基于大数据背景下的绿色建筑技术选择优化研究★

苏宇川　刘启波

(长安大学建筑学院，陕西 西安　710061)



·绿色环保·建筑节能·

基于大数据背景下的绿色建筑技术选择优化研究★

苏宇川刘启波

(长安大学建筑学院，陕西 西安710061)

说明了大数据的特征以及作用，基于大数据背景下绿色建筑技术选择优化的意义，选择寒冷地区相对典型的五个城市为研究对象，通过数理统计分析的方法，以节能、节水、节材、节地为目标，分析总结了绿色建筑技术的各项使用状况，从而得出相对适宜寒冷地区使用的建筑节能技术。

大数据，绿色建筑，寒冷地区，节能

0　引言

近年来，绿色建筑在国内发展迅猛。2014年，全国新增绿色建筑面积达到1.7亿m2，预计2015年，全国新增绿色建筑面积将达到10亿m2以上，2020年，我国城镇绿色建筑占新建建筑比重将提升至50%。绿色建筑技术的选择优化需要大数据作为支撑。本文将在大数据背景下，就寒冷地区绿色建筑技术选择优化进行探讨。

1　大数据对绿色建筑技术选择优化的意义

1.1大数据的特征与作用

大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。它具备以下四个主要特点：

1)数据体量巨大；

2)数据类型多样；

3)处理速度快；

4)价值密度低。

1.2绿色建筑技术选择原则

绿色建筑技术选择基于社会经济发展目标、环境和技术等制约因素影响。绿色建筑技术选择就是在经济承载力、技术水平率以及外部环境之间找到平衡。如何选择绿色建筑技术，应从以下几个方面考虑：

1)适宜性原则。

我国幅员辽阔，气候特点多样，根据不同的气候特点划分为五个分区，分别是严寒地区、寒冷地区、夏热冬冷地区、夏热冬暖地区及温和地区，而绿色建筑技术的应用依托于建筑所处的环境和气候，所以造成了绿色建筑技术选择的多样性和复杂性。并且，绿色建筑技术的应用受到当地经济、社会等因素的影响，因此只有选择与当地自然条件、经济条件、社会条件等因素都相适宜的绿色建筑技术，才能发挥绿色建筑真正的作用，所以选择适宜的绿色建筑技术是首要原则。

2)经济性原则。

绿色建筑技术的应用要考虑建筑全寿命周期成本，不仅要考虑绿色建筑技术前期建设成本，还要考虑后期技术的运营维护等费用；其次，绿色建筑在技术选择上不应片面追求最先进的技术，而是充分考虑技术体系的整体效果。在建筑全寿命周期内以经济成本低、节能效果好为前提，优化选择出经济高效的绿色建筑技术。

3)整体性原则。

绿色建筑技术的选择应从当地气候条件、周边环境、建筑、室内和结构等各个方面统筹考虑，进行整体性设计。不能片面的追求单一能耗的节约效率，而忽视了周边环境、室内空间、结构优化等方面的重要性。

1.3大数据对绿色建筑技术选择优化的意义

对绿色建筑适宜技术的选择工作，一般按照定性分析、定量分析两方面展开。定性分析就是对绿色适宜技术的类比选择，这是一个根据经验对技术种类进行主观评价比较选择的过程。而定量分析借助计算机软件，建立数字模型，对比分析绿色建筑量化后的运行效果，进而调整确定绿色建筑技术的使用情况。

而基于大数据的背景下，在定性分析方面，就能够做到一个相对客观的选择过程。通过对已经建成的一、二、三星级绿色建筑所采用的技术进行数据统计，可以相对直观的表现出各种技术在不同气候分区的使用情况，如果使用情况相对较高，则说明此项技术在该地区使用广泛，在技术成熟度、可靠性、适宜性等方面是比较优秀的，可以列为备选项进行定量化的计算机模拟，反之如果使用的较少或完全没有使用过类似的绿色建筑技术，则说明针对该地区此项技术并不适宜使用。

由绿色建筑地图网站提供的数据表明至2015年11月10日，全国参评绿标的绿色建筑项目中使用最多的10项技术(见图1)。可见上榜的10项技术都是技术成熟、使用性广、经济效益良好的绿色建筑节能技术。所以大数据能够帮助设计师在前期设计当中有个更加理性、客观、高效的选择参考。

图1　全国使用最多的10项绿色建筑技术

2　大数据背景下的寒冷地区绿色建筑技术选择与优化

2.1数据的背景及来源

本论文研究数据来源于绿色建筑地图网站(gbmap.org)。绿色建筑地图嵌套了google earth地图系统，国内的绿色建筑能够在google earth上得以展示，以更为直观、清晰、真实的展示各地区绿色建筑的实际情况。绿色建筑地图以收集的这些信息为基础，在绿色建筑数量、技术应用程度、对绿色建筑做出的贡献等方面进行了相对客观的排名，统计发展现状、分析发展趋势，在客观数据的基础上进行统计。网站数据来源截止于住建部第2015年第十一、十二批公告，截止时间是2015年11月10日。

2.2以寒冷地区绿色建筑技术选择与优化为例

以绿色建筑地图所提供的数据作为支撑，选择北京、济南、郑州、太原、西安这五个相对典型的寒冷地区城市为研究对象，以节能、节水、节材、节地、室内环境质量、运营管理等六个方面为目标，分析各项绿色建筑技术的使用情况，从而总结出相对适宜寒冷地区使用的建筑节能技术。

2.2.1寒冷地区典型城市绿色建筑总量分析

通过对绿色建筑地图所提供的数据进行整理，寒冷地区典型的五个城市绿标认证通过的建筑数量见表1。在绿标认证的过程中使用的各项绿色建筑技术总和：北京市62项、济南市45项、西安市42项、郑州市32项、太原市26项。北京市的绿色建筑项目数量是济南的5倍，但是从绿色建筑技术的使用上也只比济南市多17项，说明绿色建筑技术的使用与所在城市的绿色建筑数量是成正比的但并非成指数增长，且使用的也都是技术成熟、适用性高、经济效益良好的适宜技术，并不是简单的技术堆叠。

表1　通过绿标认证的建筑数量

2.2.2寒冷地区典型城市绿色建筑技术类别分析

对寒冷地区五个城市所使用的六大类绿色建筑技术进行分析，得出：节能技术25项、节水技术5项、节材技术9项、节地技术12项、室内环境质量技术12项、运营管理技术7项。各类绿色建筑技术数量比重见表2。可见各项绿色建筑技术数量比重与绿色建筑评价指标权重是基本吻合的，符合绿色建筑评价标准对绿色建筑认证的权重体系。

表2　各类绿色建筑技术数量比重

2.2.3寒冷地区绿色建筑技术选择与优化

本研究通过使用数理统计的方法对寒冷地区典型的五个城市的绿色建筑技术使用频率进行归纳分析，按照记分制进行统计，五个城市都使用的技术记5分，四个城市使用的技术记4分，以此类推，得出寒冷地区绿色建筑技术选择参照表(见表3)。同时确定记4分～5分的技术为适宜技术，该类技术成熟可靠、实用性高，在寒冷地区基本上都可以非常适宜的使用该类节能技术。记2分～3分的技术为较适宜技术，该类技术可以在寒冷地区使用，但是还需要考虑该类技术的经济效益及整合性。记1分的技术为有待研究论证的技术，需要后期深入设计并进行软件模拟等定量分析后再考虑是否使用该类技术。

通过表3可以得出在寒冷地区适宜技术25项、较适宜技术30项、有待研究论证的技术15项。所以未来在寒冷地区的绿色建筑设计当中，前期对绿色建筑技术选择上，可以优先使用25项适宜技术，其次再考虑较适宜的30项技术，最后根据不同的设计条件经过定量分析后慎重选择15项有待论证的技术。通过对大数据的分析研究，可以对以后的设计起到一定的帮助及指导作用。

表3　寒冷地区绿色建筑技术选择参照表

3　结语

本研究以绿色建筑地图所提供的大数据为背景，选择寒冷地区相对典型的五个城市为研究对象，通过数理统计的方法分析各项绿色建筑技术的使用情况，从而总结出相对适宜寒冷地区使用的建筑节能技术。对绿色建筑设计实践中前期技术的定性选择工作起到一定的指引作用，也为建筑业与互联网技术的应用提供了新思路。在大数据背景下，信息不共享不关联的现象将会慢慢消失，而信息的交互技术将会逐渐成熟，这将使绿色建筑的技术选择优化方面更加整体和宏观。当与绿色建筑相关的数据库与多行业和多领域的数据库发生交集之时，多种数据的大规模运用会使得绿色建筑技术的选择更加合理，从而在更深更广的层面构建更加合理的绿色建筑，改变我们的生活。

[1]徐继华,冯启娜,陈贞汝.智慧政府：大数据治国时代的来临[M].北京：中信出版社，2014.

[2][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代[M].杭州：浙江人民出版社，2012.

[3]叶祖达.我国绿色建筑的设计技术选择分析[J].现代城市研究，2013(8)：65-67.

[4]李怡.夏热冬暖地区公共建筑绿色节能技术分析[D].广州：华南理工大学，2012.

[5]李冠元,章容.大数据背景下城镇土地定级方法优化初探[M].北京：中国建筑工业出版社，2014.

On optimal selection of green architectural techniques based on big data★

Su YuchuanLiu Qibo

(SchoolofArchitecture,Chang’anUniversity,Xi’an710061,China)

The paper indicates the features of the big data and its role and the significance of the selection optimization of the green buildings based on the big data, selects five typical cities in cold areas as the research objects, and analyzes the utilities of the green architectural technique from the energy-saving, water-saving, material-saving and land-saving aspects by the statistic analysis method, so as to conclude the architectural energy-saving technique adopted in the cold areas.

big data, green building, cold area, energy-saving

1009-6825(2016)21-0187-03

2016-05-16★:陕西省社会发展科技攻关项目，陕西省住建厅科技项目“陕西省既有公共建筑节能改造技术群与节能管理模式研究”(项目编号：2015SF264)

苏宇川(1992- )，男，在读硕士；刘启波(1970- )，女，副教授

TU201.5

A