完整显示 1 2
简毅文,高 萌,刘昭辉,常小艳
北京工业大学建筑工程学院
[摘 要]针对建筑人行为随机模型中的Logistic 回归模型和清华大学提出的基于条件触发的动作模型,开展两者在人行为特性定量描述上的分析对比研究。以北京某高校学生宿舍分体空调的开、关行为为分析案例,基于房间温度、湿度的现场测试数据、室内空调运行的问卷调查信息及由此统计得出的不同驱动状况下空调开、关动作发生概率的离散数据,分别应用Logistic 回归模型与动作模型拟合确定并分析比较各个驱动力下宿舍空调开、关行为的特征参数及空调开、关动作发生概率的变化趋势。研究结果反映出两个模型各自的应用优势,同时表明在准确得到离散点概率统计值的情况下,Logistic 回归模型与动作模型都可以对居住建筑间歇运行的空调行为给予真实的描述。
[关键词]Logistic 回归模型;动作模型;动作发生概率;特征参数
建筑人行为主要指居住者为满足自身对环境的需求而对门窗、窗帘、分体空调、照明设备等使用运行状况的控制和调节。建筑人行为、尤其建筑空调行为对建筑能耗的显著影响已被大量的现场实测和理论分析研究所证实,李兆坚[1] 指出,全时间全空间使用空调的住户相比较仅在需要时才开启空调的部分时间部分空间用户,两者空调能耗的差异会在数十倍以上。同时,在建筑模拟中对空调行为的描述是否合理还会严重影响到模拟结果的准确性。另一方面,空调行为模式的变化还会导致室内环境的差异,Kempton W 等[2] 指出,全时间使用空调房间的室内温湿度较恒定,部分时间使用空调房间的室内温湿度波动大。因此,对包括空调行为在内的建筑人行为进行合理定义,建立标准化的行为模型就成为日益迫切的问题。
在建筑人行为模拟的研究领域,研究者通过对大量实地调研数据的理论分析,从最初的确定性作息模型,相继提出了阈值模型、统计性模型和随机模型。其中,确定性作息模型和阈值模型没有反映出人行为的随机性;统计模型采用的是基于群体的统计回归结果,并且描述的是人行为所控对象的状态,无法反映个体行为动作的发生状况。相比较,随机模型着眼于导致被控对象状态变化的动作而非状态本身,因而能有效反映个体的行为状况,国内外对此的通用做法是采用Logistic 函数对离散点的概率数据进行拟合,得到随环境参数变化的动作发生概率[3]。Logistic 回归模型的提出对于人行为动作模型的完善起到十分重要的作用,但在对复杂因素影响特性的反映上还有所欠缺。对此,清华大学人行为研究组近期提出一套基于条件触发的动作模型(以下简称动作模型),针对不同的触发条件,该模型以时间和环境等纯物理量为自变量,通过概率函数对自变量与动作发生之间的相互关系进行描述,建立起相应的概率计算函数[4-5]。目前,Logistic 回归模型与动作模型在建筑人行为的研究中均得到了不同程度的应用,建筑人行为的模拟研究取得了显著进展[6-10],但有关两者对人行为定量反映特性的对比研究还尚未见报道。
对此,本研究以北京某高校学生宿舍分体空调的开、关行为为分析案例,基于房间温度、湿度的现场测试数据及空调运行的问卷调查信息,统计得出不同驱动状况下空调开、关动作的发生概率。在此基础上,分别应用Logistic 回归模型与动作模型对该学生宿舍分体空调的开、关行为进行定量描述,对应各个驱动力,分别拟合确定空调行为的特征参数,做出空调开、关动作概率的变化曲线,以此分析对比Logistic 回归与动作这两个随机模型在刻画住宅空调行为方面的相同点与差异性。
1 模型介绍
1.1 Logistic 回归模型
Logistic 回归模型基于Logistic 函数,考虑单一环境因素(室内温度)对建筑人行为的影响。Logistic 回归模型描述居住建筑空调开、关动作概率的表达式为:

式中:t 表示温度(℃);P(t) 表示温度为t℃时对应的空调开启(关闭)概率,0 ≤ P(t) ≤ 1;a、θ 为特性参数,其中,θ 对应着概率为0.5 时的环境参数。
1.2 动作模型
动作模型以时间和环境参数等纯物理量为自变量,通过概率函数对自变量与动作发生间的相互关系进行描述,利用概率判断动作发生的可能性,并将实际中出现的触发条件转化为对条件概率的计算,且针对不同的触发条件建立相应的概率计算函数模型。动作模型描述居住建筑空调开、关动作概率的表达式为:
(1)基于环境参数触发的空调开、关动作模型:针对人体在室内感到热时开和冷时关的情况。
开空调模型:

关空调模型:

式中:P 表示空调开、关动作的发生概率;T 表示室内温度(℃);u 表示阈值参数,即空调开启的最低温度、关闭的最高温度;L 表示尺度参数,表征环境刺激的比例因子,即从阈值温度到开启率、关闭率p=1 对应的温度的距离尺度,L 越大,则个体对环境的热忍受区间越大;k 表征动作随环境变化的敏感性,即曲线的“斜率”,用来描述概率曲线相对于自变量变化的敏感程度,k 值越大,使用者对于该自变量因素越敏感,概率变化曲线越陡峭。因此,动作模型中u、L、k 这3 个特征参数具有明确的物理意义。
(2)基于事件触发的空调开、关动作模型:针对饭前开空调和饭后关空调的情况。
P = p(4)
(3)基于事件与环境共同触发的空调开、关动作模型:针对人体进门感到热时、睡前感到热时和入睡后感到冷时的情况。
开空调模型:

关空调模型:

式中:c 表示事件对于随环境因素变化的基本函数形式产生的附加影响;tsleep 表示入睡时长;其余参数表示的意义同上。
2 研究对象和研究方法
2.1 研究对象
本研究针对北京地区某高校学生宿舍楼的某宿舍房间,开展夏季空调行为的模拟分析。该宿舍楼建筑共15层,调研宿舍房间处于12 层,朝向为北,宿舍房间的室内布局见图1。调研期间的常住人数为2 人,此2 人对空调环境基本具有相同的冷热喜好。
2.2 研究方法

图1 学生宿舍室内布局 图2 Testo 174H 型温湿度自记仪
采用现场测试与问卷调查相结合的方法,对2014年暑期上述学生宿舍房间的空调行为开展研究。在2014 年暑期(7 月15 日至8 月31 日)对宿舍房间的室内温度和湿度开展了连续测试,测试时间间隔为10 分钟。测试仪器为Testo 174H 型温湿度自记仪,如图2 所示,测试仪器的温度精度为0.5℃,相对湿度精度为3%,测试仪器的读数没有受到太阳辐射和室内其他热源、湿源的直接影响。
问卷调查的内容主要包括:(1)居住者个体基本信息,如性别、年龄、北京居住生活时间等;(2)空调开启、关闭驱动因素的信息,如热时开、进门开、睡前开、冷时关、睡觉后关、定时关等;(3)居住者每日的生活作息等。
完整显示 1 2