文摘

智能城市的发展与新综合信息和通信技术已经改变了传统产业的过程。的一个领域是建筑行业中扮演一个重要的配角对一个国家的经济发展,但与此同时,建筑业也是一个高能源消耗、高污染行业。因此,为了缓解经济发展与资源和环境之间的矛盾,建筑业实现可持续发展,必须采取绿色的道路建设。为了开展高校的设计效果的评价,介绍了多传感器感知和模糊综合评价方法。首先,通过传感器感知系统的设计和分析中使用的建筑环境,收集、采集、分析和处理复杂信息的异构多端。其次,聚类分析和遗传算法用于构建多端传感器数据的处理和分析过程。安全方面也考虑到设计的方法。系统测试验证性能的大学建筑设计效果评价模型,这可以提供一个参考建筑业的可持续发展。

1。介绍

人民要求越来越越来越高,建筑和建筑的复杂性正在增加。发生了巨大变化的类型,规模,形式的现代建筑。这也是要求的现代科学和技术的快速发展和社会经济发展的必然结果学科体系结构(1- - - - - -3]。建筑功能的复杂性和使用的多元化需求增加了室内空间的使用所涉及的技术问题。建筑的发展不可避免地需要各种学科的合作。在设计阶段,不同的学科从不同的角度被认为是建筑的建设,不断提高室内空间环境(4,5]。与建筑施工相关的工作,包括建筑、结构、给排水、电气、采暖、通风等专业内容。所有专业确定建筑在设计的各个方面,而且大部分的能源相关的设计决策发生在早期的设计阶段(6]。当建筑物达到建设阶段,建筑节能和减排的意义仅仅是是否能满足建筑设计的要求。建筑的特征已基本确定在设计阶段,通过施工过程的实现7- - - - - -9]。

现代技术已经逐渐细化分工的人类活动。建筑设计也完成多学科的合作,和越来越多的因素被认为是由每个学科。架构师应该不仅考虑空间需求和体系结构。审美形式还需要考虑建筑节能设计原理(10]。作者在11]分析了12种建筑的能源消耗成本在16个城市和计算,传统的节能技术可以节约能源20%至30%,甚至可以和一些建筑实现节能40%。此外,确认节能和减排的必要性和可行性。作者在12]讨论了建筑的敏感性信封,包括多层壁建筑(36类)的影响和不同大小的玻璃(10 - 90%)建筑能源消耗,和研究的影响信封建筑低碳发展的影响。作者在13)在欧洲北部社区的发展为例,研究了资源输入和高能效建筑的碳排放在建设阶段,并提出过分提高建筑物的能源效率,增加建筑材料和能源的输入在构建阶段。在施工期间增加的碳排放,形成碳排放的峰值在建筑使用和不利于短期碳减排目标的实现。要注意在施工阶段的减排和包含在相关政策制定。谢赫et al。14)进行了研究和验证现有的建筑能耗模拟软件,相信气候参数是影响建筑能耗的主要参数模拟。整个建筑的能耗模拟,精确的气候数据是实现准确的量化。这是一个重要组成部分,分析和讨论了不同模拟目标应选择不同的气候数据。

建筑设计,规划建筑施工之前,将建筑功能的要求,建筑技术和建筑艺术和各种技术手段的综合显示满足使用功能的基础上(15,16]。人类建筑的室内和室外空间功能要求总是与时代的发展变化。为了满足这些需求不断变化和提高,所有参与者都研究和改进设计。从古代工匠国内外当今的工程师和学者在许多领域,如建筑、工程、环境、和材料,大量的建筑设计进行了研究[17,18]。然而,建筑业也是一个高能源消耗、高污染行业。因此,为了缓解经济发展与资源环境之间的矛盾,建筑业实现可持续发展,必须采取绿色建筑的道路。为了开展高校的设计效果的评价,介绍了多传感器感知和模糊综合评价方法。系统测试验证性能的大学建筑设计效果评价模型,这可以提供一个参考建筑业的可持续发展。本文还介绍了安全体系结构模型的安全数据。本文的主要目标如下:(我)设计多传感器感知和模糊综合评价方法对建筑行业的可持续发展(2)设计一个可持续发展数据安全的安全模型

剩下的纸是组织如下:部分2论述了建筑设计的影响及其评价。部分3介绍了多传感器遥感模型。部分4论述了大学建筑设计的影响的评估基于多传感器感知。部分5介绍了开发数据安全模型。部分6结论与未来方向。

2。建筑设计效果评价的概述

由于缺少自下而上postuse评估应用,上述问题进一步失去了机会给规划建设者和设计者反馈。弗里德曼将它定义为“度”评价他在坡(占用后评价)的书19,20.]。如何支持和满足人们的明确或含蓄地表达完成后需要环境。每个施工实践项目是一个完整的系统由五个阶段组成,即分为建设项目批准,驻扎规划、建筑设计、建筑施工、建筑操作,和post-use评价(21]。postuse评价渗透率在不同阶段不断提供反馈和修正的一个工程建设项目的顺利实施和良好的操作(4,22]。然而,现有的研究而言,postuse评价主要是建筑师所使用的,并只提要回“建筑设计”阶段,而忽略其余的四个阶段。但只有这五个阶段不断地修正最终的建筑质量得到改善。图1显示了建筑创作的整个过程的闭环图。

Postuse评价有三个值:短期、中期和长期的。的短期价值在于及时评估建设中存在的问题,有针对性的调整策略的建议,以避免丢失和扩张;中期价值在于初步项目数据的收集进行大规模改造或重建;长期价值在于总结相同类型的项目的设计经验和形成提供参考依据或行业规范(23,24]。评价方法包括两个方面:定量分析和定性分析。建筑行业,定量分析是客观评价采用的主要方法,而定性分析主要采用主观评价方法。客观评价是基于不同的建筑类型的建筑设计规范文档,和中包含的数据规范确定的一段时间。主观评价是指人的心理感受它完成后进入建筑物。主观评价个体差异和与人们的受教育水平,个人的成就、经验和理性。评估是基于人们,人们的主观评估的商业建筑往往是更直接和具体。这是设计师倾向于忽视。评估商业建筑的内容包括评估者的年龄、文化、户外环境设计的建筑,周围的交通建筑的综合设计,循环,空间,功能建筑,大楼的停车场设计,评估者的年龄。

3所示。多传感器传感

传感器发挥重要作用在智能交通、智能家居、智能农业、和国防安全。这些应用程序有一个共同点,那就是,一个广泛的报道。因此,为了实现这些分布式应用程序,系统必须首先有一个关键的功能,即信息共享能力的传感器25]。目前,大多数传感器应用系统通常使用不同的设备来构建传感器,这是无线传感器网络的一个重要组成部分。从上面可以看出,感知的实现取决于敏感设备,虽然在材料领域的研究人员一直在努力寻找合适的生产材料。然而,敏感设备将极大地影响在特定的环境中,如高温、腐蚀、湿度、灰尘、和电磁场26]。图2显示了一个典型的传感器组件的示意图。

因此,静态特征可以使用范围和测量范围、线性、迟滞、重复性、灵敏度、等,作为指标。动态特性是指相应的响应特性,传感器的输出变化当输入量随时间变化动态27]。传感器的动态特性首先取决于传感器本身,这是由链接的动态特性,传感器中起着重要作用。底部节点直接接触在现实世界环境中模拟信号收集和使用嵌入式处理器体系结构来实现感知功能(28]。中间层负责收集和集成底层工人的部分信息只有一个单一的智能组合和高速实时上传。同时,高层决策信息下载到相应的节点和执行。这一层可以是一个模块,也可以设置为一个强大的模块根据系统需求。最外层组织收集所有的感知信息,阈值判断和决策功能,和PC可以用作决策支持节点。

4所示。评估的大学建筑设计基于多传感器感知的影响

4.1。聚类分析的位置

本文选择的数据完成建筑的地理位置,使其纬度和经度的聚类分析。聚类分析是多元统计分析的定量研究分类问题根据事物本身的特点(29日]。这是一个多变量统计的分类方法”集群。”的基本思想是将位置划分为几个类别根据距离,这样数据的差异在尽可能小的类别,类别之间的差异是尽可能大。

步骤1。数据标准化。

假设域 分类的对象,每个对象代表了吗每个变量指标,然后可以表示为 。

意思是:

标准偏差:

标准化后:

步骤2。确定相似系数使用欧氏距离聚类分析的方法。

每个任务的位置可以被视为一个点在三维空间中。任务的位置构成了三维空间中的点。形成一个矩阵之间的任务和集群中心位置,以及任务之间的欧几里得距离位置和计算集群中心。让表示th集群中心 和表示之间的距离聚点和th任务位置,欧氏距离计算方法

步骤3。使用SPSS分析数据完成任务在附件1中,我们获得集群中心的纬度和经度坐标点和任务在每个类别的数量。集群的纬度和经度坐标点和任务的数量如表所示1。

4.2。多元回归模型的建立和解决方案

首先,分析这四个指标的皮尔森相关系数来确定他们是否线性相关(30.]。首先,集成的数据计算皮尔逊相关系数指标和其他指标,然后获得的平方和的平均值的皮尔森相关系数指标和其他指标和获得每一个指标的 。

皮尔逊相关系数的定义 :

如果 ,这表明,没有两个变量之间的线性相关。如果 ,这说明,这两个变量是完全线性相关的。线性相关的方向是由相关系数的符号表示,“+”意味着正相关,“-”表示负相关。

的公式,是该指数代码,是任务的位置,密度是成员,任务和成员之间的距离,然后呢是声誉值在一定范围内。代表平均的皮尔森相关系数的平方和的指标剩下的变量 。 是变量的数量。

最后,它决定是否有一个线性关系的三个指标构建地理位置,人员密度,建立地理位置之间的距离和人员和任务定价。postuse评价渗透率在不同阶段不断提供反馈和修正的顺利实施和良好的操作一个工程建设项目。表2描述的平方和的平均值的相关系数指标和其他指标。

从表可以看出2的最小值是0.625,以及各种变量之间的线性关系是强大的。之间的线性关系 , , ,和和任务定价可以表达的线性回归方程。

的公式, 是一个未知参数无关吗 。

让 是一个示例。使用最小二乘法估计参数。

的偏导数关于 ,并设置它们等于零,我们得到

简化上面的公式

也就是说,未知参数的最大似然估计 。因此,线性回归方程

计算与SPSS19.0软件:

表明,58%的建筑物的地理位置之间的关系和四个指标可以由回归方程。

假设功能任务定价4指标之间的关系

其中,是参数估计,是一个常数。估计的最小二乘法: ;的值对应的参数 , , ,和是0.46,0.47,0.008和0.097。执行模型的异方差性测试 。原假设是同方差的模型。接受原始条件,不存在异方差性。序列相关性测试 , 满足 ,并认为没有序列自相关回归方程。使用最小二乘法来找到每个解释变量的回归方程估计一个接一个地,结果如表所示3。

当显著性水平为0.05, 是发现。因为自变量是 ,和参数估计的价值太大,它表明的回归模型来不显著,表明成员的声誉价值没有伟大的定价与任务的关系。关于独立变量 ,回归显著性不高,但对于变量 ,您可以继续下一步的回归。选择在各方面有更好的测试结果作为第一选择的变量,去除的影响在 ,做第二次回来。表4显示了第二个回归分析的结果。

当显著性水平为0.05, 和 通过查找表。变量添加一个接一个,变量的改进方程是基本不变。自 和 ,和都大于 ,结果表明,模型是重要的作为一个整体。异构模型的测试 ,这意味着没有方差模型;对模型执行序列相关性检验。自 和 满足 ,这意味着该模型没有序列自相关。所以这个模型是最优模型。

4.3。基于遗传算法优化建筑物的地理位置

目标函数表达式:

在哪里是节点集, , 任务的节点集合点, , 是一家集众包成员任务参与任务, , 任务的成员接受任务,然后呢的成员的收入是每个任务完成。

限制的任务点,每一点会员数量,和完成能力。任务完成的新成员的数量在一个时间必须不低于最低数量的任务完成:

任务接受之和不大于所有成员的和生成的任务:所有的人物的位置

每个任务的任务接受人不大于最大任务完成能力:

时间窗约束:

集之间的关系的约束:

罚函数约束:

决策变量的约束:

遗传算法是用来解决这个问题的编程,和解决方案的迭代过程模型如图3。

本文中使用的遗传算法迭代100次后,发现大约有27个迭代,获得的解决方案已经稳定。优化路径的结果清楚地解决问题和合并任务。表5显示解决方案优化模型的结果。

根据上述优化结果,比较之前和之后的优化可以获得。表6给出了优化前后对比。

聚类分析和遗传算法用于构建多端传感器数据的处理和分析过程。本文使用遗传算法来处理和优化传感器的信息,和大学建筑设计的性能效果评价模型通过系统测试验证,它可以提供一个参考建筑业的可持续发展。

5。安全模型的可持续发展数据安全

巨大的数据收集系统和传感器节点。集中式数据库存储的所有数据进行进一步的处理和分析。建筑活动的收集数据,从计划和完成阶段(31日,32]。安全是一个挑战,特别是当数据传输到计算边缘或进一步决策的云,我们提出了一个id的解决方案在计算方面来保护所有的数据来自地面网络和传感器设备。入侵检测系统(IDS)是安装在边计算边过滤数据,检测和防止数据在网络的任何形式的恶意活动。图4显示了id在边缘端部署保护建筑数据从未经授权的访问。

6。结论

建筑从建筑活动获得根据设计的图纸是真正的表现结果。目标必须确定在项目计划阶段,和具体实施计划在设计阶段必须确定。通过合理的设计方案,建筑生命周期的碳排放量可以减少。建筑设计,规划建筑施工之前,将建筑功能的要求,建筑技术和建筑艺术,是一个全面展示各种技术手段的基础上满足使用功能。因此,本文开展了对建筑设计的影响评估。目前,对建筑节能的研究主要侧重于建筑设计或整个生命周期。没有很多研究操作阶段。现有的研究主要包括业主和物业管理模式的讨论和发展的能源消耗设备数据库在操作。对能源消耗评价标准的研究需要进一步深入。建筑节能是一个热门话题。 In the face of my country’s current national conditions, the most direct and effective energy saving should start from the operation of existing buildings. The research done on this subject still needs to be expanded in the following aspects. The research on the energy-saving coefficient during operation still needs to be further explored, guided by practicality, operability, and effectiveness, to provide effective theoretical tools and measurement scales for building energy saving. This paper also presented the IDS system deployment model at the edge computing side for data traffic detection and prevention form any malicious activities in the network. Based on the research content of this article, in the next step, we will try to place the sensing method in different experimental environments, further enrich the sensing model, establish a complete sensor information database, and facilitate the addition and identification of various sensors, while also standardizing the manufacture of sensors.

数据可用性

论文中的数据被包含在这篇文章中。

的利益冲突

作者宣称没有利益冲突。