行人步行过程中累积热暴露的非线性规律与动态热舒适性研究：现场实验与机器学习预测

这篇研究通过156名志愿者在常州的直晒与遮阴场景下进行15分钟步行实验，创新性地揭示了行人热暴露的累积效应与动态热舒适（OTC）响应规律。研究发现热不适感呈非线性增长，在直晒环境下第5和第9分钟出现关键阈值，并采用随机森林（84.4%准确率）、XGBoost（96.6%）等机器学习算法成功预测瞬态与整体热感觉。研究为城市热风险动态评估提供了量化工具，对气候适应性城市规划具有重要价值。

　　

Highlight

本研究通过整合现场实验与机器学习建模，首次系统揭示了行人连续步行过程中热应激的时变规律。在直晒场景下，行人热不适感呈现显著的非线性累积特征，其临界阈值出现在第5分钟（初始耐受极限）和第9分钟（生理代偿转折点）。这种动态响应模式突破了传统静态热舒适指标（如PET/UTCI）的评估框架。

Methodology

研究方法采用三阶段设计：1）在常州夏季开展对照实验，同步采集156名受试者每分钟微气候数据（T_a、RH、V_a、G）与主观问卷；2）构建时间序列数据库，量化热暴露剂量-响应关系；3）开发集成环境参数、生理指标（BMI）与暴露时长的机器学习预测系统。特别值得注意的是，太阳辐射（G）在直晒组（259 W/m²）与遮阴组（25 W/m²）呈现数量级差异。

Microclimatic conditions

微气候监测显示：直晒与遮阴场景的Ta均值仅差0.01°C（25.7-34.7°C），但辐射强度差异驱动了完全不同的热体验。这种"同温不同感"现象印证了动态评估的必要性——当步行超过5分钟时，直晒组的热不接受率骤增3.8倍，而遮阴组仅上升1.2倍。

Differences of pedestrian thermal environment

有趣的是，遮阴环境的"热缓冲效应"使热感觉投票（TSV）波动幅度降低42%。机器学习特征重要性分析揭示：暴露时长与BMI的交互作用对预测贡献度达31%，超过单一气象因子。这提示城市规划应同时考虑环境参数与行人暴露行为特征。

Conclusions

本研究建立的时变热舒适模型，首次将"暴露剂量-时间"关系量化为决策变量。SHAP分析证实：1）太阳辐射主导初始热感觉；2）暴露时长决定累积效应强度；3）BMI调节个体耐受阈值。该成果为智慧城市的热安全预警系统开发提供了理论框架。