civilengineering 版 (精华区)

发信人: xinyu (完了完了全完了), 信区: civilengineering
标  题: 智能建筑的多目标综合评价
发信站: 听涛站 (Sun Jan 16 02:51:45 2000), 转信

智能建筑的多目标综合评价
深圳赛格集团技术中心 沈骥革 凌智敏
　
摘要：本文提出一种智能建筑多目标评价方法的数学模型和评价实例。
关键词：智能建筑、多目标决策分析、层次分析法
Abstract: This paper is propounded a mathematical model and an example of in
telligent building evolution by multiple attribute decision-making.
Keyword: Intelligent building, Multiple attribute decision-making, AHP
　　一、 智能建筑的发展现状和评价简介
　　从世界上第一座智能性大厦1984年在美国康涅州的哈德佛市落成，到智能建筑在中
国快速发展不到二十年间，北京、上海、广州、深圳、西安等地相继建成一批具有一定
智能性的公共建筑。仅上海一地已建和待建的楼宇中，就有带有“智能建筑”色彩的约
有400幢，工程投资近1000亿人民币。尤其是伴随全国信息化建设的快速发展和以“三金
”工程为代表的国家经济信息网全面启动之后，国内信息工程建设形成了一次新的浪潮
，这就大大提高了对建筑智能化的需求，对住宅小区的智能化也提到议事日程。在今后
的几年以至于近十年中，我国的智能建筑将有一个巨大的发展，这个时期也将是我国智
能建筑的设计、建筑、施工和管理技术发展的关键时期。
　　智能建筑是将结构、系统、服务、运营及其相互联系全面综合，并达到最佳组合，
所获得的高效率、高功能与高舒适性的大楼。简而言之，智能化建筑需要达到的目的是
最大限度地满足使用者的舒适性、操作者的方便性、节能性、管理的高效性和信息化服
务等。
　　对于智能建筑这种特殊的需求，在智能建筑完工后应有一个客观的评价。评价是否
能达到智能建筑需要达到的目的，达到的程度怎样。这里特别要强调的是：智能建筑的
评价并不等于工程验收。工程验收是针对建筑物的设计、施工进行综合性的检验，达到
国家规范或标准后给予一种认可，验收的结果是达到或不达到、通过或不通过；而建筑
物的评价是高于工程验收的，评价是对建筑物的各项技术先进水平、用户使用情况、建
筑物对环境影响以及建筑物整体经济性等进行综合评判，评价的结果是对建筑物的总体
评分，是一个量化的结果。
　　由于智能化建筑的评价需要对智能化建筑的各种性能指标进行综合的度量，最终给
出一个量化的结果，即是采用多评价准则、多种度量量纲、定性描述等模糊或相互矛盾
单项衡量结果综合评判得出一个总体量化指标。评价需要从多种相互矛盾的多个评价标
准，定性、模糊的认识，用户实际应用的感知等中提取可用于评判的关键因数，从而对
智能建筑（评价对象）进行综合的评判，最后得出一个量化的评价数据进行相互比较，
完成对智能建筑从定性到定量的认识过程，实现对多种不同功能建筑物进行综合评价比
较的目的。
　　评价的目的是对多种不同的智能建筑的多个评价标准进行评价和相互比较，最终得
出对不同智能建筑的优劣作出数字评价。
　　通过对智能建筑进行评价，将对智能建筑智能建筑的实用水平有一个客观标准的度
量，指出不同功能的智能大厦为满足自身特点功能应重点发展的方向。同时通过评价可
总结出整个智能建筑产业的发展方向，为将来智能建筑在更高层次制订设计、施工、验
收规范作出准备。简而言之，评价的作用是通过客观的建筑物评价，对智能建筑物的综
合性能进行评估，将对智能建筑在国内的推广和发展起促进作用。
　　二、 智能建筑的多目标评价方法
　　如何对智能化建筑进行评价？国外提出了不少评价方法。如以社团、信息技术和建
筑为中心的ORB1T2方法；以工作人员使用为重点的POE方法；以使用者感受为重点的B1U
法；以全面建筑物性能为重点的ABS1C法；以环境为重点的BREEAM法；以环境影响为重点
的E1A法；以建筑物智商为重点的B1Q法等不下八、九种评价方法。
　　这些评价方法都是针对于建筑物的某一种性能特征所进行的，评价的结果也是在某
一种单个目标下建筑物的评分，因此对于同样一组待评价的建筑物而言，相对于不同的
目标会有不同甚至是相反的结果。特别是在评价目标相互矛盾时（例如建筑物智商和经
济性），采用单一目标评价的结果会有极大的差异甚至是完全相反，这样的结果会对设
计、施工、使用人员以及用户造成极大的混乱，因此有必要找到一种综合各种单项目标
的评价方法对不同的建筑物进行一个客观的、准确的评价。
　　笔者认为可以采用系统工程学中的层次分析法对智能建筑进行综合评价。
　　层次分析法是一种能处理具有复杂因素在内的技术、经济和社会问题，这些问题往
往很难用定量的模型或模拟来分析，因为其中所含定性因素很多，而且需要考虑决策者
的心理因素、知识经验和决策水平等。而层次分析法则能通过建立所谓判断矩阵的过程
，逐步分层地将众多的复杂因素和决策者的个人因素综合起来，进行逻辑思维，然后用
定量的形式表示出来，从而使复杂问题从定性的分析向定量结果转化。
　　1、首先看一个利用层次分析法进行智能建筑评价的例子：
　　假设有A、B和C三个智能建筑物，现在我们需要利用以下评价准则评价这三个建筑：

　　满足用户需要的程度；
　　建筑物的节能程度；
　　建筑物使用者舒适性；
　　建筑物管理者管理的方便程度；
　　在现有基础上进行扩充的可能性；
　　整个智能建筑的性能价格比。
　　⑴建立层次结构
　　对于智能建筑的组成、性能特点进行分析，可得出以下的评价结构图
　　第一层（L1），总目标；
　　第二层（L2），准则属性；
　　第三层（L3），评价对象。
　　⑵针对每个评价准则建立判断矩阵
　　经过对用户和专家的调查和评分，将评价指标在相对总目标的前提下两两比较，按
Saaty标度原则给出第二层判断矩阵。如表1：
   满足用
户需要 节能
程度 使用
舒适性 管理
方便性 扩充
可能性 性能
价格比
满足用户需要 1 1 1 4 1 1/2
节能程度 1 1 2 4 1 1/2
使用舒适性 1 1/2 1 5 3 1/2
管理方便性 1/4 1/4 1/5 1 1/3 1/3
扩充可能性 1 1 1/3 3 1 1
性能价格比 2 2 2 3 1 1
表1　 第二层判断矩阵
　　Saaty标度原则可简述如下：如果准则A相对总目标比准则B稍微重要，则可定义A=3
B，反之，如果准则A相对总目标比准则B稍微不重要，则可定义B=3A。在上表中，扩充可
能性相对总目标比使用舒适性稍微不重要，因此扩充可能性的重要性是使用舒适性的1/
3。（Saaty标度原则稍后详述）
　　针对于每个评价准则，两两比较三个建筑物达到此准则的程度，按上述Saaty标度原
则，也可得出如下的第三层判断矩阵：（建筑A、建筑B、建筑C分别用A、B、C表示）
满足用
户需要 A　B　C 节能程度 A　B　C
A
B
C 1　　1/4　1/2
4　 　1 　　3
2　　1/3　　1 A
B
C 1　1/3　1/5
4　　1　1/2
5　　2　　1
使用舒适性 A　B　C 管理方便性 A　B　C
A
B
C 1　　3　1/3
1/3　1　　1
3　　1　　1 A
B
C 1　1/3　5
3　　1　　7
1/5　1/7　1
扩充可能性 A　B　C 性能价格比 A　B　C
A
B
C 1　　1　　7
1　　1　　7
1/3　1/3　1 A
B
C 1　　7　　9
1/7　1　　5
1/9　1/5　1
表２　第三层判断矩阵
　　⑶各判断矩阵对应的元素排序
　　计算各判断矩阵最大特征值所对应的特征向量，即可得到相应判断准则或对象的权
重。
　　对第二层判断矩阵，最大特征值对应的特征向量为：
　　对于该特征向量，可以理解为第六个判断准则（性能价格比）在总目标中份量最重
，其次是第二个（节能程度）和第三个（使用舒适性），最轻是第四个（管理方便性）
。
　　对于第三层判断矩阵，同样可得出：
　　⑷总层次排序
　　该问题有三个层次：L1、L2、L3层。总层次排序需要把每个层次的结果综合起来得
到一个总的权重，进行权重的比较，最后得到排序的结果。
　　将三个层次的权重相乘，得：
　
　　通过以上计算结果，我们可以看到建筑A相对于上述的六条评价准则权重最重，因此
，我们认为建筑A的总体评价是最好的，其次是建筑B，再次是C。
　　2、层次分析法的数学模型
　　层次分析法(Analytical Hierarchy Process)最早由美国运筹学家T.L.Saaty提出，
至今已有十来年。
　　⑴判断矩阵的给出原理和标度
　　假设某个物体B有n个部分：b1、b2、厖、bn，则bi表示第i部分的地位（份量、作用
、重要性），而bi/bj则表示第i部分相对于整体B而言比第j部分重要的倍数。
　　将这个倍数用aij表示，则可得如下矩阵：
　　其中矩阵A中的元素aij满足：
　　aij=1/aji (互反性)
　　aij=aik/ajk （一致性）
　　用向量B表示整体:
　　则：
　　通过求解此线性方程可得出向量B。如果上述线性方程满足一致性，则矩阵A的最大
特征值λmax=n。此时λmax对应的特征向量即为向量B。
　　矩阵A中元素的给出按Saaty标度原则给出：
　　将B中的元素两两比较，可按下表得出标度：
bi与bj比较 aij的Saaty标度 意义
bi与bj同等重要
bi比bj稍微重要
bi比bj相当重要
bi比bj强烈重要
bi比bj极端重要 1
3
5
7
9 bi=bj
bi=3bj
bi=5bj
bi=7bj
bi=9bj
bi比bj的重要性在上述描述之间 2，4，6，8 　
bi比bj不重要的上述描述 相应上述数的倒数 　
　　⑵一致性检验问题
　　由于客观世界的复杂性以及人们对事物认识的模糊性和多样性，因而所给出的判断
矩阵不可能完全一致，也就导致了λmax>n的情形发生。那么这种不一致是否能够容忍呢
？这就是所谓一致性检验问题。
　　为了检验判断矩阵的一致性问题，需计算一致性指标CI
　　另外判断矩阵的一致性还具有随机性，这种随机一致性可用平均随机一致性指标RI
表示，RI的值只与矩阵的维数大小有关。下面是1到10维矩阵的平均随机一致性指标的取
值：
维数n 1 2 3 4 5 6 7 8 9 10
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49
　　相对一致性指标CR
　　CR=CI/RI
　　一般认为，当CR≤0.1时，判断矩阵基本符合完全一致性条件；当CR>0.1时，认为所
给出的判断矩阵是不符合完全一致性条件的，需要进行调整和修正。对于前述的例子，
需要进行一致性检验，这里不再赘述。
　　⑶评价步骤
　　通过以上的实例和数学模型的研究，我们可以得到如下评价步骤，如图2：
　　判断矩阵的产生可由评价专家组的专家评价给出，经过矩阵运算得到最终结果。当
同时需要评价的目标很多时（即第二层判断矩阵维数非常大时），判断矩阵的一致性很
难得到保证，此时需要对判断矩阵进行检验-调整的反复迭代运算，直至满足一致性条件
为止。
　　参考文献（References）：
1、 Atkin Brian: "Intelligent Building", Kogan Page Ltd., 1988.
2、 罗国杰：“大楼工程学：智慧大楼”，台北金华科技图书公司，1995
3、 廖传善：“关于发展我国只能化建筑的几个问题”，智能建筑，Vol.2，No.38，19
97
4、 廖传善：“试谈智能化建筑发展中值得注意的几个问题”，世界网络与多媒体，Vo
l.8，No.3，1997
5、 Saaty,T.L.,the Analytical Hierarchy Process,McGraw-Hill,N.Y.,1980.
6、 左军：“多目标决策分析”，浙江大学出版社，1991
　
　

--

度尽劫波兄弟在
相逢一笑泯恩仇

※ 来源:．听涛站 bbs.foundernet.edu．[FROM: bbs.foundernet.edu]