SEED

SEED数据集是由清华大学跨学科信息科学研究所创建的，旨在优化地铁站HVAC系统操作。该数据集收集自北京地铁多个站点，提供了分钟级分辨率的环境动态数据（温度、湿度、CO2等）、HVAC系统工作状态和能源消耗，以及小时级分辨率的乘客流量数据。数据集的创建涉及传感器部署和HVAC系统的详细描述，用于环境控制和数据收集。SEED数据集的应用领域主要集中在通过分析环境特征和乘客流量，优化HVAC系统的控制策略，以实现节能和提高室内环境质量。

The SEED dataset was developed by the Institute of Interdisciplinary Information Sciences at Tsinghua University, aiming to optimize the operation of HVAC systems in subway stations. This dataset is collected from multiple stations of the Beijing Subway, providing minute-resolution dynamic environmental data (including temperature, humidity, CO2, etc.), the operating status and energy consumption of HVAC systems, as well as hourly-resolution passenger flow data. The creation of the SEED dataset involves sensor deployment and detailed descriptions of HVAC systems, which are used for environmental control and data collection. The main application scenarios of the SEED dataset focus on optimizing the control strategies of HVAC systems by analyzing environmental characteristics and passenger flow, so as to achieve energy conservation and improve indoor environmental quality.

搜集汇总

数据集介绍

构建方式

在地铁站能源与环境优化研究领域，SEED数据集的构建依托于北京地铁线路的实际监测系统。该数据集通过部署温度、湿度及二氧化碳传感器，实时采集站内外的环境动态数据，并以分钟级分辨率记录暖通空调系统的运行状态与能耗信息。同时，结合票务系统提供的乘客流量数据，形成小时级精度的客流记录。数据采集覆盖2013年夏季多个站点，通过Profibus DP网络将传感器连接至中央服务器，确保数据的连续性与完整性，为后续分析提供了可靠的多源时序数据基础。

使用方法

SEED数据集适用于暖通空调系统的能效优化与智能控制研究。研究者可利用其高分辨率时序数据，进行能耗分解分析，识别制冷设备与通风系统的能量消耗模式。通过融合环境数据与客流信息，可以构建热负荷预测模型，评估不同控制策略在真实场景下的节能潜力。数据集还可用于验证机器学习算法在设备状态识别与异常检测中的应用效果，为地铁站等大型建筑的可持续能源管理提供数据驱动的解决方案。

背景与挑战

背景概述

在低碳可持续与环保生活的全球背景下，优化暖通空调系统运行以降低能耗已成为建筑能源管理领域的核心议题。SEED数据集由清华大学交叉信息研究院的王永才团队于2013年创建，旨在填补地铁站环境中公开、细粒度监测数据的空白。该数据集采集自北京地铁线路多个车站，以分钟级分辨率记录了温度、湿度、二氧化碳浓度等环境动态，以及暖通空调设备的工作状态与能耗数据，同时辅以小时级客流统计。其核心研究问题聚焦于通过数据驱动方法识别热环境特征与系统能耗模式，从而支持高效节能控制策略的设计与评估，对推动智能建筑与城市轨道交通的能源优化研究具有重要影响力。

当前挑战

SEED数据集致力于解决暖通空调系统优化中的关键挑战，即在维持室内热舒适与健康环境的前提下最小化能耗，这一领域问题涉及复杂的热交换动态与多变量耦合，传统基于仿真的方法常因模型构建成本高且保真度不足而受限。在数据集构建过程中，研究人员面临多重实际困难：一方面，地铁站环境与暖通空调系统内部状态的实时监测需部署大量传感器，涉及硬件集成与数据同步的技术复杂性；另一方面，客流数据获取需与运营系统对接，且为保护站点隐私需对地理位置信息进行匿名化处理，这些因素均增加了数据采集与公开的难度。

常用场景

经典使用场景

在建筑能源管理领域，SEED数据集为暖通空调系统的优化控制提供了关键的数据支撑。该数据集以分钟级分辨率记录了地铁站内的环境动态、HVAC系统运行状态及能耗，结合小时级客流数据，为研究者构建精细化的热环境模型与能耗分析框架奠定了坚实基础。通过整合温度、湿度、CO2浓度等多维参数，SEED使得基于数据驱动的HVAC控制策略设计成为可能，尤其在模拟真实运行场景、验证算法有效性方面展现出独特价值。

解决学术问题

SEED数据集有效解决了暖通空调优化研究中长期存在的公共数据缺失问题。传统方法依赖理论模型或仿真工具，难以准确捕捉复杂建筑环境中的动态热交换特征。该数据集通过提供真实、长期、细粒度的运行日志，支持研究者深入分析热负荷特征、冷却供应模式与客流关联性，从而推动数据挖掘与机器学习技术在能效优化中的应用。其公开性促进了跨学科合作，为HVAC系统的签名识别、控制策略设计与评估提供了可靠基准。

实际应用

SEED数据集的实际应用聚焦于地铁站等大型公共建筑的节能管理。基于该数据集的分析成果可直接指导HVAC系统的自适应控制，例如通过识别客流与CO2浓度的关联特征，实现按需通风；或依据室外温度变化动态调整制冷设备运行策略，在保障室内热舒适度的同时降低能耗。这些应用有助于地铁运营方制定精细化能源管理方案，实现可持续运营目标，并为智慧城市背景下的基础设施能效提升提供参考范例。

数据集最近研究

最新研究方向

在建筑能源管理领域，SEED数据集为地铁站暖通空调系统的优化控制提供了关键数据支持。该数据集整合了分钟级环境动态、设备运行状态与能耗数据，以及小时级客流量信息，推动了基于数据驱动的HVAC系统智能调控研究。前沿方向聚焦于利用机器学习方法解析热负荷特征与冷却供应模式，结合客流动态预测实现自适应节能策略。热点事件包括与欧洲SEAM4US项目的协同探索，以及跨学科能源分解技术的应用，显著提升了地铁站能效评估的精确性与控制策略的实用性，对城市轨道交通可持续发展具有深远影响。

相关研究论文

• SEED: Public Energy and Environment Dataset for Optimizing HVAC Operation in Subway Stations

  清华大学跨学科信息科学研究所 · 2013年