包邮 数字化建筑环境行为采集分析及应用

**章 建成环境行为采集分析背景意义 1.1 数字化建成环境行为数据的定义 1.1.1 建成环境数据 1.1.2 用户行为 1.2 建成环境行为数据研究的意义 1.2.1 建筑节能 1.2.2 提升舒适性 1.2.3 提升安全性 1.3 基本技术流程 1.3.1 数据采集 1.3.2 数据预处理 1.3.3 数据统计 1.3.4 数据可视化 1.3.5 知识发现 第二章 数字化采集技术手段 2.1 无线传感网络技术 2.2 超宽带室内定位 2.2.1 UWB特性 2.2.2 UWB测距方式 2.2.3 UWB定位与空间类型 2.3 Wi-Fi探针街区定位 2.3.1 Wi-Fi探针的基本原理、优势及缺陷 2.3.2 探针系统的架构及优化设计 2.4 虚拟漫游技术 2.4.1 虚拟漫游技术的适用场景 2.4.2 虚拟漫游技术的获取方式和类型 第三章 数据管理统计工具 3.1 数据库基本概念 3.2 数据存储形式 3.2.1 MongoDB简介 3.2.2 数据库基础操作 3.2.3 数据处理-聚合操作 3.2.4 可视化工具MongoDB Compass 3.3 使用Pandas库进行数据处理 3.3.1 数据结构 3.3.2 文件操作 3.3.3 查看数据 3.3.4 索引和选取数据 3.3.5 缺失值处理 3.3.6 应用函数(apply) 3.3.7 合并 3.3.8 聚合(group by) 3.3.9 时间数据的相关操作 3.4 数据清理 3.4.1 清理异常MAC地址 3.4.2 清理组播MAC地址和伪MAC地址 3.4.3 清理带有Wi—Fi功能的智能家居等设备 3.4.4 清理居家数据 3.4.5 转换RSSI值 第四章 数据可视化 4.1 可视化工具Matplotlib简介 4.1.1 安装和使用 4.1.2 绘图接口 4.1.3 基本绘图流程 4.1.4 基础语法 4.1.5 常用图表 4.1.6 图像展示在web页面 4.2 时间维度 4.2.1 各时点平均人数变化折线图 4.2.2 探针各时段数据量雷达图 4.3 空间维度 4.3.1 各探针总数据量与MAC地址数统计图 4.3.2 各探针区域平均停留时长 4.4 行为轨迹 4.4.1 逐日区分MAC地址 4.4.2 轨迹还原 4.4.3 基于Matplotlib的轨迹绘制 4.4.4 叠合轨迹 4.4.5 轨迹热力图 第五章 数据挖掘算法 5.1 轨迹聚类算法 5.1.1 神经网络降维 5.1.2 降维后数据聚类 5.1.3 行动轨迹聚类及特征分析 5.2 序列模式挖掘 5.2.1 序列模式算法 5.2.2 环境行为数据的转换 5.2.3 频繁片段的可视化 第六章 环境行为研究案例 6.1 室内无线传感网络 6.1.1 研究背景 6.1.2 系统构成介绍 6.1.3 运行流程 6.1.4 应用测试 6.2 图书管阅览室 6.2.1 研究背景 6.2.2 数据采集环境与方法 6.2.3 数据可视化与统计分析 6.2.4 问题分析与设计优化 6.2.5 项目总结 6.3 西望村公共空间优化 6.3.1 研究背景 6.3.2 Wi-Fi探针定位技术 6.3.3 数据处理与分析 6.3.4 公共空间优化策略 6.3.5 项目总结 6.4 芳溪村公共空间优化 6.4.1 项目背景 6.4.2 研究方法 6.4.3 数据分析 6.4.4 公共空间优化策略 6.4.5 项目总结 6.5 马台街城市设计方案优化 6.5.1 项目背景 6.5.2 基于VR的数据采集系统 6.5.3 数据分析结论 6.5.4 项目总结 6.6 大仓村公共空间优化设计 6.6.1 项目背景 6.6.2 数据采集 6.6.3 数据分析 6.6.4 数据分析结论 6.6.5 项目总结 参考文献 致谢