《ENERGY AND BUILDINGS》:AI-driven optimization of timber-based indoor environments for energy performance and cognitive comfort
编辑推荐:
摘要建筑设计越来越需要在能效和用户导向成果之间取得平衡,然而,能够整合物理建筑性能与客观人类反应指标的决策框架仍然有限。为解决这一局限性,本研究提出了一种由人工智能(AI)驱动的框架,该框架整合了基于物理的建筑性能和人类认知反应,用于公共教育环境的多目标优化。使用经过校准的建
摘要
建筑设计越来越需要在能效和用户导向成果之间取得平衡,然而,能够整合物理建筑性能与客观人类反应指标的决策框架仍然有限。为解决这一局限性,本研究提出了一种由人工智能(AI)驱动的框架,该框架整合了基于物理的建筑性能和人类认知反应,用于公共教育环境的多目标优化。使用经过校准的建筑能源模拟模型生成了 200 个模拟案例,并进行了涉及 32 名参与者的基于虚拟现实(VR)的实验,利用脑电图(EEG)、视觉满意度和感知热感觉指标评估了木材覆盖率对神经生理和感知反应的影响。模拟结果表明,在研究的建模条件下,将木材应用水平从参考条件提高到完全基于木材的复合设计情景,使年能源消耗强度(EUI)降低了约 43%,这主要通过减少供暖需求实现。VR 实验显示,富含木材的环境增强了 alpha 波段活动和视觉满意度,而感知热感觉表现出非线性响应,存在最佳中间状态。整合模拟和人类响应数据集以开发基于 AI 的预测模型。在评估的算法中,随机森林获得了最高的预测准确率(R2 = 0.816)。沙普利可加性解释(SHAP)分析确定围护结构传热系数(U-value)和木材覆盖率是主导 EUI 预测的最具影响力变量,同时人类反应指标也对模型结果做出了贡献。使用非支配排序遗传算法 II(NSGA-II)进行多目标优化揭示了能效与用户反应指标之间的权衡,表明最低能耗方案并不一定最大化积极的以用户为中心的成果。这些发现证明了在 AI 驱动的框架内整合建筑性能和人类响应数据的潜力,以支持公共教育环境更全面的设计决策。
引言
鉴于建筑占全球能源消耗和碳排放的相当大比例,提高建筑能效已成为实现碳中和和促进可持续发展的关键策略 [1], [2], [3]。先前的研究一直表明,改善围护结构保温、气密性和运行效率可以显著减少建筑能源需求及相关环境影响 [4], [5], [6], [7]。因此,大量的研究工作集中在开发提高能效同时最小化运行能耗的设计策略上。在这些策略中,基于木材的建筑因其减少运行能源使用和全生命周期碳排放的潜力而受到越来越多的关注。例如,Kang 等人 [8] 报告称,混合交叉层压木材建筑可以通过替代传统建筑材料和木材组件内的长期碳储存,在显著改善能效的同时有助于碳减排。然而,建筑性能不能仅从能源角度进行评估 [9]。最终,建筑是为使用者设计的,因此,室内环境质量在决定使用者满意度、幸福感和生产力方面起着至关重要的作用 [10]。Frontczak 等人 [11] 报告称,热感知、视觉舒适度、空气质量和个人控制是影响室内环境使用者整体满意度的最具影响力因素之一。同样,Altomonte 等人 [12] 证明使用者对环境质量的感知显著影响舒适度、满意度和感知的工作绩效。在教育环境中,室内环境的重要性变得更加突出。例如,Haverinen-Shaughnessy 等人 [13] 报告了室内环境条件与使用者专注度和认知表现之间的密切联系。这些发现突出了在设计室内环境时,除了传统的能源性能指标外,还需考虑以使用者为中心的成果的必要性。
在各种室内环境因素中,基于木材的材料最近因其对环境可持续性和使用者福祉的潜在益处而受到越来越多的关注。从可持续性角度来看,木材被认为是一种可再生建筑材料,可以在其整个使用寿命期间储存碳,有助于减少隐含碳排放。此外,几项研究表明,基于木材的室内环境对使用者的心理和生理反应产生积极影响。Ojala 等人 [14] 报告称,接触木材可减少压力反应并改善感知环境质量。同样,Burnard 等人 [15] 证明富含木材的室内环境与更高水平的视觉偏好和使用者满意度有关。在教育环境中,基于木材的室内饰面与提高专注度、减少压力和增强学习相关成果有关 [14]。
尽管有这些优势,但大多数先前的研究独立调查了建筑能效和使用者反应 [15], [16]。建筑能源研究侧重于能耗、热负荷和围护结构特性等物理性能指标,而与此相关的木材环境研究则强调心理感知、视觉偏好或生理反应。因此,关于在统一框架内定量整合这两个领域的研究仍然有限。此外,与使用者相关的调查通常基于主观问卷,这使得难以建立环境条件与人类认知反应之间的客观关系。
虚拟现实(VR)、脑电图(EEG)和人工智能(AI)的最新发展为解决这一局限性提供了新的机会 [17], [18], [19]。VR 技术使室内环境条件的控制和可重复评估成为可能,而 EEG 则提供了与认知状态和环境感知相关的神经生理反应的客观测量 [20]。同时,机器学习技术可以整合异构数据集,并识别物理设计变量、建筑性能指标和以人为本的反应之间的复杂关系 [21]。然而,在单一决策框架内结合建筑能源模拟、人类认知反应、可解释人工智能(XAI)和优化的研究仍然稀缺。
为解决这一研究缺口,本研究提出了一种 AI 驱动的框架,该框架整合了基于物理的建筑能效和人类认知反应,用于公共教育环境的多目标优化。为此,使用经过校准的建筑能源模拟模型生成基于物理的数据集,并进行基于 VR 的实验和 EEG 测量,以量化不同木材覆盖率条件下的以使用者为中心的反应。将生成的数据集整合,使用木材覆盖率作为共享设计变量,随后采用机器学习模型进行预测、可解释性分析和优化。因此,这种方法旨在建立一种以人为本的设计方法,可以同时提高公共教育建筑的能效和使用者福祉。
章节片段
总体框架
开发了一个集成的 AI 驱动框架,以支持建筑能效和以使用者为中心的反应的联合评估和优化。如图 1 所示,提出的工作流程包括四个顺序组件:(1) 使用针对实测室内环境条件校准的建筑能源模型生成基于物理的数据集,(2) 通过受控的 VR 和 EEG 实验获取主观和神经生理反应数据,(3)
基于物理的模拟
在数据集生成之前,将建筑能源模拟模型针对从五个代表性热区收集的室内温度和相对湿度现场测量值进行了校准和评估。图 6 比较了咖啡馆、计算机房、节目室、办公室和幼儿园空间的实测和模拟室内环境曲线,表 3 总结了相应的统计一致性指标。总体而言,模拟模型成功重现了
结论
将建筑能效和以使用者为中心的反应整合起来仍然是当代建筑设计中的一个重大挑战,因为提高能效的策略并不一定最大化人类舒适度和认知福祉。本研究的结果表明,木材应用水平作为共享的设计场景参数,连接了物理模拟和基于 VR 的评估领域中的建筑性能与人类反应。模拟
CRediT 作者贡献声明
Seong Taek Kang:写作 – 初稿。Yujin Kang:写作 – 审阅与编辑,概念构思。Dongchan Jin:可视化,数据管理。Sumin Kim:监督,资金获取。
利益冲突声明
作者声明他们没有任何已知的竞争性经济利益或个人关系可能看起来会影响本文报告的工作。
致谢
本研究由韩国政府 (MSIT) 资助的国家研究基金会 (NRF) 资助 (No. RS-2022-NR070597)。本研究由由 Lee Youn Jae 资助的延世奖学金支持。
Seong Taek Kang|Yujin Kang|Dongchan Jin|Sumin Kim