打开文本图片集

摘要：本文以基于建筑操作系统的数据应用研究为重点，围绕数据采集、数据开发及数据产品等，研究了适合生态共建和复用推广的技术架构，阐述了对建筑数据挖掘及落地应用的探索及相关方案，并通过分析项目实践的应用成果，对建筑行业未来智能化建设发展进行了总结和展望。

关键词：智慧建筑；建筑操作系统；数据应用；数字中台；数据仓库

【中图分类号】 【文献标识码】 【文章编号】

Abstract： With the research focus on data application research based on building operating system， around data collection， data development and data products， this paper studies the technical framework suitable for ecological co-construction and reuse promotion， and expounds the exploration and related schemes of construction data mining and landing application. Through the analysis of the practical results of the project application， the future development of intelligent construction in the construction industry is summarized and prospected.

Key Words： Intelligent Building; Building Operating System; Data application; Digital midstation; Data warehouse;

引言

根据我国“十四五”发展规划，要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级。为满足市场发展需求，华建数创对ArcOS建筑操作系统[1]进行了研发及升级迭代，产品架构如图1所示，完成了包含建筑数据、数据处理、业务模块、场景应用的综合智慧统一管控平台，平台兼容各类通信接口、协议、数据格式、数据库标准等，可以直接对接开放性的子系统网络传输层、末端感知执行层，形成 “数据信息统一体”，天然规避信息孤岛和重复建设问题，实现新子系统的平滑入列，在建筑数据基础上，ArcOS还根据各项目的具体需求，融入了企业业务数据，为多源数据建立起数据仓库，并以此为依托，建设了包括算法、数据综合看板等多种数据应用产品。

总体架构

在智慧楼宇系统运行过程中，数字化系统每日产生海量数据。数据中台作为ArcOS建筑操作系统的重要组成部分，充分结合了建筑行业特点，以实现多源数据的采集集成、数据清洗、数据转换、数据共享和数据应用为目标，其设计总体架构如图2所示。在梳理建筑数据的基础上，数据中台以“数据采集+海量存储+计算引擎”框架，构建了智慧建筑数据湖，实现了对空间、业务和物联等建筑数据的集成存储，同时，作为多源数据的聚合体，数据中台通过细致的数据资产梳理结果，提供了全面可靠的建筑管理基础数据。基于数据湖，进一步对数据进行标准化管理和智能化开发，完成了对餐饮、办公和能源等多领域数据整合，形成了覆盖全业务、多维度的数据仓库，从而快速应对建筑各业务领域数据需求。此外，数据中台根据各个项目个性化需求，建立了一套基于宽表结构、分主题的基础数据，将各个主题多源数据进行了有机整合，通过提供统一的标准数据服务接口，实现对各类数据应用和产品的高效支持。

数据采集方案

空间数据采集

ArcOS空间中台如图3，包含了BIM和GIS模型数据的上传与管理，各类文档的上传与管理等。通过空间中台，实现空间数据的配置与管理、空间拓扑关系的管理与可视、三维模型的可视与联动，从而最终实现了对建筑全生命周期中空间数据的采集。

物联网数据采集

ArcOS物联中台针对建筑管理场景，做到了设备规则可配置、设备数据可统计、视频数据可监控。物联中台基于标准物模型，面向建筑领域实现物联设备和弱电子系统设备数据的接入和存储，实现设备的管理与物联数据可视，为数据中台中物联数据提供了有效而可靠的采集方式。

业务数据采集

业务数据方面，ArcOS业务中台对建筑业务数据实现了对租户、园区、建筑、空间、设备、用户、组织、角色、身份源进行集中管理，并集成了包括会议业务、餐饮业务、能耗统计业务和运维管理业务等数据接入，如图5

数据开发方案

数据中台技术方案

ArcOS数据中台解决方案采用的数据湖与数据仓库一体化方案，选用Apache Doris作为关键的数据引擎，在数据存储、实时分析和多维度数据处理方面提供强大支持。Doris既作为数据湖，储存和处理原始的大规模数据，也作为数据仓库，提供高效的数据查询和分析。在数据源集成到数据湖的过程中，采用了一种基于CSV适配工具的增量数据同步的方法，如图6。该方法的核心是建立数据源连接，并借用数据库数据的导出工具将数据导出并转化为CSV格式，后再通过HTTP接口同步到数据湖Doris中进行存储。数据源类型支持各种关系型数据库、NoSQL数据库、API接口等。

数据仓库模型

数据中台中，标准化数据仓库运用了传统维度建模的方法，根据不同维度和主题域建立数据模型，根据智慧楼宇系统的业务领域划分，建立了餐饮、办公、运维、能源四个主题域，每个主题域和数据表都对应了特定的业务需求，支持不同主题的基于分析事务的查询，可以为业务提供了更高效的业务分析和决策支持。

数据建模过程中，通过梳理业务过程中的数据统计和算法应用需求，针对不同主题数据，充分考虑数据实体、属性、关系以及数据之间的联系，完成实体-关系图（ER图）。其中餐饮主题域涉及餐饮订单、畅销菜品分析等业务过程，主要的度量包括订单数、订单金额和订单卡路里、菜品销售量等（如图7）。办公主题域涉及会议室预约、通行状况分析等业务，主要的度量为会议室的预约订单和通行闸机的通行记录等。能源主题域包含了用电量分析、建筑分项用电和总用电量逐时统计等业务过程，主要的度量包括只电表周期快报读数，上海地区气象数据的分时周期快报和空气传感器的逐时周期快报等。

数据治理开发

数据工程以提供方便业务系统使用的结构化数据为目标，将数据进行清洗、处理、转换后加载到搭建的数据仓。数据开发过程中，以满足特定的业务需求为目标，以数据模型为指导，对数据湖数据数据清洗、转换、整合，实现数据建模中定义的数据结构，并加载到数据仓库中，确保数据能够按照预期的方式进行存储和查询。

数据中台在项目落地的过程中，大部分数据治理工作采用了离线数据治理方式。采用分层处理，将复杂问题简单化，减少重复开发，降低了对业务变更的影响。数据分层开发从下到上可分为：操作数据层（ODS：Operation Data Store）、数仓明细层（DWD：Data Warehouse Detail）、数仓汇总层（DWS：Data Warehouse Summary）、应用数据层（ADS：Application Data Store）、公共维度层（DIM： Dimension）、数据应用层，整体的数据分层开发模型如图8所示。

其中，ODS层提供了对原始数据的备份，避免直接调用业务系统的数据；DWD 层对ODS层的数据进行过滤、清洗、转换，形成最细粒度的明细表；DWS层将DWD 层的明细数据，按照不同维度、不同粒度进行汇总聚合，构建命名规范、口径统一的统计指标，形成不同业务需求的汇总表；ADS层对DWD层或DWS层数据进行个性化加工、数据汇总，形成基于宽表结构、分专题的应用数据，将各个主题多源数据进行了有机整合，通过提供统一接口，满足算法和看板应用需求；DIM 层整合不同业务系统的维度相关信息，建立统一的标准的建筑维度表。

数据产品方案

算法应用

算法作为一项重要的数据应用型产品，为建筑管理业务提供了先验性指导、帮助企业做出决策，从而对企业产生巨大价值。算法数据中台基于算法训练需求建设了算法专题库，提供能耗预测算法、和电梯调度优化策略、餐厅排队预测等算法的算法专题库表，由数仓的DWS和DWD层提供数据并以集成的宽表的形式供算法专题库进行数据的调用。

通过对建筑空间数据和物联网（IoT）数据的全面应用，完成了包括能耗预测、排队时间预测等的13项建筑智慧化提升关键算法。算法通过综合分析建筑结构、布局、楼宇运行参数、环境温湿度等信息，实现了对能耗的精准预测。通过实时监测和数据分析，建筑管理团队能够优化能源使用，降低运营成本，推动大厦朝着可持续发展方向迈进；通过整合IoT数据，运用建筑各区域部署的感应设备，实时监测人流和活动。排队时间预测算法利用这些数据，精准地预测各区域的排队时间（如图9），提高员工用餐和通行体验，同时协助管理团队更有效地调配人力资源，提高整体工作效率。

建筑数据看板

建筑数据看板为企业数据统计服务，帮助客户充分发挥自己数据资产价值，结合建筑行业关键知识，形成针对建筑管理的数据服务，辅助客户进行决策。看板旨在分析和展示建筑各业务数据，为决策者提供全面直观的数据洞察。其中，空间数据支持穿透至单个空间及数模联动；物联数据支持穿透至单个设备及数模联动，可视化展示设备实时状态的同时，帮助决策者进行设备健康管理和预防性维护；业务数据支持穿透至各个主题数据，呈现了建筑各项关键业务指标的实时状态和历史趋势，包括访客流量、业务收入、服务质量（如图10）等，通过清晰的图表和数据可视化，帮助管理团队掌握大厦运营状况，帮助决策者优化资源配置，提高业务运营效率；算法数据的实时展示（如图11）为管理团队直观地呈现了未来趋势的重要参考，使决策者能够提前制定相应的计划和策略。

在项目落地过程中，数据看板通过对业务数据、物联网数据和算法预测数据的高度集成展示，不仅提高了管理团队对建筑运营的实时洞察能力，还使其能够更加灵敏地响应变化、优化决策，为大厦的智慧化建设赋予了实质性的推动力。

结语

ArcOS数据中台对建筑空间、物联、业务数据充分发掘，在项目落地的过程中，对数据产品在智慧建筑领域应用进行了探索，通过对空间、物联和业务数据的集成和开发，对数据价值进行了充分的应用性挖掘，推动了建筑管理向智慧化发展。基于数据开发的算法和看板类产品，帮助管理团队能够更具前瞻性地规划和调整策略，从而提升整体建筑的智能化水平，为建筑行业未来的智能化建设提供了实践经验和成功案例，为建筑管理提供高效、智能的运营方案的同时，也为数据在建筑行业中的应用提供了新思路。

参考文献：

[1] 董道国，朱建龙，方瑾. 智慧建筑操作系统的构建方法研究与实现 [J]. 未来城市设计与运营 ， 2022（2）：3.

[2] 沈育祥，蔡增谊，郭安. 从“智能”建筑到“智慧”建筑的技术革新 [J]. 建筑电气，2020（5） ：5.

[3] 刘翀. 基于城市数字底座的智慧建筑操作系统探析 [J]. 绿色建筑，2020（5） ：3.

[4] 秦成. 制造业企业中台建设思考与实践[J]. 智能制造， 2019（2）.