CN110823365B - 一种中国城市室内天然光眩光的测试方法 - Google Patents

一种中国城市室内天然光眩光的测试方法 Download PDF

Info

Publication number
CN110823365B
CN110823365B CN201910560581.7A CN201910560581A CN110823365B CN 110823365 B CN110823365 B CN 110823365B CN 201910560581 A CN201910560581 A CN 201910560581A CN 110823365 B CN110823365 B CN 110823365B
Authority
CN
China
Prior art keywords
glare
natural light
grade
city
cities
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910560581.7A
Other languages
English (en)
Other versions
CN110823365A (zh
Inventor
曹冠英
刘欣
邓奇光
魏硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Polytechnic University
Original Assignee
Dalian Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian Polytechnic University filed Critical Dalian Polytechnic University
Priority to CN201910560581.7A priority Critical patent/CN110823365B/zh
Publication of CN110823365A publication Critical patent/CN110823365A/zh
Application granted granted Critical
Publication of CN110823365B publication Critical patent/CN110823365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/10—Photometry, e.g. photographic exposure meter by comparison with reference light or electric value provisionally void
    • G01J1/12—Photometry, e.g. photographic exposure meter by comparison with reference light or electric value provisionally void using wholly visual means

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Cosmetics (AREA)

Abstract

本发明公开了一种中国城市室内天然光眩光的测试方法，包括如下步骤：S1、将26个城市的气象文件分别导入到DIVA‑for Rhino中进行全年天然光眩光总量分析得出DGP，利用所述DGP进行眩光评估。本发明采用KNN算法根据所研究地区的特征对其进行眩光等级分类，最后可以得到全国天然光眩光总量等级分布地图。

Description

一种中国城市室内天然光眩光的测试方法
技术领域
本发明涉及天然光采光技术领域，更具体地说，涉及一种中国城市室内天然光眩光的测试方法。
背景技术
近年来，应用天然光采光成为建筑行业的焦点。天然光采光中出现的眩光问题成为建筑师以及建筑使用者关心的问题。2006年WienoldJ提出用DaylightGlareProbability(DGP)评价天然光眩光。随着计算机技术的发展，利用软件进行眩光分析，将所研究地区的气象文件导入DIVA-for Rhino(http://www.solemma.net/-DIVA-for-Rhino/DIVA-for-Rhino.html)中进行计算，可得出该地区的全年眩光总量。但在中国地区，有的地方有气象文件，可以通过仿真计算得到该地区的全年眩光总量，而有的地方没有气象文件，要确定这些地方的眩光情况有一定的难度。故急需研究一种能够得到无气象文件地区的全年眩光总量的方法。
发明内容
本发明目的是为了解决某一地区没有气象文件不能进行眩光分析的问题。
为了达到上述目的，本发明提供了一种中国城市室内天然光眩光的测试方法，包括如下步骤：
S1、将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年天然光眩光总量分析得出DGP，利用所述DGP进行眩光评估；
所述DGP按照人的感受程度分为4个等级，等级划分如下：
第一等级：可以忽略的，取值范围为0-0.35；
第二等级：可以察觉的，取值范围为0.35-0.4；
第三等级：令人烦扰的，取值范围为0.4-0.45；
第四等级：无法忍受的，取值范围为0.45-1；
S2、根据S1中所述26个城市的DGP值，假设S1中所述26个城市种的任一城市的DGP>0.35时，即有眩光的量占该城市的全年眩光总量的比例为N，将S1中所述26个城市按照所述比例N进行等级划分，等级划分如下：
第一等级为轻微，比例N小于25％；
第二等级为中度，比例N在25％-30％之间；
第三等级为重度，比例N在30％-37％之间；
第四等级为严重，比例N在37％-50％之间；
S3、利用地图对S2所述的26个城市的所述比例N进行可视化处理，在地图上标出各城市的眩光等级；
S4、将S3所述的26个城市的经度值和纬度值分别输入到KNN算法，通过欧式距离来衡量每个数据点之间的相似性，欧式距离公式如下：
Figure BDA0002108147930000021
其中，x表示经度值，y表示纬度值。在KNN算法中，取k＝4，与等级的数目S2中所述的比例N划分等级的数目相同；
然后，对中国范围内需测室内天然光眩光的任一城市的经度值、纬度值采用KNN算法，得到中国范围内需测室内天然光眩光的任一城市的天然光眩光总量等级。
优选的是，把中国范围内所有城市的经度值、纬度值均采用KNN算法计算并得到相应城市的天然光眩光总量等级，根据所有城市的天然光眩光总量等级制成全国天然光眩光总量等级分布地图。
本发明采用KNN算法根据所研究地区的特征对其进行眩光等级分类，最后可以得到全国天然光眩光总量等级分布地图。
附图说明
图1是26个城市室内天然光眩光等级的经纬度分布图。
图2是26个城市室内天然光眩光等级的经纬度分析图。
图3是中国室内天然光眩光总量等级分布地图。
具体实施方式
本发明涉及一种中国城市室内天然光眩光的测试方法，包括如下步骤：
S1、将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年天然光眩光总量分析得出DGP，利用所述DGP进行眩光评估；
如图所述DGP按照人的感受程度分为4个等级，等级划分如下：
第一等级：可以忽略的，取值范围为0-0.35；
第二等级：可以察觉的，取值范围为0.35-0.4；
第三等级：令人烦扰的，取值范围为0.4-0.45；
第四等级：无法忍受的，取值范围为0.45-1；
S2、根据S1中所述26个城市的DGP值，假设S1中所述26个城市种的任一城市的DGP>0.35时，即有眩光的量占该城市的全年眩光总量的比例为N，将S1中所述26个城市按照所述比例N进行等级划分，等级划分如下：
如图1～2所示，第一等级为轻微，比例N小于25％；
第二等级为中度，比例N在25％-30％之间；
第三等级为重度，比例N在30％-37％之间；
第四等级为严重，比例N在37％-50％之间；
S3、利用地图对S2所述的26个城市的所述比例N进行可视化处理，在地图上标出各城市的眩光等级；
S4、将S3所述的26个城市的经度值和纬度值分别输入到KNN算法，通过欧式距离来衡量每个数据点之间的相似性，欧式距离公式如下：
Figure BDA0002108147930000031
其中，x表示经度值，y表示纬度值。在KNN算法中，取k＝4，与等级的数目S2中所述的比例N划分等级的数目相同；
然后，对中国范围内需测室内天然光眩光的任一城市的经度值、纬度值采用KNN算法，得到中国范围内需测室内天然光眩光的任一城市的天然光眩光总量等级；如图3所示，把中国范围内所有城市的经度值、纬度值均采用KNN算法计算并得到相应城市的天然光眩光总量等级，根据所有城市的天然光眩光总量等级制成全国天然光眩光总量等级分布地图。
本发明采用KNN算法根据所研究地区的特征对其进行眩光等级分类，最后可以得到全国天然光眩光总量等级分布地图。
实施例1
一种对中国城市室内天然光眩光测试的新方法，包括如下步骤：
(1)将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年眩光总量计算；
(2)将一年中有眩光(DGP>0.35)的总量占全年眩光总量的比例划分为4个等级，第一等级为轻微，所占比例小于25％；第二等级为中度，所占比例在25％-30％之间；第三等级为重度，所占比例在30％-37％之间；第四等级为严重，所占比例在37％-50％之间；
(3)将所得数据进行可视化处理，在地图上标出26个城市的眩光等级情况；
(4)通过把这些城市的数据输入到KNN算法，选择参数k与等级的数目一样为4，使用欧式距离来衡量每个数据点之间的相似性。将没有气象文件的北海市的经纬度输入到KNN算法中进行眩光等级测试，发现北海市(N21°29′，E109°06′)的眩光属于第一等级。
判断北海市的眩光等级程序如下：
Figure BDA0002108147930000041
Figure BDA0002108147930000051
运行结果：
该测试数据属于类1
实施例2
一种对中国城市室内天然光眩光测试的新方法，包括如下步骤：
(1)将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年眩光总量计算；
(2)将一年中有眩光(DGP>0.35)的总量占全年眩光总量的比例划分为4个等级，第一等级为轻微，所占比例小于25％；第二等级为中度，所占比例在25％-30％之间；第三等级为重度，所占比例在30％-37％之间；第四等级为严重，所占比例在37％-50％之间；
(3)将所得数据进行可视化处理，在地图上标出26个城市的眩光等级情况；
(4)通过把这些城市的数据输入到KNN算法，选择参数k与等级的数目一样为4，使用欧式距离来衡量每个数据点之间的相似性。将没有气象文件的台州市的经纬度输入到KNN算法中进行眩光等级测试，发现台州市(N28°39′，E121°24′)的眩光属于第二等级。
判断台州市的眩光等级程序如下：
Figure BDA0002108147930000052
Figure BDA0002108147930000061
运行结果：
该测试数据属于类2
实施例3
一种对中国城市室内天然光眩光测试的新方法，包括如下步骤：
(1)将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年眩光总量计算；
(2)将一年中有眩光(DGP>0.35)的总量占全年眩光总量的比例划分为4个等级，第一等级为轻微，所占比例小于25％；第二等级为中度，所占比例在25％-30％之间；第三等级为重度，所占比例在30％-37％之间；第四等级为严重，所占比例在37％-50％之间；
(3)将所得数据进行可视化处理，在地图上标出26个城市的眩光等级情况；
(4)通过把这些城市的数据输入到KNN算法，选择参数k与等级的数目一样为4，使用欧式距离来衡量每个数据点之间的相似性。将没有气象文件的保定市的经纬度输入到KNN算法中进行眩光等级评估，发现保定市(N38°52′，E115°27′)的眩光属于第三等级。
判断保定市的眩光等级程序如下：
Figure BDA0002108147930000071
运行结果：
该测试数据属于类3
按照上述各实施例的计算方法，把中国范围内所有城市的经度值、纬度值均采用KNN算法计算并得到相应城市的天然光眩光总量等级，根据所有城市的天然光眩光总量等级制成全国天然光眩光总量等级分布地图。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种中国城市室内天然光眩光的测试方法，其特征在于，包括如下步骤：
S1、将北京、长春、长沙、重庆、大连、福州、广州、贵阳、南宁、哈尔滨、合肥、济南、昆明、兰州、南昌、南京、上海、沈阳、石家庄、太原、天津、武汉、西安、西宁、银川、郑州这26个城市的气象文件分别导入到DIVA-for Rhino中进行全年天然光眩光总量分析得出DGP，利用所述DGP进行眩光评估；
所述DGP按照人的感受程度分为4个等级，等级划分如下：
第一等级：可以忽略的，取值范围为0-0.35；
第二等级：可以察觉的，取值范围为0.35-0.4；
第三等级：令人烦扰的，取值范围为0.4-0.45；
第四等级：无法忍受的，取值范围为0.45-1；
S2、根据S1中所述26个城市的DGP值，假设S1中所述26个城市中的任一城市的DGP>0.35时，即有眩光的量占该城市的全年眩光总量的比例为N，将S1中所述26个城市按照所述比例N进行等级划分，等级划分如下：
第一等级为轻微，比例N小于25％；
第二等级为中度，比例N在25％-30％之间；
第三等级为重度，比例N在30％-37％之间；
第四等级为严重，比例N在37％-50％之间；
S3、利用地图对S2所述的26个城市的所述比例N进行可视化处理，在地图上标出各城市的眩光等级；
S4、将S3所述的26个城市的经度值和纬度值分别输入到KNN算法，通过欧式距离来衡量每个数据点之间的相似性，欧式距离公式如下：
Figure FDA0003130517770000011
其中，x表示经度值，y表示纬度值；在KNN算法中，取k＝4，即该算法中等级的数目与S2中所述的比例N划分等级的数目相同；
然后，对中国范围内需测室内天然光眩光的任一城市的经度值、纬度值采用KNN算法，得到中国范围内需测室内天然光眩光的任一城市的天然光眩光总量等级。
2.根据权利要求1所述的中国城市室内天然光眩光的测试方法，其特征在于，把中国范围内所有城市的经度值、纬度值均采用KNN算法计算并得到相应城市的天然光眩光总量等级，根据所有城市的天然光眩光总量等级制成全国天然光眩光总量等级分布地图。
CN201910560581.7A 2019-06-26 2019-06-26 一种中国城市室内天然光眩光的测试方法 Active CN110823365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910560581.7A CN110823365B (zh) 2019-06-26 2019-06-26 一种中国城市室内天然光眩光的测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910560581.7A CN110823365B (zh) 2019-06-26 2019-06-26 一种中国城市室内天然光眩光的测试方法

Publications (2)

Publication Number Publication Date
CN110823365A CN110823365A (zh) 2020-02-21
CN110823365B true CN110823365B (zh) 2022-03-08

Family

ID=69547626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910560581.7A Active CN110823365B (zh) 2019-06-26 2019-06-26 一种中国城市室内天然光眩光的测试方法

Country Status (1)

Country Link
CN (1) CN110823365B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4390578B2 (ja) * 2004-02-10 2009-12-24 ダイセル化学工業株式会社 防眩シート
WO2017059362A1 (en) * 2015-10-01 2017-04-06 View, Inc. Methods of controlling multi-zone tintable windows

Also Published As

Publication number Publication date
CN110823365A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
Yang et al. Contributions of sea–land breeze and local climate zones to daytime and nighttime heat island intensity
Cheng et al. Spatiotemporal heterogeneity of industrial pollution in China
CN105205466B (zh) 一种基于夜间灯光影像的能源碳排放量遥感估算方法
Zhang et al. Spatiotemporal characteristics of urban air quality in China and geographic detection of their determinants
Yang et al. Analysis of typical meteorological years in different climates of China
Huang et al. Coupling responses of landscape pattern to human activity and their drivers in the hinterland of Three Gorges Reservoir Area
Zheng et al. Spatial distribution of PM2. 5‐related premature mortality in China
Pan et al. Spatiotemporal dynamics of electricity consumption in China
Song et al. Spatiotemporal distribution of air pollution characteristics in Jiangsu Province, China
Ge et al. Study on space diversity and influencing factors of Tunpu settlement in central Guizhou Province of China
Rao et al. Comparisons of three‐dimensional urban forms in different urban expansion types: 58 sample cities in China
Wei et al. Spatiotemporal dynamics of CO2 emissions using nighttime light data: a comparative analysis between the Yellow and Yangtze River Basins in China
Chen et al. Multidimensional poverty measurement and spatial–temporal pattern analysis at county level in the arid area of Xinjiang, China
CN106203891B (zh) 基于多源遥感影像数据的国土开发密度三维综合评价方法
CN110823365B (zh) 一种中国城市室内天然光眩光的测试方法
Li et al. Human settlement quality evaluation based on air quality in major cities of China
Jin et al. Spatial scanning of traditional villages and geographical exploration of spatial differentiation mechanism: A case study of Gansu Province
Cheng et al. Spatiotemporal Variation Air Quality Index Characteristics in China’s Major Cities During 2014–2020
Jia et al. Urban microclimate differences in continental zone of China
Wenyao et al. The research on integrated visual information management system of the mine ventilation and safety
Gong et al. Exploring the influence of urban agglomeration on extreme precipitation: Evidence from the middle reaches of the Yangtze River, China
Ma et al. Gdp spatialization and dynamic analysis based on dmsp/ols images: A case of henan province
Liu et al. Indexing coordination of ecosystem and urban economic vitality in coastal cities: An observation in yangtze river delta
Zhen et al. Research on the Spatial-Temporal Changes of Regional Morphology of Residential Neighborhoods in County-Level Cities of China: Cases Studies on Qingcheng County, Wu'an City, Changxing County, Lianjiang County, and Jintang County.
Han et al. Spatialization approach to 1km grid GDP based on remote sensing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant