本發(fā)明涉及古村落空間測(cè)量技術(shù)領(lǐng)域,更為具體的是涉及一種古村落空間舒適度測(cè)量方法及擬合算法。
背景技術(shù):
傳統(tǒng)古村落是現(xiàn)存比較完整的古建筑遺產(chǎn),反映著民間的經(jīng)濟(jì)狀況、傳統(tǒng)文化、歷史軌跡等多方面的信息。古村落以“天人合一”的哲學(xué)思想為其人居環(huán)境觀。古村落人居環(huán)境是在我國傳統(tǒng)農(nóng)耕社會(huì)制度下形成的具有鮮明農(nóng)耕文化特色的文化空間,蘊(yùn)含了豐富的適應(yīng)地域環(huán)境的規(guī)劃設(shè)計(jì)智慧,具有重要的鄉(xiāng)土原創(chuàng)精神。研究古村落人居環(huán)境一方面可以借此梳理和弘揚(yáng)當(dāng)?shù)氐臍v史傳統(tǒng)和文化資源,繁榮和豐富當(dāng)代的先進(jìn)文化建設(shè)活動(dòng),規(guī)劃和指導(dǎo)未來文化發(fā)展藍(lán)圖,增強(qiáng)文化實(shí)力;另一方面,這也是了解古人科學(xué)對(duì)待自然,指導(dǎo)現(xiàn)代古村落建設(shè)發(fā)展方向,創(chuàng)造更加舒適的人居環(huán)境的重要途徑之一。舒適度是人居環(huán)境的重要影響因素,需要對(duì)溫度、濕度、風(fēng)力等一系列因素的影響進(jìn)行綜合分析和評(píng)價(jià),研究古村落空間舒適度對(duì)現(xiàn)代人居環(huán)境的設(shè)計(jì)具有極大的指導(dǎo)意義。
但目前,古村落空間舒適度的測(cè)量主要依靠人工記錄,誤差較大,不能準(zhǔn)確的反應(yīng)古村落的人居環(huán)境狀況,且在古村落的保護(hù)方面,溫度、濕度、風(fēng)力等也是很大的影響因素。
技術(shù)實(shí)現(xiàn)要素:
為了準(zhǔn)確的反應(yīng)古村落的人居環(huán)境狀況,本發(fā)明提供了一種測(cè)量精準(zhǔn)的古村落空間舒適度測(cè)量方法。
本發(fā)明采用的技術(shù)方案是:一種古村落空間舒適度測(cè)量方法,古村落內(nèi)設(shè)置有測(cè)量網(wǎng)絡(luò),所述測(cè)量網(wǎng)絡(luò)包括控制模塊、網(wǎng)關(guān)、路由節(jié)點(diǎn)、多參數(shù)傳感器組、數(shù)據(jù)誤差驗(yàn)證模塊和數(shù)據(jù)集市,其測(cè)量步驟如下:
(1)在古村落的每棟建筑區(qū)域內(nèi)和區(qū)域外部分別部署相應(yīng)的多參數(shù)傳感器組;
(2)發(fā)送測(cè)量命令,測(cè)量命令依次通過控制模塊、網(wǎng)關(guān)、路由節(jié)點(diǎn)傳送至多參數(shù)傳感器組,多參數(shù)傳感器組被測(cè)量命令喚醒;
(3)多參數(shù)傳感器組進(jìn)行多參數(shù)數(shù)據(jù)采集并把數(shù)據(jù)傳送至路由節(jié)點(diǎn),再傳送至網(wǎng)關(guān);
(4)網(wǎng)關(guān)接收到數(shù)據(jù)后,把數(shù)據(jù)發(fā)送至控制模塊;
(5)控制模塊把數(shù)據(jù)提交給數(shù)據(jù)誤差驗(yàn)證模塊,進(jìn)行誤差驗(yàn)證;
(6)誤差驗(yàn)證通過后,確定此次測(cè)量為成功測(cè)量,完成測(cè)量任務(wù),并將數(shù)據(jù)發(fā)送至數(shù)據(jù)集市;
(7)通過控制模塊發(fā)布關(guān)閉命令,依次關(guān)閉多參數(shù)傳感器組、路由節(jié)點(diǎn)、網(wǎng)關(guān)和數(shù)據(jù)集市。
作為上述方案的進(jìn)一步設(shè)置,所述測(cè)量命令通過泛洪的方式廣播給多參數(shù)傳感器組。
作為上述方案的進(jìn)一步設(shè)置,所述多參數(shù)傳感器組根據(jù)古村落每棟建筑區(qū)域內(nèi)和區(qū)域外部的相應(yīng)局部空間來配置。
作為上述方案的進(jìn)一步設(shè)置,所述多參數(shù)傳感器組包括溫度傳感器、濕度傳感器、風(fēng)力傳感器。
為了使古村落空間舒適度可以量化,本發(fā)明提供了一種古村落空間舒適度擬合算法,其技術(shù)方案是:一種基于古村落空間舒適度測(cè)量方法的擬合算法,包括針對(duì)古村落內(nèi)每幢建筑區(qū)域的相鄰空間多參數(shù)數(shù)據(jù)擬合、和針對(duì)古村落全部建筑區(qū)域不同空間的多參數(shù)數(shù)據(jù)擬合。
作為上述方案的進(jìn)一步設(shè)置,所述古村落內(nèi)每幢建筑區(qū)域的相鄰空間多參數(shù)數(shù)據(jù)擬合,通過設(shè)置在建筑區(qū)域內(nèi)和區(qū)域外部的多參數(shù)傳感器組采集測(cè)量參數(shù),將測(cè)量參數(shù)采用R*-tree結(jié)構(gòu)、并基于Lebesgue測(cè)度的曲線相似度算法,得到其相似度,對(duì)于相似度高的曲線,再進(jìn)行特征擬合,生成對(duì)應(yīng)的相似曲線擬合曲線,其擬合算法如下:
輸入:n個(gè)測(cè)量數(shù)據(jù)點(diǎn)集對(duì);
輸出:曲線相似度λ和相似曲線擬合曲線;
作為上述方案的進(jìn)一步設(shè)置,所述古村落全部建筑區(qū)域不同空間的多參數(shù)數(shù)據(jù)擬合,將古村落內(nèi)每幢建筑區(qū)域的相似曲線擬合曲線采用包絡(luò)曲線算法,求得不同區(qū)域的值域的上界曲線和下界曲線,利用Lebesgue測(cè)度,完成空間代表值的生成,得不同周期內(nèi)各參數(shù)代表值,其算法如下:
輸入:多個(gè)相似曲線擬合曲線集{ci};
輸出:包絡(luò)曲線及擬合特征曲線;
本發(fā)明的有益效果如下:
1、通過在古村落的每棟建筑區(qū)域內(nèi)和區(qū)域外部,部署相應(yīng)的多參數(shù)傳感器節(jié)點(diǎn),且不同局部空間的部署情況略有不同,提高了局部空間的測(cè)量節(jié)點(diǎn)的利用率并降低了能耗,具有測(cè)量精準(zhǔn)的特點(diǎn);
2、對(duì)不同區(qū)域測(cè)量的多個(gè)參數(shù)進(jìn)行擬合,得到年溫濕風(fēng)力指數(shù),使得古村落空間舒適度可以量化,便于統(tǒng)計(jì),對(duì)古村落的保護(hù)也起到了極大的作用。
附圖說明
圖1為本發(fā)明古村落測(cè)量網(wǎng)絡(luò)示意圖;
圖2為本發(fā)明古村落每個(gè)局部區(qū)域傳感器節(jié)點(diǎn)部署圖;
圖3為本發(fā)明每幢建筑不同尺度空間參數(shù)擬合示意圖;
圖4為本發(fā)明多點(diǎn)擬合誤差分析效果圖;
圖5為本發(fā)明中古村落年溫濕風(fēng)力指數(shù)示意圖。
具體實(shí)施方式
下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步描述。
如圖1所示,一種古村落空間舒適度測(cè)量方法,使用傳感器網(wǎng)絡(luò)WSN測(cè)量古村落不同區(qū)域的溫度、濕度和風(fēng)力等參數(shù),古村落測(cè)量網(wǎng)絡(luò)由控制模塊Controlling module、網(wǎng)關(guān)Gateway、路由節(jié)點(diǎn)Sink、多參數(shù)傳感器組Sensor Group、數(shù)據(jù)誤差驗(yàn)證模塊Data Verify和數(shù)據(jù)集市Data Mart組成。
測(cè)量命令按需方式以泛洪的方式廣播給多個(gè)傳感器節(jié)點(diǎn),一次測(cè)量完成后多參數(shù)傳感器組Sensor Group即進(jìn)入休眠狀態(tài),當(dāng)多參數(shù)傳感器組Sensor Group被測(cè)量命令喚醒后,進(jìn)行多參數(shù)數(shù)據(jù)采集并把數(shù)據(jù)組合傳送路由節(jié)點(diǎn)Sink,再傳送給網(wǎng)關(guān)Gateway,網(wǎng)關(guān)Gateway接受到數(shù)據(jù)后,把數(shù)據(jù)發(fā)送到控制模塊Controlling module,控制模塊Controlling module把數(shù)據(jù)提交給數(shù)據(jù)誤差驗(yàn)證模塊Data Verify,完成測(cè)量數(shù)據(jù)的誤差驗(yàn)證,當(dāng)誤差驗(yàn)證通過后,此次測(cè)量為成功測(cè)量,完成測(cè)量任務(wù),把數(shù)據(jù)發(fā)送到數(shù)據(jù)集市Data Mart,并關(guān)閉路由節(jié)點(diǎn)Sink、網(wǎng)關(guān)Gateway節(jié)點(diǎn)、多參數(shù)傳感器組Sensor Group等。
如圖2所示,在古村落的每棟建筑區(qū)域內(nèi)和區(qū)域外部,部署相應(yīng)的多參數(shù)傳感器節(jié)點(diǎn),采集不同參數(shù)數(shù)據(jù),局部區(qū)域測(cè)量節(jié)點(diǎn)部署可如下:每棟建筑區(qū)域內(nèi)部,部署10個(gè)傳感器組,外部部署4個(gè)傳感器,因?yàn)椴煌瑓?shù)的測(cè)量周期不同,所以傳感器組的配置不是完全相同,具體配置如表1所示:
表1.建筑內(nèi)部傳感器節(jié)點(diǎn)部署配置
*T-溫度傳感器,H-濕度傳感器,W-風(fēng)力傳感器
表1中,不同局部空間的部署情況略有不同,如臥室內(nèi)部,風(fēng)力變化較小,因此采用1個(gè)風(fēng)力傳感器即可;如天井的濕度變化較大,所以采用了3個(gè)濕度傳感器,而客廳的風(fēng)力變化較多等,這樣部署主要根據(jù)了前期測(cè)量參數(shù)的特征,后期進(jìn)行了適當(dāng)?shù)臏p少,便于提高局部空間的測(cè)量節(jié)點(diǎn)的利用率和能耗等。
本發(fā)明古村落空間舒適度擬合算法,包括針對(duì)古村落內(nèi)每幢建筑區(qū)域的相鄰空間多參數(shù)數(shù)據(jù)擬合、和針對(duì)古村落全部建筑區(qū)域不同空間的多參數(shù)數(shù)據(jù)擬合。
1、針對(duì)古村落內(nèi)每幢建筑區(qū)域的相鄰空間多參數(shù)數(shù)據(jù)擬合算法
(1)相鄰空間多參數(shù)特征擬合:
相鄰或相似空間的特征相似度較大,相鄰空間的參數(shù)可以擬合生成較大的空間的參數(shù)值,因此可以整個(gè)建筑的測(cè)量參數(shù)的擬合可以采用R*-tree結(jié)構(gòu)完成,這樣可以得到不同微尺度的空間參數(shù)的擬合,如圖3所示。
(2)曲線相似度計(jì)算與擬合算法
對(duì)于符合圖3結(jié)構(gòu)的兩個(gè)不同子空間的特征曲線,采用基于Lebesgue測(cè)度的曲線相似度計(jì)算方法,得到其相似度,對(duì)于相似度高的曲線,進(jìn)行特征擬合,生成對(duì)應(yīng)的相似曲線擬合曲線,其擬合算法如下:
輸入:n個(gè)測(cè)量數(shù)據(jù)點(diǎn)集對(duì);
輸出:曲線相似度λ和相似曲線擬合曲線;
在本算法中,當(dāng)客廳參數(shù)與天井參數(shù)進(jìn)行擬合時(shí),其矩陣分解過程如下所示:
本計(jì)算式為多維矩陣擬合與標(biāo)準(zhǔn)化矩陣分解過程。
2、針對(duì)古村落全部建筑區(qū)域不同空間的多參數(shù)數(shù)據(jù)擬合算法(功能曲線擬合算法)
對(duì)于不同空間的多參數(shù)數(shù)據(jù),采用包絡(luò)線算法,求得不同區(qū)域的值域的上界曲線和下界曲線,利用Lebesgue測(cè)度,完成空間代表值的生成,即可求得不同周期內(nèi)各參數(shù)代表值,其算法如下:
輸入:多個(gè)相似曲線擬合曲線集{ci};
輸出:包絡(luò)曲線及擬合特征曲線;
實(shí)施例一
實(shí)驗(yàn)效果:采用多點(diǎn)擬合時(shí),采用加權(quán)算法,擬合效果如圖4所示,且從圖4中可看出,如果僅僅是1對(duì)1的數(shù)據(jù)擬合,誤差最大,當(dāng)采用多個(gè)插值計(jì)算時(shí),誤差逐漸變小,最后趨于一個(gè)穩(wěn)定值。
實(shí)施例二
將不同尺度空間的舒適度擬合采用上述的多點(diǎn)擬合方式,可得到年溫濕風(fēng)力指數(shù),如圖5所示。
上面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作了詳細(xì)說明,但是本發(fā)明并不限于上述實(shí)施方式,在本領(lǐng)域普通技術(shù)人員所具備的知識(shí)范圍內(nèi),還可以在不脫離本發(fā)明宗旨的前提下作出各種變化。