利用多尺度注意力图神经网络实现快速准确的室内气流预测

《BUILDING AND ENVIRONMENT》：Fast and Accurate Indoor Airflow Prediction Using Multi-Scale Attention Graph Neural Network

本研究提出基于AI的行为识别与微气候监测融合框架，动态评估城市公园热舒适度。通过广州Guanggang公园一年数据，发现传统模型静态代谢假设不足，新型OUT_aSET*模型在过渡季和冬季更有效，捕捉到活动代谢率变化，为热敏感人群设计提供依据。

　　

邵志远|郭玉东|吴俊良|倪卓标|王月|梁宇航|王亚飞|陈少青

中山大学环境科学与工程学院，中国广州510006

摘要

城市热应激对公共卫生和户外舒适度构成了严峻挑战，然而传统的热舒适度指标（如室外标准有效温度（OUT_SET*）依赖于静态的新陈代谢假设，这限制了它们在动态户外环境中的适用性。本研究介绍了一个多模块的AI驱动框架，该框架结合了行为识别技术（如YOLOv5、DeepSORT和SlowFast网络）与微气候监测，用于评估城市社区公园中的热舒适度。以中国广州的广钢公园为研究地点，我们在一年内每隔10分钟记录了实时出勤人数、活动时长和类型以及新陈代谢率（共459个时间段）。这些数据与现场环境测量结果相结合，开发出一个自适应的热舒适度指标（OUT_aSET*），通过纳入活动驱动的新陈代谢变化来改进OUT_SET*。季节性现场观察显示了不同的行为热适应模式：冬季出勤人数在25.2°C时达到峰值，过渡季节为30.2°C，而在夏季则呈线性下降。高强度活动（如跑步）在炎热期间显著减少，而低强度行为则持续存在，这表明人们在热应激下采取了减少体力消耗和延长在舒适温度条件下停留时间的双重适应策略。与OUT_SET*相比，OUT_aSET*更有效地捕捉到了热变化和热应激，尤其是在过渡季节或寒冷季节，此时活动引起的新陈代谢调整更为明显。这一框架提高了热舒适度评估的生态有效性，并为微气候敏感的公园设计和城市热缓解提供了基于证据的见解。通过将热指标与观察到的行为相对照，本研究有助于进行准确的公共卫生风险评估，并支持气候适应型城市规划。

引言

随着全球气候变化的加剧，城市居民面临越来越大的热暴露风险[1,2]。极端高温事件的频率和强度不断增加[3]，威胁着公共卫生[4,5]，并改变了人们的活动模式和城市开放空间的使用方式[6]。除了降低热风险外，热舒适的户外环境还能显著增加城市开放空间的使用率，促进体育活动，并带来广泛的健康益处[7]。与室内环境不同，户外环境受微气候的影响更大，也更难以调节，因此成为当前研究的重点。

最近的研究探讨了社区公园中的热环境如何影响居民的行为和热感知，重点关注行为反应[8,9]和户外热舒适度[10,11]。居民通过调整活动模式来适应高温。常见的策略包括降低活动强度[12]、缩短户外停留时间[13]或寻找阴凉处[14,15]，这些反映了人们对微气候条件的即时行为反应。关于户外热舒适度，热感知取决于环境因素[16]和个人特征[17],[18],[19]。为了量化人们的热舒适度，城市微气候研究中广泛使用了生理等效温度（PET）[20]、预测平均投票（PMV）[21]、通用热气候指数（UTCI）[22]和室外标准有效温度（OUT_SET*）[23]等热舒适度模型。尽管某些指标（如PET[24]和OUT_SET*[25]）在技术上允许输入新陈代谢数据，但大多数应用仍然依赖于固定的新陈代谢率假设（通常为1.0至2.8 METs，其中1 MET对应于一个静坐成年人的基础代谢率；见表S1），这限制了它们表示与活动相关的热暴露变异性的能力。

从方法论的角度来看，问卷调查[26,27]、定期视觉观察[28,29]和实验室模拟[30]主要关注出勤人数、活动时长和空间分布等静态指标。因此，它们对适应性户外热调节的描述有限。现有的关于动态热舒适度的研究主要遵循两种方法（见表S2）：1）实验室或半控制实验，将规定的运动强度与热感觉联系起来，这种方法具有机制上的清晰性，但生态有效性有限[24],[30],[31],[32],[33]；2）在较粗的时间间隔（20-60分钟）进行的现场调查或可穿戴测量，虽然提高了真实性，但无法捕捉到短期活动驱动的新陈代谢变化[13,34,35]。因此，在日常社区环境中进行的高时间分辨率研究仍然很少，尤其是在社区公园的规模上。

尽管人们越来越认识到活动与热之间的耦合重要性，但很少有研究在社区尺度上使用活动分辨的现场数据来操作化可变的新陈代谢率。因此，日常环境中活动模式、新陈代谢变化和户外热舒适度之间的动态相互作用尚未得到充分描述。此外，目前还没有非接触式框架能够实时跟踪户外活动，并同时将特定于活动的代谢率整合到热舒适度指标中。这一方法论空白限制了对社区环境中适应性热活动的可扩展和生态有效的评估。

城市社区公园是“15分钟社区”概念的关键，其特征是分布密集、使用频率高且与日常生活紧密融合[36],[37],[38]。与大型城市公园相比，社区公园规模较小，距离更近，功能更加集成，是人们每天反复户外活动的主要场所。这些空间支持体育活动[39,40]、休闲、社交互动[41],[43],[44]，特别是对于老年人、儿童等热敏感群体。先前的研究表明，老年人和儿童[45],[46]的体温调节能力较低，对微气候变化的敏感性较高；此外，他们频繁使用社区公园，使得热舒适度成为健康保护和环境公平的关键问题[47],[48],[49]。

为了解决上述问题，本研究提出了一个基于数据的框架，用于社区尺度的动态户外热舒适度评估。具体来说，我们将基于AI的活动识别与热舒适度建模相结合，以克服静态新陈代谢假设引入的评估偏差。我们开发了一个高频、非接触式的动作监测系统，以在真实社区条件下提供可靠的活动输入，从而实现可扩展和生态有效的分析。

鉴于社区公园内拥挤的条件、频繁的遮挡以及需要实时识别多种活动，我们采用了一个集成计算机视觉流程，平衡了准确性和效率。由于YOLOv5在准确性和延迟之间的良好权衡、能有效处理密集目标以及与多目标跟踪流程的良好集成[50,51]，我们选择了它来进行行人检测。然后将该检测器与DeepSORT结合使用，以在遮挡情况下保持目标身份的识别[52]，并与SlowFast结合使用，以捕获用于活动识别的时空运动特征[53]。这一集成框架使得在社区尺度上进行连续、高频和广泛覆盖的活动识别成为可能，为热舒适度评估中的代谢耦合提供了可靠的输入。在此基础上，比较了两种OUT_SET*热指标：一种是假设固定代谢率（METs = 1.0）的静态OUT_SET*，另一种是结合了基于AI的行为识别得到的动态衍生、特定于活动的代谢率的自适应OUT_SET*（OUT_aSET*）。这种比较允许在传统假设和现实活动条件下评估热暴露。

因此，本研究旨在通过提出一种新的方法来阐明热暴露、活动调整和感知热舒适度之间的动态相互作用，该方法结合了基于AI的活动检测和动态热舒适度建模。本研究旨在：（1）分析微气候条件如何塑造社区公园中居民活动的时空分布；（2）使用特定于活动的代谢率开发动态热暴露模型，以进行个体层面的热负荷评估；（3）评估OUT_aSET*在社区尺度热舒适度评估中的适用性，为热敏感人群提供微气候响应的社区公园设计建议。

站点选择标准

位于中国广州荔湾区的广钢公园（大约北纬23°05′，东经113°13′）是一个重新利用的城市绿色基础设施的典型例子。它建在原广州钢铁厂的旧址上，作为城市更新的一部分，是一个多功能社区公园。广钢公园的总面积约为298,000平方米，研究区域位于其一期示范区内，覆盖面积约为28,000平方米。该区域服务于超过35,000

行为识别模型的性能

在本研究中，YOLOv5l6模型在2,307个样本的本地验证测试中获得了82.01%的平均准确率（AP）。如表3所示，SlowFast模型在43,211个标注序列的严格本地验证中获得了66.36%的总体平均准确率。对于中等强度的活动（如步行，AP = 97.83%）和高强度活动（如跳舞，AP = 98.40%），观察到了高精度。然而，对于复杂或过渡性的动作（包括阅读，AP = 49.80%；骑行，AP = 37.90%）

局限性与未来研究

尽管本研究在方法论上有所创新，但仍存在一些局限性。首先，一个方法论限制是在活动分析中排除了中午12:00至15:00的时间段，这是由于样本量不足，无法进行稳健的统计推断。虽然这阻止了对最极端热时段适应性活动的明确分析，但整体的日变化模式仍然被准确描述。

结论

本研究旨在通过提出一种将基于AI的活动识别与热舒适度建模相结合的方法，来解决户外热评估中缺乏动态活动监测的问题，从而构建了一个改进的OUT_aSET*。通过将计算机视觉提取的实时活动强度与传统的OUT_SET*模型相结合，该方法动态地描述了新陈代谢变化，弥合了环境暴露与人体活动体温调节之间的关键差距。

CRediT作者贡献声明

邵志远：撰写——原始草稿、方法论、形式分析、可视化；

郭玉东：方法论、数据管理；

吴俊良：方法论、数据管理；

倪卓标：方法论、形式分析、资源管理；

王月：数据管理、可视化；

梁宇航：数据管理、可视化；

王亚飞：撰写——审阅与编辑、概念化、可视化、监督；

陈少青：方法论、形式分析、资源管理。

CRediT作者贡献声明

邵志远：撰写——原始草稿、可视化、方法论、形式分析。郭玉东：方法论、数据管理。吴俊良：方法论、数据管理。倪卓标：资源管理、方法论、形式分析。王月：验证、方法论。梁宇航：可视化、数据管理。王亚飞：撰写——审阅与编辑、可视化、监督、概念化。陈少青：资源管理、方法论、形式分析。