综述:面向以人为中心的热舒适的大型语言模型:概念、角色与系统集成的综述

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》:Large language models for human-centric thermal comfort: A review of concepts, roles, and system integration

【字体: 大 中 小 】 时间:2026年08月28日 来源:RENEWABLE & SUSTAINABLE ENERGY REVIEWS 18.0

编辑推荐:

   大型语言模型(LLMs)越来越多地被应用于以人为本的暖通舒适性系统,但它们相对于已有的非LLMs用户中心控制(OCC)的贡献仍不清楚。本综述将LLMs定位为补充性的认知和交互层,而非对现有的感知、舒适性建模、优化或控制方法的替代。采用PRISMA风格的流程,我们回顾了2020

  

大型语言模型(LLMs)越来越多地被应用于以人为本的暖通舒适性系统,但它们相对于已有的非LLMs用户中心控制(OCC)的贡献仍不清楚。本综述将LLMs定位为补充性的认知和交互层,而非对现有的感知、舒适性建模、优化或控制方法的替代。采用PRISMA风格的流程,我们回顾了2020年1月至2026年6月间发表的39项核心研究,并编码了它们的模型类型、任务、数据模态、应用场景、评估指标和部署条件。其中29项研究报告了至少一个定量结果。由于所研究的任务和终点存在异质性,证据通过任务分层综合进行整合而不进行meta分析,仅在可用分母存在时才进行探索性meta分析。对于选定的分类和交互任务,探索性单臂meta分析得出的汇总准确率为94.8%(95% CI:92.0%–96.6%;k = 2),而扩展敏感性分析得出的准确率为93.2%(95% CI:92.3%–94.0%;k = 3)。在暖通空调(HVAC)和控制应用中,报告的能耗或成本相关改进范围为1.2%至60.4%,而舒适性相关改进范围为0.825%至48.1%。然而,这些结果具有研究特异性,且经常来源于模拟、单站点部署或限制性案例研究。证据表明,LLMs最适用于自然语言反馈解释、对话偏好学习、异构上下文信息集成、解释和外部工具编排。相比之下,高频感知、数值热状态预测、物理约束验证、优化和低层控制仍更适合经过验证的舒适性模型、任务特定的AI方法和传统控制器。未来研究应优先关注稳定的、基于物理的、可边缘部署和经过纵向验证的架构。

1. 引言

建筑部门的全球能耗和排放仍维持在较高水平。极端气候事件的综合作用以及制冷和空调需求的增加对室内热环境管理提出了更强的能源约束和更高的健康风险[1,2]。大量入住后评估数据表明,热环境长期以来一直是工作场所不满的主要来源之一,且与自评生产力和工作经验显著相关[[3], [4], [5]]。在典型办公温度范围内,温度升高对复杂认知任务的负面影响已得到可重复的统计证据支持,而仅依赖统一设定值使得同时平衡能耗和性能变得困难[6]。同时,真实建筑中非均匀和动态热环境很常见,而局部热不适与整体热舒适之间的耦合关系尚未充分纳入工程控制实践[7]。因此,开发同时考虑能效、健康和用户体验的以人为本的舒适性系统不仅具有直接的工程价值,还创造了热舒适理论外推、数据驱动建模和控制科学的迫切需求。

过去十年间,热舒适研究逐渐从人群平均模型和静态指标转向以个体差异和行为适应为中心的人-建筑交互(HBI)视角[8,9]。随着这一转变,研究界已确定与HBI和OCC相关的关键科学问题和工程瓶颈,包括连续感知和低负担反馈、个体偏好的可迁移建模,以及舒适性、能耗和健康之间多目标权衡的可解释决策[3,4]。在数据层面,生态瞬时评估和可穿戴设备促进了高频和情境化主观反馈的收集,使个人舒适模型(PCMs)从短期实验转向长期现场数据驱动的发展[10]。相关综述总结了数据驱动个人热舒适预测的主流工作流程和评估实践,同时也指出稀疏训练数据、跨场景泛化和标签噪声仍是主要障碍[11]。为降低冷启动建模成本,研究人员提出了人群-个体折中策略,例如基于用户相似性的队列舒适模型,仅需少量历史反馈即可近似个体模型的性能[12]。同时,数字孪生和空间语义信息已被用于优化反馈采样并减少问卷疲劳,为以最少交互获取最大信息的以人为本控制奠定了基础[13]。在生理信号和多模态感知领域,近期工作进一步分析了感知、预处理和建模工作流程中的误差来源,强调了传感器漂移、佩戴偏差和时间不对齐对模型鲁棒性的长期影响[14]。

在以人为本的数据、个体模型和控制决策的连续体中,LLMs开始发挥新的系统级作用。首先,LLMs对非结构化文本和多源时间特征具有上下文理解能力,可以在小样本条件下支持建筑占用识别并与OCC模拟耦合,从而为数据稀缺但需要实时决策的场景提供新解决方案[15]。第二,室内环境的智能体信息学框架已开始整合本体论、工具链和自动化诊断策略,使用可解释智能体持续识别感知与体验之间的差异并生成改进建议。这指出了将LLMs或智能体与建筑知识图谱和建筑管理系统(BMS)工具深度集成的前景[16]。第三,在控制方面,一些研究探讨了使用LLMs解释和增强基于机器学习的控制,从而缓解由黑箱控制导致的信任差距[17]。其他工作使用LLMs辅助光伏驱动空调系统中基于规则的控制策略的参数优化,展示了其在复杂约束和多目标权衡下的交互决策潜力[18]。此外,LLMs已被用于识别和排序建筑改造中的挑战,揭示它们在识别类任务中表现良好,但在涉及隐性经验和权重排序的任务中仍难以取代专家判断[19]。对于工程工作流程自动化,基于LLMs的多智能体框架可以显著减少建模和校准时间,支持大规模能源改造和运营优化[20]。

尽管几篇综述论文研究了人工智能、数据驱动的PCMs、多模态感知、OCC和智能建筑运营,但这些综述并未专门解决这里提出的系统级问题:LLMs在以人为本的舒适性中能够发挥什么功能作用,以及它们的贡献与传统机器学习预测器或控制优化器有何不同。以往以AI为重点的舒适性综述主要综合了感知变量、模型架构、预测准确性和个性化控制工作流程[[11], [12], [13], [14]]。相比之下,本综述在技术范围上有意更窄,但在系统集成范围上更广。它关注LLM家族方法,包括基础LLMs、视觉语言模型(VLMs)、检索增强生成(RAG)、智能体LLM系统和图增强LLM工作流程,并评估这些模型如何作为语义接口、多模态上下文解释器、物理感知推理层、工具使用智能体和建筑级语义协调器发挥作用。因此,本综述的贡献不是另一篇基于AI的舒适性预测通用综述,而是对LLMs在舒适性系统中新兴的认知和整合角色,以及它们的评估边界、部署约束和可持续性风险的综合。

尽管这些研究迅速涌现,现有研究和评估仍揭示三个关键差距。首先,研究仍然分散。个人热舒适建模的综述主要关注感知和算法,而LLMs相关研究大多关注单任务验证[15,[17], [18], [19], [20]]。对于端到端以人为本的舒适性系统,架构、接口和能力边界仍缺乏统一讨论。第二,评估仍不足。舒适性和室内环境质量(IEQ)系统的验证仍缺乏可重复的跨建筑基准数据集和统一指标。尽管新的规模化用户满意度基准方法和纵向教室数据集开始出现[5,21],且标准化的开放问卷系统改进了主观IEQ数据的可比性[22],但对于涉及LLMs的决策、对话或智能体执行的评估协议仍无共识,如事实一致性、可解释性、稳定性和人机协作效率。第三,治理和可持续性挑战日益突出。在真实建筑部署中,隐私偏好差异和可从非视听数据推断敏感信息的风险已得到实证证明[23]。占用预测等关键任务也需要兼顾隐私友好性和性能鲁棒性[24]。同时,智能建筑的网络化运营扩大了攻击面;针对HVAC系统的网络攻击可能直接破坏能效和热舒适,需要联合设计网络安全和运营性能评估[25]。在LLMs层面,幻觉和不确定性校准直接影响控制建议的安全性和可问责性[26,27]。资源消耗和碳足迹也不应被忽视。生成式人工智能的全生命周期环境负担和推理能耗已成为系统设计中的必要约束[28,29],而高效的Transformer家族和推理加速为边缘侧和低碳部署提供了技术基础[30]。

在此背景下,本综述旨在阐明LLMs赋能的舒适性研究的范围、证据基础和系统贡献。如图1所示,综述围绕四个分析层次组织:功能角色、场景路径、关键挑战、未来研究方向以及综述的局限性。具体而言,它探讨:(i) 哪些LLM家族架构已被使用或提出用于舒适性和以人为本的IEQ应用;(ii) 这些模型如何与多模态感知、物理约束、语义图、工具使用和控制器交互;(iii) 它们在不同共享室内空间、大型公共空间、交通和舱室环境及个人舒适系统(PCS)中的适用性有何不同;以及(iv) 在LLMs赋能的舒适性系统能够超越概念验证之前,必须解决哪些评估和部署障碍。

下载:下载高分辨率图像(827KB)下载:下载全尺寸图像
图1. 基于LLMs的以人为本的舒适性系统的综述方法论框架。

本综述的其余部分组织如下。第2节描述文献检索策略和PRISMA过程的方法。第3节讨论LLMs重塑舒适性研究范式的关键路径。第4节分析不同环境约束和应用场景下的差异。第5节总结当前主要挑战。第6节提出未来研究方向,第7节总结综述的局限性,第8节对综述进行结论。

2. 方法论

文献综述采用PRISMA风格的报告程序进行,以使检索[31]、筛选和纳入过程透明且可重复。该程序遵循识别、筛选、资格评估和纳入的逻辑,并用于构建可审计的证据基础,用于将LLMs与舒适性联系起来的研究。由于该领域结合了综述文章、概念原型、建筑控制研究、感知模型和具有不同结局定义的LLMs应用,方法论也将文献计量描述、任务分层定量综合和探索性meta分析分离开来。

2.1. 文献检索

文献检索包括2020年1月至2026年6月间发表的经同行评审的期刊文章和正式会议论文。检索了四个数据库:Web of Science、Scopus、Springer Nature和IEEE Xplore。选择这些数据库是因为它们提供了工程、能源、建筑科学和计算机文献的广泛且可导出的覆盖,这对于处于LLMs、舒适性和智能建筑系统交叉点的综述是必要的。检索词组织成两个概念块。语言模型块包括与LLMs、生成式人工智能、多模态语言模型、RAG、对话智能体和智能体系统相关的术语。应用块包括热舒适、IEQ、HVAC舒适控制、用户偏好、舒适感知和建筑运营。额外检索使用布尔运算符("AND"和"OR")组合关键词以产生最相关的研究。

2.2. 选择标准

以下标准用于筛选和证据角色分类:(1) 记录涉及热舒适、IEQ反馈、用户舒适偏好、HVAC舒适控制或与舒适相关的建筑运营;(2) 核心证据直接将语言模型、多模态语言模型、RAG系统、智能体LLM系统或基于语言模型的语义模块与其中一个与舒适相关的目标联系起来;(3) 补充证据澄清了与解释相关的邻近边界,如建筑系统集成、数字孪生或知识图谱基础设施、工具使用,或告知计算机视觉(CV)到VLM路径的传统非LLMs感知方法;(4) 出版物是同行评审期刊文章或具有足够文献元数据的正式会议论文;(5) 方法、数据源或评估描述足够可重复以供编码;以及(6) 排除了重复、文档不足、非学术或与舒适无关的记录。

基于这六个标准,保留了39篇出版物进行分析。按照PRISMA声明的文献检索和筛选流程在图2中呈现。

下载:下载高分辨率图像(478KB)下载:下载全尺寸图像
图2.

文献筛选流程的流程图。图3展示了一项文献计量学年度趋势分析,用于描述检索结果及最终纳入的合格证据的时间增长情况。2020年至2026年间,去重后的筛查记录数分别为:2020年3条,2021年4条,2022年5条,2023年6条,2024年35条,2025年91条,2026年84条;而最终纳入的合格证据数分别为:2020至2023年为0,2024年为3条,2025年为22条,2026年为20条。

下载:下载高分辨率图像(361KB) 下载:下载全尺寸图像

图3. 去重后筛查记录与最终纳入合格证据的年度发表趋势。

**2.3 数据提取与文献编码**

每条保留的记录均被分配一个稳定的研究标识符,并在结构化审计工作簿中进行编码。提取的信息涵盖文献计量元数据、证据角色、模型类型、与大语言模型(LLM)相关的功能、检索增强生成(RAG)或智能体系统设计、多模态/视觉语言模型(VLM)状态、物理或工具使用组件、图谱或语义数据元素。定量准备度与主题相关性被分别编码。对于每项核心研究,我们记录了定量结果的可用性、基线数据、样本量信息、方差或不确定性估计,以及是否适用于SWiM(证据合成与汇总)综合或探索性Meta分析。该编码策略使得定量证据能够被透明地使用,而无需假设所有报告指标均可进行统计汇总。详细的文献编码数据库见补充材料1。

**2.4 定量证据综合与Meta分析策略**

定量证据工作流程概述于图4。第一条分支使用去重后的筛查记录和保留的合格研究来描述发表年度趋势。第二条分支使用核心证据集提取任务特定的数值结果,包括报告的准确率、F1分数、平均绝对误差(MAE)、均方根误差(RMSE)、PMV相关指标、PPD、舒适度均方根值、不舒适指数、节能率、成本节约和未满足度小时数。第三条分支筛选这些结果是否具备正式Meta分析的可行性,要求包括可比较的任务、共同终点、独立估计值以及可用的分母或方差信息。

下载:下载高分辨率图像(638KB) 下载:下载全尺寸图像

图4. 定量证据综合与Meta分析决策路径。

由于纳入的研究报告的任务、终点和基线存在异质性,大多数结果采用SWiM方法[32]进行综合,使用任务特定范围和基线归一化的效应方向。正式的同质性Meta分析不适用于整个证据库,更多详情见补充材料2。因此,探索性Meta分析仅限于具有精确或可重建分母的准确率报告研究。

**3. 大语言模型重塑热舒适研究范式的主要路径**

**3.1 基础大语言模型:从自然语言反馈到结构化热舒适认知**

**3.1.1 自然语言热反馈的语义解释**

既有的热舒适研究区分了基于模型的预测与观察到的主观反应。PMV/PPD从热平衡变量预测群体的平均热感觉和不满程度,而热感觉投票、热偏好、热可接受度和舒适投票是从建筑使用者处收集的主观反应[33,34]。这些构念相互关联,但不应被视为可互换的。因此,大语言模型的作用并非取代这些既有定义,而是将"略微寒冷""闷热"或"面部的气流让人感到不适"等非结构化表达映射为可被经验证的舒适模型处理的热感觉、偏好、可接受度、适应性行为或局部不适的结构化表示。此类描述通常包含关于物理条件和局部不适的关键信息,但传统问卷或数值模型难以直接捕捉。它们还可能引入认同偏差,即受访者无论实际体验如何都提供过度正面的反馈[35],从而在主观热感知与结构化热舒适建模之间形成长期存在的语义鸿沟。先前的研究通常通过人工编码、扩展问卷或简单自然语言处理方法来分析开放式反馈,但方法高度依赖人工参与,实施效率低,且跨建筑、季节和人群的泛化性较弱[36]。

基于大规模语料预训练,大语言模型具有理解上下文并对自然语言进行语义推理的能力[37],能够解析使用者对热感觉和舒适体验的自然语言表达[38]。如图5所示,大语言模型可以将自由格式的热反馈转化为可解释的语义单元,并进一步将其映射为可被热舒适模型或下游控制模块调用的中间表示。这为主观反馈进入热舒适分析和控制链提供了一条可行路径。因此,在热舒适系统中,大语言模型更适合作为语义解释器,将非结构化的主观表达组织为结构化或半结构化信息。在此基础上,大语言模型还使持续、高频的热舒适反馈机制成为可能。通过对话或语音界面,使用者可以实时表达其感受,而模型动态更新其舒适状态的语义表示。这一能力可以提高热舒适反馈的时效性和交互性。但需注意的是,大语言模型并不直接测量热感觉,其输出本质上基于语言和上下文进行概率推断。

下载:下载高分辨率图像(674KB) 下载:下载全尺寸图像

图5. 基于大语言模型的热反馈语义解释。

Sadick等人[39]在反馈分类层面提供了这一转化的具体示例。他们在14,622条人工标注的使用者反馈记录上微调了一个语言模型,在识别多领域室内环境质量反馈方面达到了93%的准确率。这一证据支持了以下特定论断:非结构化的使用者评论可以被重新组织为可解释的语义单元。表1进一步扩展了图5中所表示的转化步骤,说明了自由格式反馈如何被解析为舒适领域、热方向、感知强度、空间或身体相关上下文、可能原因条件、期望操作以及置信度或不确定性水平。

**表1. 从自由格式使用者反馈到可解释语义单元的转化示例。**

| 自由格式使用者反馈 | 可解释语义单元 | 下游用途 |
|---|---|---|
| "我在窗户附近觉得有点冷。" | 热方向:偏冷;强度:轻度;位置:窗边区域;可能原因:冷表面/下穿气流;置信度:0.87 | 请求传感器验证,并评估局部加热或减少气流 |
| "每次关窗都觉得闷热。" | 领域:通风/室内环境质量;条件:窗户关闭;症状:闷热;期望操作:增加通风;置信度:0.91 | 在建议操作前先检查CO?和通风状态 |
| "房间整体还可以,但我的腿很冷。" | 整体状态:可接受;局部不适:下肢/冷;偏好:局部加热;置信度:0.89 | 优先使用个人式或局部加热设备,而非整室加热 |

这些示例应被理解为中间信息结构,而非直接控制决策。例如,模型推断的"冷表面/下穿气流"原因应与窗边空气温度、平均辐射温度、气流或区域级传感器数据进行比对核查后,方可进行任何暖通空调调整。同样,增加通风或局部加热等建议响应需要经验证和控制层,考虑传感器一致性、物理约束、设备容量和使用者的确认。因此,大语言模型更适合作为语义解释器,将主观表达与热舒适模型及下游控制支持连接起来,而非取代常规热舒适模型或经验证的控制算法。

**3.1.2 个体偏好表征**

在现有的个性化热舒适研究中,主流方法仍依赖环境参数、生理参数和用户标注数据来构建数据驱动模型。然而,这些方法通常面临样本采集成本高、长期反馈稀缺和个体间迁移性差等问题。为应对这一挑战,Tekler等人提出的主动学习框架表明,个性化舒适模型(PCM)可以通过更高效的反馈收集和在线更新机制来降低标注负担并提高模型适应性[40]。群体水平模型难以充分表征个体在热感觉、偏好和行为反应上的差异[41]。在针对13栋办公楼的实地研究中,Kramer等人[42]发现热感知存在显著的个体间差异,个体平均热感觉与PMV之间的偏差范围从?1.5到+1.5。这表明群体平均模型几乎无法准确反映个体使用者的实际感知[43]。因此,个性化热舒适建模的核心不仅在于预测,还在于持续学习和偏好更新。

在此背景下,大语言模型为个性化热舒适建模提供了一种新的认知层工具。大语言模型的价值在于对个体偏好进行语义组织和持续更新。此类偏好通常难以压缩为单一数值,但非常适合通过多轮交互由语言模型进行归纳、记忆和更新。Liu等人[44]提出了一种基于轻量级大语言模型的对话式偏好学习框架,用于个性化热舒适控制,研究表明大语言模型可以超越反馈解释,通过对话交互推断个体化的热偏好轨迹并支持后续控制决策。该方法更接近真实建筑运行中的用户交互逻辑,更适合构建低认知负担且持续更新的个体偏好表示。

**3.1.3 可解释性与集成路径**

建筑环境控制正从传统的设备中心范式向以人为本的建筑交互中心范式转变,其中使用者与建筑系统之间交互的质量已成为影响环境控制绩效的重要因素[45]。在可解释性方面,大语言模型的优势在于其生成解释性文本的能力。基于控制决策过程,系统可以向使用者解释调整原因,例如在多使用者场景中为何采用折中策略[46]。Zhang等人[47]提出的框架将Shapley值与大语言模型相结合,将机器学习控制结果转化为更易于理解的叙述性解释,从而提高用户和工程师对建筑控制策略的理解和信任。透明的解释有助于增强热舒适评估和控制系统的可信度[48]。

如图6所示,基于大语言模型的热舒适控制应通过一种置信度感知验证与拒绝管道运行,而非将使用者反馈直接转化为暖通空调指令。自然语言表达首先由大语言模型解析并转化为结构化候选输出,包括热感觉、偏好方向、调整幅度、目标设备和相关上下文信息。这些候选输出随后通过一个验证关卡,该关卡结合语义置信度、重复生成一致性、上下文一致性和传感器一致性,以及领域级不确定性估计和显式约束检查。后者验证输出模式、逻辑一致性、物理可行性、设备限制和安全要求。随后,总置信度分数和不确定性估计被自适应风险感知决策层用于选择三种操作之一:接受——当置信度高且建议操作风险低时;澄清——当不确定性适中且需要额外使用者输入时;拒绝——当置信度低或违反安全约束时。仅被接受的输出被转化为暖通空调设定值。需澄清的案例通过聚焦的后续问题返回给使用者,而被拒绝的案例则交由经验证的规则式、模型预测控制(MPC)或监督式后备控制器处理。图6中所示的数值分数为示意性说明,展示多种证据来源如何被聚合,不应被理解为通用阈值。该架构将大语言模型定位为语义解释和偏好学习层,同时在控制执行前保留了物理验证、用户确认和安全后备机制。

下载:下载高分辨率图像(1MB) 下载:下载全尺寸图像

图6. 基于大语言模型的热舒适控制中的置信度感知验证与拒绝机制。

借助大语言模型支持,自然语言可被组织为与环境状态、设备能力和控制目标兼容的结构化信息。这意味着热舒适系统首次可以建立一个连接主观表达、客观监测和控制执行的中间认知层。对于后续涉及的视觉语言模型(VLM)、物理信息融合大语言模型、智能体式大语言模型和图谱增强大语言模型等扩展,该接口层也构成了最基础的系统入口。

**3.2 智能体式大语言模型:面向控制执行的开放式任务流架构**

热舒适控制非常适合智能体化,因为它从来不是单步问答问题,而是一个涉及多源信息读取、规则调用、工具触发和执行反馈的连续任务流。一个完整的热舒适系统通常需要同步处理传感器数据、占用信息、天气、电价、舒适偏好、建筑语义和设备状态,才能生成控制建议并发送至智能家居平台。大语言模型智能体系统通常由规划、记忆、工具使用和反馈模块组成,适用于涉及多步骤和多工具的复杂任务[49]。Lee等人[50]将建筑环境中的智能体应用分为五类:建筑信息模型(BIM)、建筑性能模拟、楼宇管理系统(BMS)、数字孪生和城市尺度。他们明确指出,智能体的功能角色正从数据解释向知识生成和决策支持扩展。

因此,将热舒适度控制理解为智能体协调的任务链而非单一模型预测问题,已经具有明确的理论基础和应用依据。图7展示了基于智能体的大语言模型的两个代表性实施层级,而表2则将比较扩展到了更广泛的定量证据基础。在监控和决策支持层面,ThermalComfortBot通过智能体RAG工作流整合了建筑信息模型、传感器测量、外部文档和历史信息,为建筑分析师提供文本和图形输出。其准确率达到94%,精确度为92%,召回率为89%,而标准RAG的准确率仅为82%[51]。然而,该系统仍然专注于信息检索、环境监测和决策支持,而非直接的暖通空调执行。在更高的控制权限层面,Office-in-the-Loop结合了实时环境数据、用户反馈、用户位置和历史上工作状态,为真实办公室中的七个暖通空调区域生成温度设定值。现场研究报告显示,能耗最多可降低47.92%,舒适度均方根指标降低26.36%[52]。由于生成的设定值是人工实施的,该系统更恰当地被归类为监督性现场控制,而非完全自主的执行器级控制。

下载:下载高清图片 (1MB) 下载:下载全尺寸图片
图7. 基于智能体的大语言模型在热舒适度监控和暖通空调监督控制中的代表性实际应用 (a)用于热舒适度监控和决策支持的智能体RAG (b)用于暖通空调设定值生成和现场评估的Office-in-the-Loop 作者根据Arslan等人[51]和Sawada等人[52]重绘

表2. 智能体/RAG系统及其任务特定的定量证据。
作者 | 架构 | 定量证据 | 部署 | 边界
Arslan等人[51] | 智能体RAG ThermalComfortBot | 94%准确率、92%精确度、89%召回率,对比标准RAG的82% | 真实办公室数据原型 | 问答分母不明确;无池化
Sawada等人[52] | 人在环智能体AI | 47.92%能耗降低;26.36%舒适度均方根降低 | 真实办公室现场部署 | 单一现场系统,无变异
Liu等人[53] | 多智能体大语言模型控制框架 | 相比规则基控制,成本降低20.8%,不适感降低33.7% | EnergyPlus模拟 | 模拟证据
Liu等人[54] | 协同LLM RAG冷水机优化 | 相比规则基控制,平均能耗降低1.2%,舒适度指标改善0.825% | 医院暖通空调数据/基准 | 效果较小;无变异
Qi等人[55] | 多模态大语言模型意图推断+模型预测控制 | 相比基线MPC,能耗降低60.4%,未满足度小时降低48.1% | 住宅案例研究原型 | 单用户/案例研究视频

表2的更广泛比较表明,基于智能体的大语言模型应用已从对话和检索导向的系统发展到工具编排、监督优化和近闭环控制,尽管证据的成熟度仍不均衡。在EnergyPlus中评估的多智能体大语言模型框架将运行成本降低了20.8%,将热不适感降低了33.7%(相比规则基控制)[53]。一个协同LLM RAG冷水机优化系统报告了较小的平均改善:能耗降低1.2%,舒适度指标改善0.825%[54],而一个与模型预测控制集成的多模态用户意图推断框架报告了能耗降低60.4%和未满足度小时降低48.1%[55]。这些研究表明,当基于智能体的大语言模型协调感知、偏好推断、规则选择、模拟、优化或模型预测控制模块时,而不是作为独立控制器运行时,它们的效能最高。

基于智能体的大语言模型最重要的特性是开放集成。未来的热舒适度智能体不应绑定于单一供应商系统,而应通过标准化工具调用、功能接口和结构化输出快速连接到Home Assistant、OpenHAB、建筑楼宇管理系统或数字孪生平台。Yoon等人[56]提出的本体启用的AI智能体驱动的智能数字孪生框架已在建筑运维中展示了这一理念:AI智能体嵌入在本体驱动的数字孪生环境中,数字孪生管理员配置数据、信息和应用,数字孪生用户通过智能体访问建筑运维服务。对于热舒适度系统而言,这意味着智能体可以同时充当任务分解器、工具调用器、多约束协调器和结果解释器,从而将自然语言请求转化为涉及传感器读取、场景规则查询、舒适度模型评估、控制命令生成和执行反馈的完整链条。

3.3. 物理信息大语言模型用于热舒适度:当前证据与实施方法

大语言模型擅长自然语言理解和结构化表达,但热舒适度控制显然不是纯粹的语言问题。它从根本上受到热平衡、热传递机制和人体生理反应等物理定律的约束。如果大语言模型的决策生成脱离物理约束,就容易导致语义连贯但在工程上机械无效的幻觉。Ma等人[57]认为,物理信息机器学习的核心价值在于将物理原理明确嵌入数据驱动模型中,从而提高建筑能耗建模的鲁棒性和可解释性。Jiang等人[58]也强调了物理约束在减少数据需求和提高可解释性方面的重要性。如果未来的语言模型要真正进入热舒适度控制链条,它们不仅要理解语言,还必须明确将热生理和物理边界纳入推理过程。

现有研究已开始将语言模型与热舒适度数据和领域工具连接起来,尽管这些系统尚未构成严格的物理信息大语言模型。Xu等人[59]整合了物联网、建筑信息模型、云计算和基于GPT的推荐系统,用于健康、能源和热舒适度应用。Wang等人[60]将微调的小型语言模型和大语言模型与实时生理测量相结合,用于个性化个人调节。这些研究展示了部分物理或生理基础,但相关约束仍然位于语言模型外部。

物理信息热舒适度系统应建立在三个既定层级之上。第一层包括舒适度和标准模型,如预测平均投票/预测不满意百分率、适应性舒适模型和可接受条件边界[61][62][63]。第二层包括体温调节和感觉模型,如Fiala模型、65节点模型、JOS-3模型以及Zhang等人开发的局部[64][65][66][67]和全身舒适模型,这些模型将环境暴露与生理和感知反应联系起来[68][69][70]。第三层包括建筑和设备约束,如围护结构动态、暖通空调容量、送风限制和能源边界。在这个层级体系中,大语言模型应该通过提取上下文信息、准备输入、选择工具和解释结果来连接而非取代已验证的模型。当前的实施方法包括:(1)在使用大语言模型进行解释之前使用物理模型计算状态;(2)通过提示、架构和规则层约束大语言模型输出;(3)允许大语言模型调用外部工具,如EnergyPlus、热生理模型或数字孪生。例如,Zhang等人[71]将大语言模型与EnergyPlus集成,用于输入生成、输出解释、错误分析和协作建模,展示了基于物理的工具如何为大语言模型辅助系统提供外部计算和验证层。

图8将物理集成呈现为成熟度梯度。最大集中并不在严格的物理信息层级,而是在中间层级:3项研究在提示或架构中使用物理规则,5项使用大语言模型解释物理或数字孪生输出,4项使用大语言模型调用外部物理或控制工具,3项评估了闭环或近闭环实施。严格的物理信息大语言模型层级的零计数是关键视觉信息。这表明当前系统主要将预测平均投票/预测不满意百分率计算、模拟、模型预测控制和设备约束保持在语言模型外部,而将大语言模型用于解释、翻译、工具选择或编排。因此,未来研究应重点关注如何将热生理和建筑物理约束更深层次地嵌入大语言模型推理中,并在真实热舒适度控制条件下进行验证。

下载:下载高清图片 (275KB) 下载:下载全尺寸图片
图8. 物理和工具增强的热舒适度大语言模型的成熟度层级。

3.4. 图增强大语言模型:从房间级到建筑级的语义控制

建筑规模的热舒适度控制不仅仅需要识别单个房间是否过热或过冷。系统还必须表示空间、传感器、末端设备、空气处理系统和共享设备之间的关系,并确定局部调整如何影响相邻区域。基于图的语义模型通过将分布在建筑信息模型、建筑自动化系统、数字孪生和元数据中的信息组织成机器可读的关系来满足这一需求。Li等人[72]提出了一种工作流,通过IFC检查和修复、语义建模和数据映射从不完整的建筑信息模型生成Brick模型,而Lee等人[73]开发了VB架构以在数字孪生中表示建筑物的运行行为。

现有研究表明,这样的语义图可以支持可移植建筑应用和监督控制。Brick在通用元数据结构中表示设备、传感器、空间及其关系。Balaji等人将Brick应用于包含约17,700个数据点的六栋建筑,并证明八个未修改的能效应用可以在映射的建筑实例之间运行[74]。Pereira等人使用Brick和SHACL约束在四个虚拟建筑和一个真实建筑中部署需求灵活性策略[75]。后续框架将基于Brick和SAREF的表示与建筑信息模型、建筑自动化系统元数据和真实建筑控制平台联系起来,减少了特定建筑的配置和部署工作量[76]。在这些系统中,图并不取代控制器;相反,它使应用能够识别相关控制点、理解设备依赖关系、检索跨区域信息,并在建筑之间转移监督策略。

近期工作将此语义基础设施扩展到了基于大语言模型的交互。Li等人[77]结合领域微调、运维知识库、检索增强生成和知识图谱检索来支持建筑信息查询。Li等人[78]进一步提出了向量-图检索增强生成框架,允许通过自然语言访问复杂的语义建筑数据。相关的图检索增强生成研究也表明,基于图的检索可以提高领域问答的准确性、一致性和可解释性[79]。对于热舒适度应用,图增强大语言模型的近期价值主要体现在结构化查询、区域关系解释、舒适度故障定位和监督策略支持[80]。它们在直接建筑级控制中的作用仍然受到Brick模型、建筑信息模型数据、运维知识库和数字孪生元数据完整性和质量的限制。

3.5. 基于视觉的热舒适度评估:从计算机视觉到视觉-语言模型

在基于视觉的热舒适度研究中,需要明确区分传统计算机视觉和视觉-语言模型。传统计算机视觉模型将图像或视频映射到预定义输出,如用户检测、身体关键点、服装类别、活动类别或数值估计。视觉-语言模型则将视觉和语言表示对齐,并支持语言条件解释和多模态推理。代表性架构包括CLIP、Flamingo和LLaVA。

因此,Wei等人[81]、Yun等人[82]和Sun等人[83]的研究应归类为传统或深度计算机视觉,而非严格的视觉-语言模型应用。这些研究使用视觉信息来估计服装隔热值、代谢率、活动或姿势。因此,他们的主要贡献是提取难以连续测量的动态热舒适度输入。然而,他们的输出仍然是预定义的类别或数值参数,不涉及联合视觉-语言推理。

计算机视觉和视觉-语言模型方法的价值应在既定的热舒适度建模框架内理解。服装隔热值和代谢率是Fanger热平衡模型所需的输入,而姿势、身体区域信息和局部环境暴露可以为体温调节和局部舒适度模型提供边界条件[33,64,67,68]。因此,视觉模型应该支持而非取代预测平均投票/预测不满意百分率、Fiala、JOS-3或局部热舒适度模型。实用的分层架构将使用计算机视觉进行可靠的低级检测,使用视觉-语言模型整合视觉观察与用户语言和上下文信息,并使用已验证的物理或热生理模型进行定量验证。

在热舒适度中严格的视觉-语言模型应用仍然有限。Zhang等人[84]使用ChatGPT-4o从城市街景图像评估户外热舒适度,并将结果与专家评分进行比较,展示了语言条件视觉评估的可行性。然而,这一证据仍然是初步的。进一步进展需要同步数据集,将图像或视频与环境测量、服装隔热值、代谢率、生理反应、主观投票和自然语言反馈联系起来。其他挑战包括时间解释、定量准确性、缺乏视觉支持的输出、隐私、推理成本、延迟和边缘部署。因此,视觉-语言模型应被视为新兴的上下文推理层,而非计算机视觉或热舒适度模型的既定替代品。

如表3所示,基础大语言模型主要作为解释用户自然语言反馈的语义界面。然而,由于缺乏物理约束,它们在直接参与控制决策方面存在明显局限。视觉-语言模型通过引入服装、姿势和环境上下文等视觉信息扩展了系统在感知层的能力,但它们与控制约束的耦合仍然薄弱。相比之下,物理信息大语言模型嵌入了物理和热生理知识,从而部分弥合了语义理解与工程约束之间的差距,尽管它们的实施复杂性很高,且标准化框架仍然缺乏。基于智能体的大语言模型进一步将语言模型扩展到任务编排和多工具调用,为实现自动化控制工作流提供了潜力,但它们也带来了安全和可靠性挑战。

基于语义建模构建的图增强LLMs提供了跨空间和跨设备的推理能力,使得建筑级控制成为可能,但其性能在很大程度上取决于语义模型和知识图谱的完整性和质量。

**表3. LLM范式在热舒适研究中的比较分析,包括功能角色、优势、局限性和代表性研究。**

| 类别 | 核心功能 | 优势 | 局限性 | 代表性研究 |
|------|----------|------|--------|-----------|
| 基础LLM | 热反馈的自然语言理解和语义解析 | 能够解读非结构化的住户反馈;集成门槛低 | 缺乏物理约束;容易产生幻觉;在控制任务中可靠性有限 | [39,44] |
| VLMs | 多模态感知和上下文解释 | 能够捕捉视觉线索(着装、姿势、环境);增强上下文感知 | 计算成本高;部署可行性有限;与控制之间存在间接联系 | [81], [82], [83] |
| 物理信息LLM | 在物理和生理约束下的推理 | 提高了与热舒适模型的一致性;增强了可解释性 | 集成复杂;缺乏标准化框架;实际验证有限 | [57,58] |
| 基于智能体的LLM | 任务编排和多步决策 | 能够实现自主控制工作流;集成工具和系统 | 存在安全风险;误差累积;需要健壮的工具调用机制 | [49,50] |
| 图增强LLM | 空间推理和建筑级语义理解 | 支持跨区域推理;能够实现建筑规模的逻辑控制 | 依赖高质量的语义图;集成复杂 | [77,78] |

### 3.6. 定量证据综合与探索性荟萃分析可行性

图9考察了所识别的任务路径是否包含可比较的定量指标。基于准确率或F1的指标主要在热舒适预测、间接控制支持预测和住户反馈解读中报告,这些任务更接近分类、检索或语义解读。相比之下,暖通空调/控制研究报告了更加异质性的结果,包括节能或成本节约、舒适度结果和基线比较。由于每个任务-指标组合内可比较的研究数量有限,且没有任何路径形成可汇集的子组,因此证据更适合用于任务分层叙事综合或探索性证据映射,而非正式的荟萃分析。

![图9. 用于定量综合的任务-指标证据矩阵](图片描述:图9. 用于定量综合的任务-指标证据矩阵。)

#### 3.6.1. 任务分层定量综合

表4显示了面向感知的任务和面向控制的任务之间的明显差异。对于热舒适预测和住户反馈解读,报告值主要集中在分类型指标。热舒适预测研究报告了高达95%的准确率和0.99的F1分数,而住户反馈解读研究报告了93-94.5%的分类性能。这表明当任务涉及识别热状态、分类舒适度相关信息或从住户表达中提取语义意义时,LLM相关模型表现最为一致。

**表4. SWiM任务分层定量综合。**

| 任务组 | 研究数量 | 指标族 | 报告值范围 | 基线归一化方向 |
|--------|---------|--------|-----------|--------------|
| A. 热舒适预测 | 4 | 准确率/F1/分类 | 准确率:高达95%;F1分数:0.99 | 单次报告改善:6% |
| A. 热舒适预测(间接控制支持) | 1 | 准确率/F1/分类 | 准确率:91.2% | 单次报告改善:13.9% |
| B. 住户反馈解读 | 3 | 准确率/F1/分类 | 准确率/分类性能:93-94.5% | 基线归一化改善:2-12% |
| C. 个性化舒适偏好学习 | 1 | 回归误差 | 回归误差:0.122 | 无可比较的基线归一化值 |
| D. 暖通空调/控制应用 | 5 | 舒适/热结果;能源/成本 | 舒适/热:PPD降低15.2%;舒适RMS 0.869;不适指数0.061;不满足度时数(UDH)20.02 C·h。能源/成本:4.15和42.92 kWh;22.5元/天。 | 能源/成本改善:1.2-60.4%;舒适相关改善:0.825-48.1% |

面向控制的研究显示出更广泛但更具应用相关性的模式。暖通空调/控制应用报告了舒适和运营结果双方面的改善,包括PPD降低、舒适RMS降低、不适指数降低、不满足度时数降低、节能和成本节约。能源/成本改善范围为1.2%至60.4%,而舒适相关改善范围为0.825%至48.1%。这表明LLM赋能的控制系统正在从感知和交互向实际的建筑运营效益迈进,尽管改善幅度在很大程度上取决于控制场景、基线策略和部署环境。

总体而言,定量证据显示了一个两阶段的发展模式。LLMs目前在语义解读和预测任务中表现出更稳定的性能,因为这些任务的输出是离散的且更容易评估。相比之下,暖通空调/控制应用提供了更强的实际影响证据,但由于涉及舒适度与能耗的耦合权衡,其结果更加多样化。这种模式支持这样的观点,即LLMs首先作为解读和决策支持层趋于成熟,而其在闭环或近闭环控制中的作用正通过与基于规则的控制器的集成、模型预测控制(MPC)、仿真平台和建筑运营数据不断涌现。

图10可视化了从报告基线或比较器的研究中提取的效果方向结果。在面向控制的研究中观察到了最大的改善幅度[18,52,53,55]。[55]报告了最强的节能信号,改善幅度达60.4%,同时不满足度时数降低了48.1%[52]。[53]还显示了基于现场的显著改善,包括47.92%的节能和26.36%的舒适RMS降低[18]。[52]和[53]分别报告了PPD降低和不适降低的改善,进一步表明当LLM赋能的控制框架与基于规则的控制、MPC、仿真或建筑运营数据结合使用时,可能产生可衡量的舒适和能源效益。

![图10. 基于SWiM的非汇集定量结果效果方向综合](图片描述:图10. 基于SWiM的非汇集定量结果效果方向综合。)

相比之下,分类和解读任务显示了较小但更一致的改善,包括占用率准确率13.9%、问答/监控准确率12%以及分类准确率2-6%。这表明预测和解读任务相对成熟且稳定,而最大的改善幅度出现在面向控制的应用中。然而,这些较大的数值应结合其特定的基线和部署环境来解释,而非作为可直接比较的汇集效应。

#### 3.6.2. 探索性单臂准确率敏感性分析

图11呈现了具有可提取准确率型结果的研究的探索性单臂准确率敏感性分析。各估计值始终很高,范围为93.0%至95.0%。[85]报告了95.0%的函数调用或交互准确率,[86]报告了94.0%的热图像分类准确率,[39]报告了93.0%的室内环境质量反馈文本分类准确率。精确分母主集(包括[85]和[86])得出的探索性汇集准确率为94.8%(95% CI:92.0-96.6%)。当加入[39]时,扩展敏感性集的估计值保持在相似水平,为93.2%(95% CI:92.3-94.0%)。

![图11. 探索性单臂准确率敏感性分析](图片描述:图11. 探索性单臂准确率敏感性分析。)

这种一致性表明,LLM相关模型可以在选定的分类或交互任务中实现较高的报告准确率。然而,纳入的任务并不相同:它们涉及函数调用或交互准确率、热图像分类以及基于文本的室内环境质量反馈分类。因此,该结果应解释为跨任务的敏感性信号,而非LLM赋能热舒适系统的总体性能估计。

### 4. LLM赋能热舒适在不同环境约束下的应用路径

热舒适系统的应用场景不应简单地按建筑类型分类,而应从环境约束差异的角度进行分析。住户参与模式、控制权限和交互偏好本身是热舒适系统设计的重要组成部分,个性化热舒适模型的研究也表明不同环境下的舒适建模和控制路径存在差异[87,88]。图12总结了LLMs在不同环境约束下的主要应用路径。该图表明,LLMs的系统角色具有强烈的场景依赖性。不同的应用场景在住户结构、环境动态性和控制目标方面差异很大;相应地,LLMs在热舒适研究中的角色也表现出明显的特征差异。

![图12. LLM赋能热舒适的应用路径](图片描述:图12. LLM赋能热舒适的应用路径。)

#### 4.1. 共享室内空间

办公室、教室和会议室是最典型的共享室内热舒适场景。这些环境通常具有相对稳定的活动模式、充足的建筑侧计算资源以及丰富的可控设备,如温度设定点、送风模式、新风量和局部风速。然而,其核心挑战在于多住户共享条件下的偏好冲突。在此类环境中,LLMs更适合作为语义接口和群组协调层。

Sawada等人提出的"办公室在环"(Office-in-the-Loop)将智能体AI引入真实办公环境中的暖通空调控制,其明确的研究目标是在减少暖通空调能耗的同时维持舒适的室内环境[89]。此外,关于大学教室的研究表明,结合计算机视觉和强化学习的以用户为中心的方法可以改善共享教学空间的热舒适和能源性能[90]。虽然共享室内空间具有很高的设备灵活性和充足的计算资源,但其核心矛盾在于多住户偏好冲突和系统可接受性。因此,在此类场景中,LLMs开发最有前景的方向是基于自然语言的人机协同控制接口和群组反馈的策略协调层。

#### 4.2. 大型公共空间

与办公室或教室相比,购物中心中庭和机场大厅等大型公共空间的核心差异在于其规模大、多分区、非均匀性强、反馈稀疏以及运营成本高。住户分布及其变化显著影响大型公共空间的热环境和暖通空调运行[91],而玻璃屋顶、垂直温度分层和复杂的 airflow 组织显著影响舒适度与能耗之间的平衡[92]。这意味着大型公共空间的关键问题是如何在多个热分区、复杂气流模式和有限反馈的条件下进行分区级管理。

为了更好地理解公共空间中的热舒适需求,一些研究利用大规模环境监测数据[93]和住户行为数据建立了热舒适预测模型[94]。在此类环境中,应将LLMs理解为稀疏主观信息与复杂空间语义之间的高层认知补偿器。Hanqing Yang等人[95]提出了一种使用LLMs构建室内人群数字孪生的新方法,以解决公共空间中实时收集用户热舒适反馈的困难。人在环数字孪生方法为具有大空间、稀疏反馈和群体行为主导特征的环境提供了清晰的方法转移路径。在此场景中,LLMs更适合作为连接热分区识别、住户行为建模和高级控制策略的解释和推理层。

#### 4.3. 交通和座舱环境

与建筑环境相比,交通和座舱环境表现出更强的动态复杂性。在车辆和列车座舱中,空间封闭且乘员数量有限,但个体差异明显。座舱热环境容易受到车辆运行状态、太阳辐射[96]和外部气候条件变化[97]的影响,这限制了传统稳态热舒适模型在此类环境中的适用性[98,99]。

为解决这一问题,现有研究主要采用实验评估、热感觉建模和数据驱动预测来识别不同住户的舒适需求,并提高座舱暖通空调系统的响应性[100]。然而,在实际应用中,住户的热舒适需求高度依赖上下文且具有主观性。仅依赖生理模型难以反映住户的实际需求。Zhang等人[101]提出了一种车辆座舱温度和乘客热感觉的在线预测方法,其中座舱温度由混合物理-数据模型预测,而乘客舒适度则通过人机交互技术估计。这表明座舱热舒适管理本身需要模型预测与用户交互之间的联动。LLMs最自然的切入点不是替代热舒适预测模型,而是作为高层语义接口和决策支持层,负责理解住户反馈、压缩多住户偏好冲突并将其转化为少数可执行的控制目标[102]。特别是在续航里程敏感的电动汽车场景中,模型推理本身的延迟、算力和能耗成本也必须加以考虑。因此,座舱环境更适合将小型或边缘模型与轻量级预测器或基于规则的控制相结合[103]。

#### 4.4. 个人舒适系统和可穿戴微环境

个人舒适系统(PCS)和可穿戴微环境通过桌面风扇、个性化空气终端、加热垫、智能椅和可穿戴热设备等提供局部加热、冷却或通风。由于这些系统运行在个体层面,其有效性强烈依赖于传感可靠性、推理延迟、模型规模和部署成本。现有的PCS证据为评估AI和LLM赋能个性化的增量价值提供了定量基准。此前的综述表明,局部调节可以改善热感觉、舒适度和可接受性[104,105]。一项涵盖64项研究的荟萃分析报告,热感觉和整体舒适度平均改善约一个等级单位,同时舒适温度阈值平均偏移2.2°C[106]。

AI和LLM赋能的PCS应被理解为已建立的个性化舒适建模的延伸,而非独立的热舒适理论。个性化舒适模型(PCM)使用个体的环境、行为、生理和反馈数据来克服PMV和适应性模型的人群平均局限[107]。一项涵盖37项研究的系统综述发现,个体层面模型能够更好地表征个人热需求,尽管其泛化能力仍然依赖于参与者、气候、建筑环境和输入变量[108]。传统AI已经展示了数据高效的个性化能力。Tekler等人利用58名参与者在10个工作日内16种热条件下收集的2727条响应数据,通过主动学习将热舒适预测的用户标注需求减少了46%,将气流偏好预测的用户标注需求减少了35%[40]。

随后的主动迁移学习框架所需的目标域训练数据不足10%,而迁移学习和主动学习分别将基线CNN-LSTM模型的准确率提高了最高3.4%和11.3% [109]。大语言模型(LLMs)主要通过对话式偏好提取、纵向反馈的语义组织和多模态上下文集成来扩展这些方法。如图13所示,Liu等人收集了411条有效对话轨迹,其中融合了顺序空调设定点、实测局部温度和自由文本反馈。他们基于LoRA微调的Gemma-2-2B模型在个人舒适温度预测测试中达到了0.1220°C的平均绝对误差(MAE),与仅使用温度的回归模型相比误差降低了约76%,与零样本基线LLM相比误差降低了84% [110]。Wang等人使用约10万条多模态人体实验记录,比较了神经网络、微调的小型语言模型(SLMs)和微调的大语言模型(LLMs)[111]。微调的语言模型F1得分高达0.99,而预训练模型表现较差。在心率变异性输入条件下,神经网络、SLM和LLM报告的准确率分别为0.73、0.93和0.96。在高维多模态输入条件下,对应准确率分别为0.91、0.99和0.99。这些结果表明,领域特定适应和具有信息量的生理特征可能比单纯的模型规模更为重要。

下载:下载高清图片(691KB)下载:下载全尺寸图片

图13. 基于LLM的个人舒适系统代表性实现路径:(a) 对话式偏好学习;(b) 生理感知个人空调。由作者根据Liu等人[110]和Wang等人[111]重绘。

总体而言,图13中的第一条路径改进了对话式偏好学习,而第二条路径强化了生理热状态识别。然而,现有证据主要展示的是反馈效率、偏好获取、预测和交互方面的提升。受控研究尚未证实基于LLM的个人舒适系统(PCSs)在实际舒适度、可接受温度范围或节能方面比传统PCS或基于AI的控制器带来更大改进。因此,LLM近期最可靠的定位是作为补充性的交互与协调层,用于解释自然语言偏好、整合上下文与生理信息,并调用经过验证的PCM和设备控制器。持久偏好记忆、自主设备控制和额外的节能效益仍需长期现场验证。

如表5所示,LLM在热舒适系统中的功能角色具有强烈的场景依赖性,无法简单地跨应用场景推广。在共享室内空间(如办公室和教室)中,LLM主要作为多用户反馈的语义协调层,帮助协调个人偏好差异。在大型公共空间(如中庭和大厅)中,其价值更多地体现在稀疏反馈条件下的高层认知补偿和上下文推理。在车辆和座舱环境中,由于延迟和能耗约束更为严格,LLM更适合作为轻量级决策支持工具,而非直接参与底层控制执行。相比之下,在PCS和可穿戴微环境中,LLM作为长期偏好学习机制和个性化认知智能体展现出更大潜力。这些差异表明,未来的基于LLM的热舒适系统不应追求统一架构,而应根据不同场景的用户结构、数据条件和控制约束进行差异化设计。

**表5. 不同环境约束下LLM使能热舒适应用的特征**

| 场景 | 环境约束 | 数据可用性 | 主要优势 | 主要局限 | 代表性研究 |
|------|---------|-----------|---------|---------|-----------|
| 共享室内空间(办公室、教室) | 多用户偏好冲突;环境相对稳定 | 中等–高 | 结构化多用户反馈,支持透明的人机协同协调 | 缺乏偏好聚合、公平规则和外部控制逻辑时,无法确保公平或最优的冲突解决 | [51], [87], [88], [89], [90] |
| 大型公共空间(中庭、大厅) | 大规模、非均匀环境;反馈稀疏 | 低–中等 | 在稀疏反馈下推断舒适需求;支持分区级策略 | 强烈依赖空间语义和数字孪生模型 | [91], [92], [93], [94], [95] |
| 车辆座舱 | 动态热环境;能耗约束;空间紧凑 | 中等 | 将主观反馈转化为控制目标;支持多乘客调节 | 受延迟、能耗和边缘部署限制约束 | [98], [112], [100], [102], [103], [113] |
| PCS、可穿戴设备 | 单用户、本地控制;边缘部署需求 | 高 | 实现持续偏好适应;支持个性化舒适 | 泛化能力有限;受模型大小和设备端计算能力制约 | [114], [115], [116], [117], [118], [119] |

**5. 关键挑战**

**5.1. 可靠性与安全**

近期关于LLM幻觉和安全机制的综述已明确指出,语言模型在缺乏充分事实依据或外部约束时,容易生成流畅但事实错误、逻辑偏移或不可验证的输出 [120]。对于通用文本问答系统,此类问题主要表现为信息失真。然而在热舒适系统中,这种不确定性可能进一步影响控制目标的生成和设备执行。热舒适调节涉及设备运行边界、空间耦合关系以及舒适-能耗权衡。如果模型在信息不完整或约束不明确的情况下生成看似合理但工程上不可行的建议,可能导致控制目标偏离,甚至引发运行风险 [121]。

在智能体(agent)场景中,安全问题更为严重。近期关于智能体与工具学习的综述表明,一旦LLM获得工具调用能力,将面临新的风险维度,包括API滥用、工具选择错误、权限提升、通过外部服务泄露信息以及多步骤任务链中的错误累积 [122], [123], [124]。这对热舒适系统尤为敏感,因为智能体场景通常需要向模型暴露楼宇管理系统(BMS)、Home Assistant、天气服务、建筑数据库甚至第三方平台的接口。因此,问题已从通用模型可靠性升级为系统安全性。相应地,LLM在热舒适系统中的首要挑战不是功能扩展,而是可靠性与安全的工程约束。未来的LLM研究不应仅关注自然语言交互是否更便捷或控制策略是否更灵活,还必须将输出一致性、执行前验证、角色边界和智能体安全机制视为同等重要的问题。

**5.2. 可部署性与成本约束**

尽管LLM在建筑应用中已展现出强大的语义理解和知识集成能力,但其实际部署常受计算需求、数据组织成本、系统集成复杂度和领域定制成本制约 [125], [126], [127]。对热舒适系统而言,这一问题更为突出,因为它们不是一次性的离线分析任务,而是需要持续与传感器、设备和用户反馈交互的系统。

从部署模式来看,目前存在两条主要路线:云端大模型服务和压缩后部署在本地或边缘设备上的开源模型。关键问题在于模型规模、任务需求和部署方式之间尚未建立明确对应关系。完成不同目标所需的模型规模仍不明确。更大的模型意味着更高的云端调用成本、推理延迟和本地部署门槛;而较小的模型可能在复杂上下文理解和多轮推理方面性能不足 [128]。

可部署性问题也体现在系统集成复杂度上。LLM并非孤立运行,通常需要同时与传感器、数据库、数字孪生模型、可视化界面和用户交互层进行对接。对于热舒适应用,如果系统需要读取环境数据、解读用户反馈、访问建筑语义、调用控制平台并维持低延迟,就必须进行数据清洗、语义结构重建、知识库维护和接口集成 [129, 130]。特别是在家庭场景中,用户不太可能仅为调节空调而部署昂贵的服务器;在小办公室中,持续购买云端令牌也可能不现实。因此,当实验室原型向实际场景迁移时,成败往往不取决于模型的理论上界,而取决于部署模式是否与场景预算、硬件条件和使用习惯相匹配。

关于LLM在热舒适研究中的讨论不应停留在模型是否足够先进这一层面,还需进一步回答两个实际问题:第一,哪些任务值得使用大模型,哪些任务实际上更适合小模型或基于规则的系统?第二,模型引入的额外计算和维护成本是否与真实场景中的付费意愿和部署条件相匹配?这意味着可部署性和成本约束不是次要的工程细节,而是决定LLM能否从概念验证走向实际应用的核心门槛。

**5.3. 系统价值与评估框架缺失**

现有的建筑科学标准和指南已为评估热舒适和建筑运行提供了重要的领域专用准则 [131]。ASHRAE标准55基于环境和个人因素定义了可接受的热环境条件,ASHRAE标准62.1规定了最低通风和室内空气质量要求。ASHRAE标准90.1提供了建筑节能设计与运行的最低要求,ASHRAE指南36建立了标准化的高性能暖通空调(HVAC)控制序列,旨在改善能效、控制稳定性、故障检测、热舒适和室内空气质量。这些标准表明,建筑控制应根据多项舒适、环境、能源和运行要求进行评估,而非单一性能指标 [132]。

然而,这些标准主要定义领域性能要求和运行边界,并未评估引入LLM是否创造了额外的系统净价值。因此,基于LLM的热舒适系统需要两个互补的评估层次。第一是建筑性能层,涵盖热舒适、室内空气质量、HVAC能耗、峰值需求、控制稳定性以及设备和运行约束合规性。第二是AI系统层,涵盖事实一致性、不确定性校准、幻觉与拒绝表现、推理延迟、隐私、计算成本、模型推理能耗和回退可靠性 [27]。只有当LLM在交互、解释或决策支持方面的改进超过模型引入的额外能耗、经济、集成和运行成本时,其价值才能成立 [133]。

LLM可能更好地理解用户反馈,但该能力是否真正转化为长期舒适改善、运行稳定性提升或持续的用户采用率,仍缺乏系统性证据。更重要的是,LLM并非零成本智能。其推理和调用同样消耗能源,在某些场景中甚至可能抵消建筑侧的节能效益。推理的能耗和碳排放不应被忽视,模型规模、解码策略和硬件平台均显著影响每项任务的能耗 [134], [135], [136]。Jeanquartier等人指出,当前许多能耗和碳足迹分析仍存在数据缺口,尤其是缺乏统一的推理能耗透明报告框架 [137]。这些问题表明,仅在模型层面评估LLM是不够的,真正需要的是涵盖舒适、系统能耗、控制稳定性、用户接受度和经济成本的综合性评估框架。

因此,热舒适领域最缺乏的不是更多模型指标,而是能够回答"引入LLM是否值得"这一问题的系统级评估框架。该框架至少应涵盖舒适改善、HVAC能耗、模型推理能耗、控制稳定性、用户接受度和经济成本。只有当这些因素在同一评估边界内被讨论时,LLM-热舒适研究才能从局部有效走向系统性地值得投入。

**6. 未来研究方向**

未来基于LLM的热舒适系统发展不应仅由更大模型或更高自主性驱动。更重要的问题是哪些舒适控制任务真正需要语言推理、这些任务应在何处执行、模型输出如何验证,以及可以向智能体授予多大权限。基于上述差距,未来研究应聚焦于以下五个方向。

**6.1. 边缘-云协同热舒适智能**

热舒适系统持续处理环境测量、 occupants反馈、设备状态和控制信号。其中许多任务具有隐私敏感性、延迟敏感性和重复性特征。因此,持续基于云端的大模型推理并非总是必要或经济可行的。边缘LLM研究表明,设备端部署受内存、计算能力、能耗和硬件异构性制约,而量化、剪枝、知识蒸馏、缓存、模型卸载和推测解码提供了可能的效率提升路径 [128]。

未来研究应从"LLM能否在边缘运行"转向决定哪些舒适任务应分配给哪个模型和计算位置。高频且相对确定性的任务,如传感器预处理、异常筛查、本地偏好检索、结构化命令生成和安全规则检查,更适合任务专用模型、基于规则的模块或边缘部署的小型语言模型(SLMs)。云端LLM则应保留给频率较低但语义复杂的任务,如模糊多轮反馈解读、跨领域知识检索、建筑级冲突分析或多步骤工具规划。

一种可行的架构可以通过动态任务路由将边缘端SLM与云端LLM结合。路由决策应考虑任务复杂度、紧急程度、隐私等级、网络可用性、计算负载、推理能耗和输出错误风险。对比研究应在相同任务和数据集下评估纯云端、纯边缘和边缘-云协同架构。

## 6.1 全面性能报告

除准确性外,还应报告延迟、内存使用、推理能耗、通信开销、网络故障鲁棒性、隐私暴露程度和运行成本。目标不是部署尽可能大的模型,而是找到满足所需准确性、可靠性和响应时间阈值的最小架构。

## 6.2 一致性、稳定性与可验证控制

对于热舒适控制而言,如果模型在反复交互中不稳定,仅报告平均准确性是不够的。未来研究应区分几种形式的稳定性:跨等效使用者表达的语义一致性、跨重复推理的采样一致性、在环境渐进变化下的时间稳定性,以及模型或提示词更新后的版本稳定性。这些问题在LLM输出影响设定值、气流、局部供暖或制冷设备或能源管理策略时尤为重要。

近期的不确定性研究提供了有用基础。样本一致性方法通过重复生成来估计置信度,而语义熵方法可以检测不同生成之间存在矛盾含义的情况[138]。然而,语言一致性并不保证物理可行性。因此,未来的热舒适基准测试应同时扰动语言输入和物理上下文,包括改写反馈、不完整表达、传感器噪声、缺失数据、季节变化和未知运行条件。稳定性不仅应在文本输出层面评估,还应在提取的舒适约束、推荐设定值、选择的工具和最终控制动作层面进行评估。

一个可信的流水线应包含结构化输出验证、校准的确定性估计、传感器一致性检查、舒适模型验证、设备边界检查,以及明确的拒绝或回退机制。当置信度不足时,系统应请求澄清、收集额外测量、将任务转交人工操作员,或将控制返回给经过验证的传统控制器。相关指标包括改写一致性、生成分散度、校准误差、拒绝准确性、误接受率、物理约束违反率、不当工具调用、控制振荡和回退频率。

## 6.3 有界使用者代理与自适应委派

一个核心的未来问题不仅在于代理是否能与使用者通信,还在于它能在多大程度上可靠地代表该使用者。偏好记录、偏好预测、决策推荐和自主执行代表不同层级的代理权限,不应被视为等价。现有的生成式代理研究表明,具有记忆、反思和规划能力的LLM可以产生可信的模拟行为[139]。在热舒适研究中,Yang等人使用LLM代理模拟购物商场的人群流动和聚合热偏好,并将这些响应整合到强化学习框架中[140]。然而,群体级模拟并不能证明代理能在长时间内忠实代表特定使用者。另一项持续行为基准测试表明,先进的LLM在模拟行为链方面仍然存在困难,早期错误会在后续决策中传播[141]。这些发现表明,热舒适代理应在有界委派层级框架内开发。

在最低层级,代理仅作为偏好记录器,存储显式反馈。在更高层级,它可以在熟悉且经验证的情况下预测偏好。然后它可以推荐候选调整,但仍需用户确认或控制器批准。更先进的系统可能仅执行授权范围内的低风险、可逆操作,例如将个人风扇调整一级。在当前证据不支持的情况下,不应在陌生或高影响情境中完全自主代表使用者。

未来的研究应确定代理何时可以从一个委派层级过渡到另一个层级。这需要与真实用户反馈进行纵向校准,而非静态的人口统计画像。代理应保持对推断偏好的不确定性,区分稳定偏好与临时状态,检测偏好漂移,并允许用户检查、更正、删除或撤销存储的画像和委派权限。评估应优先考虑忠实的偏好表示、用户覆盖频率、不当操作率、同意违反和累计舒适遗憾,而非仅仅关注类人行为。

## 6.4 开放、可互操作且物理接地的代理-工具生态

未来系统不应设计为端到端聊天机器人,直接将使用者语言转换为执行器命令。更可信的架构是分层的:感知层收集环境、生理、占用和设备数据;LLM层解释反馈并规划任务;物理模型、数字孪生和建筑语义图谱验证候选策略;传统控制器执行经批准的动作。

该架构需要LLM、PCM、PMV或生理热模型、数字孪生、BMS、家庭自动化平台和个人舒适设备之间的标准化接口。模式应定义使用者请求、提取的偏好、环境上下文、模型置信度、候选动作、物理约束、验证结果和最终执行状态。建筑语义图谱可以进一步识别请求动作涉及的传感器、空间、末端设备和中央设备。

代理权限还应在工具层面明确指定。每个工具应有明确的权限类别,如读取、计算、模拟、推荐或执行。高风险工具需要物理验证或人工授权。工具调用、检索的证据、中间输出和被拒绝的动作应记录在案以便审计。未来的研究应测试相同的代理工作流能否在有限的重新配置下跨HVAC系统、语义模型和个人舒适设备迁移。相关结果包括工具选择准确性、接口故障率、图谱检索正确性、权限违反和从不可用工具恢复[132]。

## 6.5 纵向验证与净效益评估

未来的研究应超越孤立的准确性数值和短期的概念验证演示。OCC的目标是在减少能源使用和环境影响的同时,维持安全和可接受的室内环境。因此,评估应包括使用者结果和建筑运行结果[142]。

需要一个分阶段验证路径。候选系统应首先通过历史传感器和反馈数据离线回放测试,然后在受控干扰下进行模拟和数字孪生测试。接着应进展到硬件在环测试、有监督的现场部署、针对低风险动作的有界闭环部署,最后是多季节和多建筑评估。纵向研究应报告部署持续时间、参与者特征、交互频率、模型和提示词版本、画像更新方法、用户更正、故障和退出行为。

净效益评估还需要共同的系统边界[143]。未来的评估应同时测量热感觉、舒适度、可接受性、室内空气质量、HVAC能源使用、峰值需求、控制稳定性、推理能耗、响应延迟、云端或硬件成本、维护负担、隐私暴露和用户接受度[144,145]。消融研究应进一步隔离改进是来自LLM本身、检索、更好的感知、物理建模、优化还是额外的用户交互。

总体而言,LLM的价值应表达为相对于传统基线的增量系统效益,而非仅作为模型准确性。在近期,研究应优先关注语义反馈解释、解释、偏好提取和离线决策支持。中期工作应探索边缘-云协作和在人工监督下的有界代理执行。完全自主的多代理建筑级控制应作为长期目标,依赖于稳定的偏好建模、校准的不确定性、语义基础设施、物理验证和广泛的现实世界验证。

## 7. 本综述的局限性

本综述存在若干方法论和证据局限性。首先,文献检索受限于所选数据库、检索词、文献类型和综述期间。尽管进行了补充引用检索,如果相关研究以较广的词汇索引而未明确提及热舒适或LLM,可能会被遗漏。排除预印本提高了核心证据的可靠性,但可能遗漏了这一快速发展领域的一些近期进展。

其次,关于LLM使能热舒适的直接同行评审证据仍然有限。为探索可能的技术路径,本综述还考虑了涉及传统CV、物理信息机器学习、建筑代理和语义图谱的相关研究。这些研究支持了单个组件的可行性,但并未证明完整LLM使能热舒适系统的有效性。因此,提出的CV到VLM、物理接地、基于代理和图谱增强的路径应被视为有证据支持的研究方向,而非成熟的应用范式。

第三,研究任务、数据集、基线、实验条件和结果指标的显著异质性限制了研究间的直接比较。分类准确性、预测误差、舒适指标、控制成本和节能代表不同结果,无法合并为衡量LLM有效性的单一指标。因此,正式的荟萃分析仅限于足够可比较的研究子集,其余证据通过结构化定量比较进行综合。

第四,许多纳入研究仍为模拟、离线模型评估、单点演示或短期概念验证系统。在分类、回归或问答任务中的模型级表现不一定转化为改善的使用者舒适度、减少的HVAC能耗、稳定的控制或长期的用户接受。此外,模型版本、提示词、不确定性、推理成本、部署持续时间和故障案例的不完整报告限制了可重复性和证据评估。

最后,发表偏倚、选择性报告和LLM技术的快速演变可能影响被审查证据的表观有效性和时效性。由于纳入的研究涵盖异质设计,质量评估应解释为方法论和报告严谨性的比较评估,而非统一的风险偏倚判断。

总体而言,本综述识别了LLM使能热舒适系统的当前证据结构、功能边界和潜在集成路径。然而,现有证据不足以建立相对于建立的热舒适模型、特定任务AI方法或传统建筑控制策略的普遍性能优势。需要通过标准化基准、纵向人体研究和多建筑现场部署进行进一步验证。

## 8. 结论

基于系统证据映射、任务分层定量综合和探索性荟萃分析,主要结论如下:

(1)证据基础正在快速扩展,但仍是近期的且方法学上参差不齐。证据地图保留了45篇出版物,包括39项核心LLM相关热舒适研究和六项涉及相邻感知和系统集成路径的补充研究。在39项核心研究中,29项报告了至少一个定量结果。保留的证据几乎完全集中在2024年之后,其中3项发表于2024年,22项在2025年,20项在2026年。这种快速增长证实了该主题新兴的重要性,但也表明证据基础尚未达到建立的热舒适或以使用者为中心控制研究的成熟度。

(2)LLM最适合作为互补的认知和交互层,而非替代建立的热舒适模型。其最具说服力的功能包括解释自然语言反馈、组织异质上下文信息、提取个体偏好、生成解释以及协调外部模型和工具。相比之下,热平衡计算、适应性舒适边界、生理热预测、约束验证、数值优化和低级设备控制应继续建立在PMV/PPD、适应性舒适模型、Fiala或JOS-3、PCM、MPC和传统控制器等建立模型之上。因此,大模型对于语义复杂且低频任务最为合理,而非高频感知或确定性控制执行。

(3)当前的定量证据对有界预测、分类和交互任务最为有力。热舒适预测研究报告准确性高达95%,F1分数高达0.99,而使用者反馈解释研究报告分类性能约为93-94.5%。对具有精确或可重构分母的研究进行的探索性单臂分析产生了94.8%的合并准确性(95% CI: 92.0-96.6%; k = 2)。在敏感性分析中纳入额外研究后,估计值保持相似,为93.2%(95% CI: 92.3-94.0%; k = 3)。然而,这些研究评估了不同任务,包括交互或函数调用准确性、热成像分类和IEQ反馈分类。因此,合并值应解释为跨任务的敏感性信号,而非LLM使能热舒适系统的总体性能估计。

(4)个人舒适应用展示了领域适应和信息丰富输入的重要性,但不显示大模型的普遍优势。会话式偏好学习使用411个有效交互轨迹实现了0.122°C的测试平均绝对误差,用于个体化舒适温度预测。在生理感知的个人环境控制中,微调的SLM和LLM使用约100,000个多模态人体记录实现了高达0.99的F1分数。在使用心率变异性特征时,报告准确性分别为神经网络0.73、SLM 0.93和LLM 0.96;在使用高维多模态输入时,相应值为0.91、0.99和0.99。这些发现表明,领域特定的微调和生理或多模态信息可能比模型规模本身更为重要。LLM使能PCS在实际舒适或能源结果中优于传统AI控制器的直接证据仍然有限。

(5)LLM使能控制研究报告了可测量但高度异质的舒适和操作效益。在审查的HVAC和控制应用中,报告的能源或成本相关改进从1.2%到60.4%不等,而舒适相关改进从0.825%到48.1%不等。一个实际办公室的Agentic AI实施报告了高达47.92%的能耗减少和26.36%的舒适RMS指标减少。基于EnergyPlus的多代理框架报告了相对于基于规则控制的20.8%成本减少和33.7%不适减少,而一个住宅多模态意图推理系统结合MPC报告了60.4%的能耗减少和48.1%的未满足度小时减少。

这些结果表明了潜在的实际应用价值,但最大的效果均来自模拟或受限制的案例研究设置,包括一种单居住者的住宅原型。这些结果不应被解释为可直接比较或合并的效果。(6)该领域正朝着分层、工具支撑型系统发展,但完全自主且严格基于物理信息的LLM控制尚未确立。在所综述的物理信息成熟度框架内,有三项研究通过提示或结构化模式纳入了物理规则,五项研究利用LLM解释物理模型或数字孪生输出,四项研究实现了外部物理或控制工具的调用,三项研究评估了闭环或近闭环的实现方案。尚无研究开发并验证了专门针对热舒适性的严格物理信息LLM。同样,当前大多数智能体、视觉语言模型及图增强应用仍停留在模拟、原型、单站点演示或建筑系统使能研究的阶段。未来研究应优先关注边缘—云计算任务分配、输出一致性与稳定性、不确定性感知拒绝机制、有限制的居住者智能体委托、物理验证、标准化基准以及纵向多建筑现场评估。LLM的价值最终应通过增量的系统效益来证明,这些效益需同时考量舒适性、暖通空调能耗、推理成本、控制鲁棒性、隐私及用户接受度。总体而言,现有证据支持将LLM作为以人为核心的热舒适系统中的语义、解释及编排组件,但尚未证明LLM普遍优于成熟的舒适性模型、任务专用的人工智能方法或传统的建筑控制策略。曾喜丁 | 吕俊蒙 | 廉志威 上海交通大学设计学院建筑系,中国上海
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号