建筑节能是可持续建筑发展战略的重要课题。在众多影响建筑能耗的因素中,人行为起着决定性作用。研究表明,不同建筑中的人行为存在巨大差异,这种差异造成建筑运行阶段的实际能耗与设计阶段的模拟能耗之间的显著差距。此外,不同的行为习惯同样是导致设计节能方案无法有效实施的主要原因。因此,如果能够采集大量真实建筑中的人行为数据,建立吻合日常行为习惯的人行为模型,对准确模拟建筑能耗、制定个性化建筑节能方案和政策、达到降低建筑能耗的目标,具有非常重要的意义。然而,由于实际建筑内人行为的多样性及私密性,目前的人行为数据采集方法,面临着高监测成本和隐私侵犯等挑战。为此,本文提出了一种基于室内环境监测数据的人行为信息识别方法。这种方法:1)所选用的环境数据监测设备,应能充分利用最新的传感、通信、计算等技术,在保证数据质量的同时有效降低监测成本;同时,可满足居民对室内环境多参数监测的需求,使得在实际生活中的大规模的室内环境数据的采集成为可能,其参数包括室内空气温度、相对湿度、噪声、照度、CO2和甲醛浓度等。2)突破传统的具有侵犯性的“直接监测人行为”的思路,利用IT等领域已发展非常成熟的数据挖掘技术,从环境数据中识别人的行为信息,其核心依据是:特定的行为、行为地点和行为人,会对不同的室内环境参数造成特定的影响特征;其关键任务是:建立人行为与环境参数之间的映射关系,准确提取人行为对环境参数的影响特征,实现较高的识别准确率。基于以上基本设定,本研究首先通过与智能硬件公司合作,研发了一整套适用于日常住宅环境监测与真实人行为记录的数据采集系统,并在天津和北京的7户家庭共10个房间中进行了跨越夏、秋、冬三季的数据采集工作。以此数据为基础,开发了一系列包括开关灯、开关空调、开关窗以及行为人特征、行为地点和人员出勤状态等行为的识别方法,过程中针对不同的行为比较了不同的数据预处理、数据挖掘算法以及模式解释与评估方法,并讨论了方法的优势与局限性。最后,介绍了人行为数据在建筑能耗模拟中的应用,详细展示了从人行为数据中提取关联规则、建立人行为模型的过程,并利用DeST软件模拟和比较了不同的人行为和建筑能耗。初步结果显示,所提出的方法,可实现低成本、低侵入性且具有较高准确度的人行为数据的采集工作:所研发的数据采集系统,可实现不同地区、不同用户的长期不间断监测,并具有较高的稳定性和准确性;基于曲线描述、频繁模式挖掘等机械学习方法开发的各行为识别算法,能够从具有强烈时间相关性的环境数据中有效提取出各种人行为与环境参数的相关关系。以本文工作为基础,可从数据驱动的视角开展更多关于“建筑-人-环境”之间的相关规律挖掘,为建筑节能、提高建筑性能及室内环境质量等重大问题提供理论依据。