接入可视化工具。这些工具形式多样，既可能是桌面应用程序，也可能是Web前端页面，甚至小到智能穿戴设备、大至建筑物幕墙投影。

针对不同类型的感知数据和展现终端设备，视觉设计师应该慎重考虑呈现目的，并且与数据分析师协同创新，才能制作科学、合理、美观的数据可视化作品。我们通过对感知数据的不同来源和维度进行梳理，得到折线图等11类常用图表类型，结合7种可视化任务，即类别、对比、分布、趋势、相关、关联和示意，技术组合关系如表1所示。

3 智能感知平台应用设计

从绿色城区的高质量发展角度看，一个能够从智能传感到用户查看的端到端感知应用平台无疑更具吸引力。通过创建这样的智能感知平台，绿色建筑（城区）相关利益方可以共享数据、互联互通，最大程度地减少重复开发、降低跨域风险，并进一步提升数据分析质量。监管方、建设方和绿色用户在同一个平台上分别以不同的角色交互数据。绿色用户是建筑使用者，更关心绿色发展的理念和技术在建筑物和城市基础设施上的具体应用成效，这些通常包含用户自身的健康、舒适、生产力等，以及建筑设施设备的安全耐久、节约便利、空间功能等要素。建设方是绿色建筑（城区）的专业支撑，他们除了关心绿色用户所关心的问题，还需要收集建筑物和城市基础设施的海量运行数据，以便从中得出科学实用的数据模型，为建筑物的维修和整改提供参考，感知绿色发展带来的经济收益。监管方主要是政府相关部门的工作人员，需要全面感知城区监测点位的各类数据和从市民处回收的调查数据，这些数据都应接入智能感知平台，监测监控数据经由物联网平台获取，调查数据亦从平台向民众发放，在应用程序域内形成良性闭环。

3.1 技术体系

如图1所示是常州市高铁新城规划中的绿色城区智能感知平台技术体系总图，目前该感知平台已经进入开发测试阶段。

该技术体系从底层到顶层包括感知对象、感知方法、基础设施、应用架构、智慧业务和感知呈现六层，额外两个支撑来自安全和标准。图1列举了各层主要设计内容和所需技术。

绿色城区智能感知平台设计多个业务应用，包括但不限于建筑智慧感知、环境智慧感知、健康智慧感知、交通智慧感知、社会服务智慧感知、能源与水智慧感知等。这些业务可以分别开发对应的功能界面，供用户使用。支撑这些业务应用的基础是（云）数据中心提供的PaaS服务，在面向服务的开发架构（SOA）的诸多选择中，微服务提供松散耦合的细粒度服务集合，适合分布式开发不同的模块化应用，更具可扩展性。

3.2 关键技术

绿色城区智能感知平台采用了多种IT技术的组合创新，其中关键技术包括边缘计算、CIM、深度学习等。

边缘计算是一个分布式计算框架，使企业应用更接近数据源，如物联网设备或本地边缘服务器。这种方式可以带来更多信息收益，包括更快的洞察力、改进的响应时间和更好的带宽可用性。

城市信息模型（CIM）技术是在建筑信息模型（BIM）的基础上，结合地理信息系统（GIS）的空间大数据分析与呈现功能。BIM使设计人员能够量化系统和材料对环境的影响以支持设计可持续建筑所需的决策，GIS可提供捕获和分析空间和地理数据的能力。CIM做到了BIM与GIS的深度融合，在共享数据和服务的基础上，适用于开发和部署城市级别的上层业务应用。

深度学习是人工智能中“机器学习”的一个子集，其神经网络能够从非结构化或无标签的数据中监督或无监督学习。深度学习比传统机器学习的优势在于其强大的模型表现力。

4 结论

本文通过梳理从建筑到城区、“点面结合”的绿色感知要素和感知对象，提出了“人-建筑物-环境”的交互作用，分析了整个系统中物质和能量的流动关系，并在建成环境的必要感知对象中找到时空属性（空间数据、时序数据）、建成属性（建筑物和城市基础设施运行数据）、管理属性（社会服务数据、行政管理数据）三大类感知数据。针对不同种类的感知数据，本文提出使用监测、监控和监管的方法进行数据采集，并设计绿色感知数据架构，包括从数据融合、数据分析到数据可视化的一系列技术集成，这些技术均需要基于（云）数据中心的信息处理能力方可稳定、高效、安全地实现。在此基础上，本文建议了一套绿色城区智能感知平台技术体系，并将该体系应用于江苏省常州市高铁新城的绿色建筑感知平台的开发过程。最后，文章就该体系中的几个关键技术进行简单阐述。

参考文献

[1] 李高.“双碳”目标指引新发展[J].中国环境管理，2021（4）：152-152.

[2] 陈俊.习近平生态文明思想的理论逻辑与现实依据[D].北京：北京航空航天大學学报 （社会科学版），2018（4）：100-107.

[3] Shamsi， M. S.， and Z. S. Siddiqui. "Green product and consumer behavior： An analytical study."[J].Pertanika Journal of Social Sciences and Humanities，2017（4）：1545-1554.

[4] 刘筱青.基于居民感知的绿色住区使用后评价研究[D].长沙：湖南大学，2017.

收稿日期：2021-08-05

作者简介：叶鸿（1984—），男，江苏宜兴人，博士，讲师，研究方向：建筑行业的数据采集与数据分析、软件架构设计。

通讯作者：张蒙（1990—），女，江苏徐州人，本科，工程师，副总经理，研究方向：环境监测技术、物联网技术。