基于机器学习的多感官交互对商业环境中人体舒适度的影响研究

《BUILDING AND ENVIRONMENT》：Effects of Multisensory Interactions on Human Comfort in Commercial Environments Based on Machine Learning

　　

• 该研究分析了西安城市广场中人们的热声感知。
• 西安的 NUTCI 为 14.9°C，NUTCIR 范围为 10.8 至 19.0°C。
• 正面声音降低热感觉，适度声音缓解热不适感。
• 在负面声音类型下，人们对炎热环境的容忍度降低。
• 在正面声音类型下，受访者对温度的容忍度更高。

引言
在现代城市生活中，室内环境质量对人类健康、行为模式和心理感知具有重要影响 [1]。室内商业环境是城市公共生活的主要场所，承载着购物、餐饮、休闲、社交互动和展示等多种功能。与使用模式相对统一的办公室和教室不同，室内商业环境的特点是功能混合、客流量波动大以及环境条件复杂。它们通常包含多种同时存在的刺激，如商品展示照明、背景音乐、设备噪音、餐饮活动产生的热量、冷链设施相关的低温以及人群相关活动 [2,3]。这些刺激不仅影响顾客在空间内的停留体验，还会改变他们对空间质量和整体舒适度的判断。既往关于商业环境的研究表明，空间氛围、环境感知和购物中心形象会影响顾客的情绪、购物体验和停留意愿 [[4], [5], [6]]。因此，应从声学、光度、热学和视觉角度考察多种环境因素对室内商业环境整体舒适度的影响。

既往研究讨论了热、声、光及视觉因素对人类舒适度的影响。热环境因素主要包括空气温度、相对湿度、风速、平均辐射温度、代谢率和服装热阻。它们的联合效应通常使用预测平均投票（PMV）[7]、生理等效温度（PET）[8]、标准有效温度（SET*）[9] 和通用热气候指数（UTCI）[10] 进行评估。在购物中心等相对稳定的室内空间中，由于内部热源条件变化较大，热环境不仅影响热感觉，还影响顾客的停留意愿及其对其他环境刺激的容忍度。声学环境因素包括声压级、声源类型、声源可识别性、声事件和情境适宜性 [11]。其中，声压级是最常用于量化环境噪声强度的物理指标。Yang 和 Kang 报道，开放公共空间的声学舒适度与声压级密切相关 [12]。Meng 和 Kang 进一步发现，用户的社会行为特征影响对购物中心感知响度和声学舒适度的判断 [13]。因此，在不同的室内环境中，声学质量不仅仅是噪声强度的问题，还反映了人行流量、设备运行和人群活动的综合效应。光环境因素主要包括照度、亮度分布、眩光、相关色温、显色性和照明均匀度 [14]。照度直接影响视觉识别、空间可视性和视觉舒适度 [15]。Jin 等人表明，购物中心公共空间的照明质量影响顾客对商业环境的感知评价 [16]。因此，购物中心的照明环境不能仅从照度是否符合标准来理解，还必须考虑其对视觉舒适度和整体空间体验的影响。视觉环境比光环境更广泛，除了照明结果外，还包括空间界面、颜色、材料、景观、陈列秩序、绿植和可视性。Kaplan 认为环境会影响空间偏好和心理恢复 [17]，而 Ulrich 证明视觉景观会影响心理和生理反应 [18]。Pheasant 等人以及 Ren 和 Kang 报道，视觉景观质量可以改变人们对声学环境的评价 [19,20]。总体而言，热、声、光及视觉因素均已被证明会影响人类舒适度，但它们在购物中心中的作用方式不同。由于这些因素通常在商业综合体中并存，单一环境视角不足以解释顾客对整体舒适度的综合评价。

当前的多感官舒适度研究主要集中在办公室、教室、住宅、交通建筑和户外开放空间。办公室研究通常考察环境因素对工作绩效或满意度的相对贡献。例如，Choi 等人 [21] 比较了热、视觉、声学和空气质量条件对办公室绩效的影响。教室研究强调热、声、光及空气质量条件对学生学习体验的影响；Al-Akhzami 等人 [22] 发现大学生对热和声学条件特别敏感。开放空间研究更侧重于气候、视觉景观和声音景观对整体舒适度的影响。Li 和 Liu [23] 确认了审美舒适度和声学舒适度之间存在清晰的跨模态关系，而 Nitidara 等人 [24] 发现热、声和视觉因素共同影响公共开放空间的整体舒适度。

近期的研究开始越来越多的关注商业建筑室内环境条件对用户舒适度感知的影响。关于商业环境的现有研究主要侧重于热条件、室内空气质量、照明和声学条件。基于对商业建筑的大规模调查，Kim 和 de Dear [25] 报道热、声、照明和空气质量条件均影响使用者的整体环境满意度，且不同的环境因素对整体评价的贡献不同。最近，越来越多的关注集中在多个环境因素对人类感知的联合影响上。Wu 等人 [26] 指出，热、声和光环境之间存在潜在的相互作用，孤立地考察单个环境因素可能不足以完全解释人类对整体环境的感知。一些研究进一步探讨了声、视和热环境之间的跨感官相互作用，证明不同的感官刺激可能共同影响整体舒适度评价 [24,27,28]。然而，与办公室和教育建筑等典型建筑类型相比，室内商业环境中多种环境因素耦合效应的机制仍相对缺乏探索。

现有的多环境舒适度研究通常采用现场测量、问卷调查、统计建模和实验模拟。现场测量和主观问卷通常结合使用以建立环境参数与人类感知之间的关系。相关性分析、多元回归和结构方程模型可以确定变量之间关系的方向和统计显著性 [22]。在这些方法中，普通最小二乘法（OLS）回归具有模型结构简单、参数估计透明和解释直接的优势。回归系数和显著性检验可用于确定环境因素与舒适度评价之间关联的方向和统计显著性。基于公共建筑的现场调查数据，Cao 等人开发了一个多元线性回归模型，根据对单个环境因素的满意度来预测整体满意度 [29]。随后，Tang 等人采用 OLS 作为可解释的线性基线，并将其性能与非线性回归和机器学习模型进行比较 [30]。层次分析法、模糊综合评价和响应面方法经常用于确定不同环境因素的相对权重或联合效应 [21,31]。一些研究还使用了模拟工具，如 ENVI-met 和 Radiance，来评估热条件、光条件或空间形式对舒适度的影响 [32]。尽管这些方法为多环境舒适度研究奠定了基础，但在捕捉声、光和热因素共同影响下的非线性响应、阈值变化和联合变量效应方面仍存在局限性。近年来，机器学习方法越来越多地应用于建筑环境的舒适度预测，因为它们可以在不预先指定函数形式的情况下捕捉复杂的变量关系 [[33], [34], [35]]。相关研究应用集成学习、深度学习和其他数据驱动方法来预测耦合多因素效应下的建筑环境条件、空间性能和环境响应，从而提高了复杂场景下的预测能力，并为建筑环境优化提供了新的分析工具 [[36], [37], [38]]。同时，机器学习在以人为本的环境评估中的应用也受到了越来越多的关注。通过建立环境参数与人类感知响应之间的数据驱动关系，这些研究确定了影响舒适度和环境体验的关键因素，为预测复杂环境条件下的人类反应提供了新途径 [[39], [40], [41]]。此外，SHapley 加和解释（SHAP）可以解释复杂模型中每个变量对预测的方向和幅度贡献，从而提高模型的可解释性 [42]。因此，在使用 OLS 回归评估变量显著性后，本研究进一步应用机器学习和 SHAP 来识别 SET*、E 和 Lp 与 OCV 之间非线性贡献和关键运行范围。

综上所述，室内商业环境的特点是环境条件特别复杂。其用户具有高移动性、选择性，且通常在一特定空间内停留时间相对较短，而他们的活动包括浏览、购物、餐饮、社交互动和休闲。在办公室、教育建筑和开放空间中进行的研究为理解环境因素对人类舒适度感知的影响提供了重要基础。然而，由于不同建筑类型在空间功能、使用者行为模式和环境特征上差异较大，这些环境的研究发现无法直接转移到商业环境中。尽管商业环境中的舒适度研究已逐渐从单个环境因素的评估转向综合环境质量评价，但仍存在以下局限性：
(1) 多环境影响的机制仍未得到充分理解。大多数研究继续关注单个环境因素与满意度之间的统计关系，而声、光和热因素之间的相互作用及其共同塑造整体舒适度的机制尚未得到充分调查。
(2) 复杂商业环境中舒适度的形成需要进一步调查。尽管既往研究考察了购物中心等商业空间，但大多数集中在单个环境因素或整体环境满意度上。系统调查在商业环境中用户移动性、变化活动模式和多种同时存在的环境刺激共同作用下舒适度是如何形成的仍较为有限。
(3) 模型解释及其在实际环境控制中的应用仍有限。现有的机器学习研究主要强调预测性能，而不同环境变量的相对贡献、其关键影响范围以及面向商业环境实际环境控制的可解释分析仍探索不足。

基于上述研究空白，本研究旨在实现以下目标：
(1) 表征室内商业环境中 SET*、E 和 Lp 的分布，并考察不同声、光和热条件下人类舒适度的变化。
(2) 开发一个基于声、光和热因素的机器学习模型来预测整体舒适度。
(3) 识别影响整体舒适度投票（OCV）的关键环境变量，并比较 SET*、E 和 Lp 对 OCV 的贡献。
(4) 在声学环境难以控制的条件下，从预测模型中推导热 - 视觉补偿策略。

与以往关注单个环境因素或单一感官舒适度维度的研究不同，本研究通过结合现场测量与可解释机器学习方法，建立了耦合声 - 光 - 热条件下整体舒适度的预测和解释框架，以应对复杂的室内商业环境。它进一步探索了声学约束下的热 - 视觉补偿路径。研究结果为商业空间中的多环境协同控制和舒适度优化提供了定量支持。

章节摘要
研究对象与方法
郑州正弘汇商业综合体被选为现场调查的代表性室内商业环境。郑州位于中国寒冷气候区，冬季寒冷干燥，室内空间依赖集中供暖以维持基本热条件。大型商业综合体还包含多种空间场景，因此提供了相对较宽的声、光和热条件范围。

室内商业环境中声、光和热参数的分布特征
图 3 展示了美食广场、超市、活动区和服装区的 SET*、E 和 Lp 分布。四个环境之间观察到明显差异，表明购物中心内不同的功能空间提供了相对较宽的环境条件范围。
SET* 在各区域差异显著（图 3a）。活动区和美食广场的均值最高，分别为 22.5°C 和 22.0°C；服装区的均值是
视觉舒适度在购物中心多感官评价中的关键作用
本研究首先揭示了主观感知层面 VCV 的关键作用。这一结果与既往关于视觉环境和综合环境感知的研究一致。Choi 等人 [21] 发现，视觉舒适度是办公室建筑室内环境质量（IEQ）评估中不可或缺的一部分。

赵和李[56]在对多维室内环境质量的综述中同样指出，用户的环境体验不仅取决于……结论本研究调查了寒冷气候区一个典型的室内商业环境。基于770组同步现场测量数据和主观问卷，分析了声学、光照和热学参数与多维舒适度评价之间的关系。随后采用OLS回归、GBDT模型和SHAP来识别等效温度（SET*）、照度（E）和声压级（Lp）对OCV的影响。主要结论如下：（1）感官舒适度维度之间相互影响。声明吴鑫设计了实验。李沛涵撰写了论文。刘晓晶和夏伟杰修改了论文。付宇和袁世龙翻译了论文。赵萌指导了问卷实验。人工智能辅助技术声明在准备本手稿期间，作者仅使用ChatGPT（OpenAI）进行语言润色和改善可读性。所有AI辅助内容均由作者审阅和修订，作者对最终手稿承担全部责任。资助本文受河北工程大学研究生创新基金（XY2025091）资助。CRediT作者贡献声明吴鑫：概念设计。李沛涵：撰写初稿、可视化、软件、数据整理。刘晓晶：撰写——审阅与编辑。付宇：可视化。袁世龙：可视化。夏伟杰：撰写——审阅与编辑。赵萌：资金获取。吴鑫 | 李沛涵 | 刘晓晶 | 付宇 | 袁世龙 | 夏伟杰 | 赵萌