在建筑性能模拟中，通过整合计划行为理论与模糊多行为决策-making方法来对使用者行为进行建模

《BUILDING AND ENVIRONMENT》：Occupant Behaviors Modeling in Building Performance Simulation by Integrating the Theory of Planned Behavior and Fuzzy Multi-Behavior Decision-Making

　　• 将计划行为理论（TPB）和模糊理论整合到居住者行为模型中。
• 通过结构方程模型纳入主观因素。
• 在行为预测中使用模糊VIKOR方法和贝叶斯推断。

引言
在建筑物的运营阶段，能源性能受到多种因素的影响，包括建筑围护结构、设备系统、居住者行为和气候条件。研究表明，居住者行为对建筑能源性能有显著影响，其效果可达两倍或更多[1]，并且已被认为是关键影响因素之一[2,3]。在各种建筑类型中，办公楼是公共建筑领域的主要能耗者，具有巨大的节能潜力。在美国，办公楼占总商业楼面的17%和初级能源消耗的19%，使其成为发达国家中最耗能的建筑类型之一[4]。在澳大利亚，现有办公楼贡献了全国电力消耗的24%和大约10%的温室气体排放，预计能源使用量将增加84%[5]。一项针对印度尼西亚33栋办公楼的研究显示，平均能源使用强度（EUI）为160千瓦时/平方米/年，其中仅暖通空调系统就占总能源消耗的64.7%[6]。这些数据表明，提高办公楼的能源效率对于实现碳中和目标至关重要[7]。在建筑能源模拟领域，是否考虑实际居住者行为会对模拟结果产生显著影响[8]。此外，大量研究表明，在办公楼中，与热环境和视觉环境相关的行为（包括空调、风扇、窗户、照明和遮阳装置的控制）代表了居住者与建筑系统之间最主导和频繁的互动形式。这些行为直接驱动了室内空间70%以上的最终能源消耗[9]。同时，温度和照度作为最直接的物理环境刺激因素，是居住者决定调整设备最频繁的触发因素[10]。因此，关注与热环境和视觉环境相关的调整行为具有坚实的理论依据和实证支持，使其成为研究办公楼内能源相关居住者行为的合理切入点。居住者与建筑系统的互动（如恒温器调节、开窗闭窗、照明控制和设备使用）受到多种因素的影响，包括心理社会变量（如环境意识、责任归属、个人规范）、室内环境条件以及人口统计特征。居住者、行为和能源消耗之间的这种强烈相互作用使办公楼成为研究居住者行为的理想场所。

建筑中的居住者行为主要分为两种类型：移动行为和行动行为[11]。移动行为指的是个人在不同区域之间的空间转移，表现出随机性、规律性和多样性。行动行为则侧重于居住者根据需要操作建筑系统，以优化室内环境条件，包括空气质量、声学、视觉环境和热舒适度。

在居住者移动行为的建模方面，许多研究人员采用了马尔可夫链——一种时间序列建模方法。在这种框架下，所有系统状态都是直接可观察的，状态转移由马尔可夫转移矩阵定义，即居住者在下一个时间步的状态仅取决于当前状态[12,13]。贾等人基于现场测量数据使用DeST3.0开发了一个居住者行为模型，采用马尔可夫链来模拟空间移动，并结合三参数Weibull分布构建了一个环境事件驱动的模型，用于遮阳、开窗和空调控制行为，从而提高了能源性能评估的准确性[14]。陈等人提出了两种创新的非均匀马尔可夫链模型，分别适用于单区（MOSZ）和多区（MOMZ）场景[15]。MOSZ通过占用增量定义状态；MOMZ则扩展为状态向量以考虑区域间的交互作用，从而简化了概率计算。

基于代理的方法也被广泛用于居住者行为的建模。研究人员在真实建筑环境中放置了大量具有明确规则的代理，并通过调整参数生成了与实际情况高度匹配的整体移动模式[16]。Norouziasl等人提出了一种新颖的基于代理的占用模型，能够在不依赖历史占用数据的情况下实时精确模拟居住者的存在、位置和与建筑系统的互动，并将其应用于办公楼案例研究[17]。Malik等人开发了一个基于“详细程度”（LoD）的框架来表示居住者行为[18]。该框架根据居住者属性定义LoD，并动态结合行为属性以平衡模型复杂性和模拟效率。余等人提出了一个基于代理的模型来模拟工作场所占用情况和人际互动[19]。该研究将在线问卷与基于代理的模型相结合进行校准，使得能够在现有组织结构内模拟居住者行为。

在居住者行动行为的建模方面，Hunt提出了一种基于现场观察的切换行为模型，用于预测到达办公室和工作期间的手动照明使用情况[20]。王等人基于无记忆假设和心理物理函数提出了一种新的通用数学公式，描述了居住者能源相关行为与环境条件之间的关系[21]。孙K.和洪T.在EnergyPlus中模拟了五种居住者行为指标，发现单独指标最多可节省22.9%的能源，而综合指标最多可节省41.0%，证明了该方法的有效性和可靠性[22]。Jones等人基于测量数据开发了一个随机模型来模拟卧室开窗行为，使用多项式逻辑回归揭示了开窗概率与各种影响因素之间的内在关系，该模型可用于建筑性能模拟[23]。Fritsch等人提出了一个基于马尔可夫链的随机模型来生成开窗角度的时间序列数据，从而增强了建筑渗入设计程序的真实性[24]。Haldi和Robinson分析了居住模式、室内温度和室外气候参数对开窗行为的影响，基于连续测量数据考虑了个别行为的变异性，并开发并测试了几种建模方法[25]。陈等人采用机器学习方法首先将遮阳行为分类为三种行动类型，随后使用连续曲线模型预测遮阳状态，从而构建了一个高精度的遮阳行为预测模型[26]。Naspi等人研究了夏季地中海地区办公室的窗户和照明使用情况，确定了关键因素，并为未来的模拟提出了简化的交互模型[27]。陈等人开发了一个用于家庭选择多种设备的模糊模型，考虑了各种因素。然而，其决策变量是主观设定的，而非基于用户行为理论（TPB/SEM），这限制了其有效性[28]。

Ajzen的计划行为理论（TPB）根据行为意图预测居住者行为[29]。与逻辑回归或数据驱动模型不同，TPB通过三个因素更好地描述了适应性热行为：态度、主观规范（包括社会影响）和感知行为控制。这些因素决定了意图，进而驱动行为。

近年来，TPB在个人能源消费行为的研究中得到了广泛应用。在住宅领域，研究发现态度和主观规范显著影响了居民采用节能技术（如地热系统、光伏设备）的意愿。例如，刘等人基于对800个荷兰家庭的调查发现，态度和主观规范显著驱动了采用浅层地热系统的意愿，而感知行为控制则没有显著影响[30]。此外，关于德国房主的研究证实了TPB在解释屋顶光伏和高效率家电采用意图方面的有效性。在办公楼领域，Agyekum等人使用TPB分析了加纳办公楼居住者的空调使用行为，发现行为态度和主观规范对节能行为的影响大于感知行为控制[31]。何Q.和Sumiyoshi将TPB与行为模型相结合，模拟了日本办公室空调使用行为的心理驱动因素[32]。此外，胡等人发现“环保身份”在组织节能行为中的解释力高于传统的TPB变量[33]。这些研究表明，TPB能够有效捕捉能源消费行为背后的心理驱动因素，为此类研究提供了坚实的理论和方法论基础。因此，本研究采用TPB框架来开发问卷。在本研究中，如果用户打算与建筑互动，他们将积极地参与建筑系统的操作。

TPB由三个主要组成部分构成：
(1) 对行为的态度（AB）：态度是指个体对执行特定行为的整体评估，从积极到消极不等。根据Fishbein和Ajzen的期望价值理论，个体对行为的潜在结果持有许多信念，称为行为信念。在本研究中，这指的是用户更倾向于“经济节能”还是“舒适优先”。
(2) 主观规范（SN）：主观规范是指个体在决定是否执行特定行为时感受到的社会压力，反映了重要他人或社会群体对个体行为决策的影响。在本研究中，这指的是共享办公空间的用户受他人能源使用习惯或规范的影响程度。
(3) 感知行为控制（PBC）：感知行为控制是指个体对执行特定行为的难易程度的感知，反映了他们对可能促进或阻碍行为的因素的认识。在本研究中，这指的是即使遇到障碍（例如空调位置较远）时，用户仍坚持执行行为的程度。
(4) 行为意图（BI）：个体执行某种行为的主观意愿由上述三个因素共同决定，是实际行为的最佳预测指标，如图01所示。

基于上述文献，关于建筑中居住者行为的研究取得了显著进展。然而，以往的研究主要依赖于实证数据，并使用逻辑回归或机器学习等方法来开发行为模型。虽然这些方法可以预测某些居住者行为的发生，但往往无法充分捕捉个体主观差异和外部因素带来的复杂性。特别是，它们通常忽略了关键的主观因素——如与使用能源设备相关的经济考虑、共享环境中的社会影响以及设备调整的便利性——在居住者决定操作建筑系统时的作用。这种遗漏导致了设备使用行为的偏差表示，从而影响了建筑能源消耗和热舒适性能模拟的准确性。实际上，居住者在“感知、解释和响应”室内环境的方式可能存在显著差异。为了解决这些局限性，本研究基于TPB进行了研究。它通过问卷调查和结构方程模型（SEM）将主观因素纳入建模过程，并进一步结合模糊理论和贝叶斯推断，开发了一个更真实地捕捉居住者行为随机性和复杂性的行为模型。

方法论
本研究关注居住者行为心理学，并基于TPB和FMB（如模糊VIKOR（FV）开发了办公楼居住者行为模型。居住者具有与能源使用相关的个性化主观心理特征。该模型采用基于TPB设计的问卷，有效识别不同环境条件下居住者对关键决策标准（如舒适度、经济性和规范遵从性）的模糊偏好。

数据收集
本研究通过问卷调查收集了400个有效样本，其中约35%来自案例研究建筑。在四个房间的六个工作单元进行了现场测量，连续三个月监测了空调、风扇、窗户和遮阳设备的实际使用情况。收集的数据包括居住者行为记录、室内和室外环境参数以及补充访谈材料。

建筑性能的收敛性分析
由于居住者行为的随机性，建筑能源消耗存在不确定性。本研究采用蒙特卡洛模拟来探索能源消耗的分布特征[47]。通过绘制累积平均能源需求与模拟次数之间的关系曲线来评估收敛性：当曲线稳定时，即认为达到了收敛。模拟的能源需求数据被发现遵循正态分布，其概率密度函数表示为 f(x) = 1/√(2πσ2)。

**结论**
本研究创新性地构建了一个 TPB-FMB 框架，该框架可以通过多种方法（TPB、模糊 VIKOR 和生存函数分析）的有机整合，针对不同的办公楼场景进行校准，以全面解决使用者能源使用行为中的随机性和不确定性问题。此外，通过精心设计的问卷调查和严格的结构方程建模，本研究深入探讨了 CRediT 作者的行为特征和偏好。

**CRediT 作者贡献声明**
陈高翔（Gaoxiang Chen）：概念化、资金筹集、调研、软件开发、原始稿撰写。
刘 chu（Chu Liu）：概念化、软件开发、原始稿撰写、方法论设计。
李晓东（Xiaodong Li）：方法论设计、项目监督、撰写与编辑。
徐瑞云（Ruyun Xu）：方法论设计、项目监督、撰写与编辑。
周振宗（Zhenzong Zhou）：方法论设计、项目监督、撰写与编辑。
姚健（Jian Yao）：资金筹集、项目管理、资源协调、项目监督、撰写与编辑。

**CRediT 作者贡献明细**
陈高翔（Gaoxiang Chen）：原始稿撰写、验证、软件开发、资源协调、项目管理、方法论设计、调研、资金筹集、概念化。
刘 chu（Chu Liu）：原始稿撰写、可视化效果设计、软件开发、方法论设计、调研、数据整理。
李晓东（Xiaodong Li）：撰写与编辑、项目监督、资源协调、方法论设计、概念化。
徐瑞云（Ruyun Xu）：原始稿撰写、软件开发、方法论设计、调研、概念化。

共同作者：陈高翔（Gaoxiang Chen）、刘 chu（Chu Liu）、李晓东（Xiaodong Li）、徐瑞云（Ruyun Xu）、周振宗（Zhenzong Zhou）、姚健（Jian Yao）