外廊朝向差异下教学建筑采光与热性能协同优化及异质化设计策略研究

《Buildings》：Synergistic Optimization of Daylighting and Thermal Performance and Heterogeneous Design Strategies for Teaching Buildings with Different Exterior-Corridor Orientations

　　

：降低教学建筑运行能耗是减少建筑碳排放的重要途径。对于广州地区带外廊的教学建筑而言，外廊朝向改变了太阳辐射暴露、遮阳及采光条件，使得采用同一设计策略难以同时改善采光与制冷性能。本研究通过参数化建模、建筑性能模拟、多目标优化及机器学习分类，对广州地区典型线性外廊式教学建筑进行了系统研究。与基准方案相比，北向走廊整体最优方案将空间采光自主性（sDA）和有效采光照度（UDI）分别提升了0.104和0.097，并将制冷能耗强度（Ec）降低了12.35%；对应的南向走廊方案则将两项采光指标分别提升了0.068和0.018，并将Ec降低了19.40%。高性能方案在参数分布上呈现明显差异：南向走廊方案中教室进深主要集中在8.5–9.0 m，走廊宽度为2.6–2.8 m，较宽的走廊可提供自遮阳效应；北向走廊方案中教室进深为8.5–10.0 m，走廊宽度主要集中在2.2–2.6 m。多层感知机（MLP）分类器实现了约0.98的精确率与召回率调和均值，可支持方案设计初期的快速筛选。特征归因分析表明，对于北向走廊方案，教室进深对高性能分类的贡献最大；而对于南向走廊方案，走廊侧窗墙比（WWRc）的贡献最为显著。因此，外廊朝向与性能数值、有利参数分布及设计参数优先级均存在关联。在广州案例的采样设计空间内，两种走廊构型不应采用相同的参数调整顺序。

论文解读文章

一、研究背景与问题提出

建筑与建造行业仍是全球能源消耗和碳排放的主要来源。据联合国环境规划署及全球建筑与建造联盟最新报告，该领域约占全球二氧化碳排放总量的37%，2024年建筑运行碳排放上升约1%至9.9 GtCO₂。尽管建筑能效持续改进，但距2050年净零排放目标仍有明显差距。在此背景下，降低建筑运行能耗成为建筑部门低碳转型的重要任务。

教学建筑因其自然通风潜力、高效的空间组织及适应性，成为校园建筑中最常见的空间原型。在实际运行中，外走廊不仅是连接教室的交通空间，更是调节直射太阳辐射和局部建筑微气候的过渡界面。不同外廊朝向（如北向走廊与南向走廊）会导致建筑围护结构接收的太阳辐射量及局部气温呈现显著的空间异质性。当走廊布置在建筑特定一侧时，其悬挑深度构成重要的物理遮阳构件，由此引发的局部微气候和辐射条件变化，使教学建筑面临复杂的设计挑战：在维持采光质量（以sDA和UDI衡量）的同时控制制冷能耗强度（Ec）。

现有建筑性能优化研究虽已广泛探讨被动设计参数对能耗和采光的影响，但多数研究聚焦于常规均质办公空间或标准教学空间，针对带外廊教学建筑的专门研究仍较有限。在热环境方面，既有研究多集中于整栋建筑能耗的宏观计算，较少关注不同外廊朝向下热环境演变的差异。在多目标协同优化方面，多数研究将建筑视为均质系统，较少关注不同立面及朝向间的气候响应差异。此外，现有机器学习模型多为回归型代理模型，缺乏可解释性，难以在设计初期快速判断方案是否处于同时实现高sDA、高UDI和低Ec的“高性能区域”。

广州地处夏热冬暖地区，夏季漫长炎热潮湿，建筑能耗以制冷为主导。高校教学建筑人员密度较高，同时需维持充足室内采光，这形成了控制太阳得热与利用天然采光之间的直接权衡。广州校园常见的线性外廊式教学建筑在空间上具有不对称性：北向走廊时，教室主要外窗朝南，接收较多直射太阳辐射；南向走廊时，走廊自身提供较深水平遮阳，教室主要外窗朝北，更多依赖天空散射光。翻转走廊朝向不仅改变辐射与遮阳条件，还可能改变有利设计参数的分布及采光与制冷能耗间的权衡关系。

二、研究内容与意义

本研究旨在回答一个更具针对性的问题：当走廊从建筑一侧移至另一侧，而其他模拟与运行条件保持不变时，与高性能方案相关的设计参数分布和优先级是否保持稳定？研究并非简单证明朝向影响性能，而是在相同设计变量、气象条件及性能目标下，对比北向与南向走廊原型的帕累托解集，考察高性能方案的参数分布是否发生变化，以及参数对整体高性能分类的贡献排序是否保持一致。

本研究有三方面贡献：第一，在相同气象、运行、设计变量及优化设置下，对比北向与南向外廊的有利参数组合及相应采光与制冷性能，并基于共同基准评价优选方案；第二，考察走廊从北侧移至南侧是否改变相同设计变量对高性能分类的贡献，利用模型解释比较预测特征的贡献幅度与方向；第三，建立朝向特异性的分类模型，用于广州地区教学建筑方案的初步筛选。

三、主要技术方法

研究人员采用集成参数化模拟、多目标优化与机器学习分类的综合框架，包含四个依次衔接的阶段。参数化建模阶段在Rhino 8和Grasshopper中开发可批量迭代的几何模型，以2025年4月至6月对广州12所高校36栋教学建筑的实地调研为基础，其中线性建筑占77.8%（28/36），被选为主要原型。教室进深、教室宽度、外廊尺寸、窗墙比、遮阳构件及围护结构参数被参数化为16个设计变量。性能模拟采用Ladybug Tools和Honeybee，以Radiance进行年度采光模拟，以EnergyPlus进行制冷能耗模拟。多目标优化采用Grasshopper的Wallacei插件实现NSGA-II算法，北向与南向走廊原型在相同设计变量范围、材料属性、气象数据及运行条件下分别优化，每轮运行40个体、60代，交叉概率0.90，变异概率0.05。分类建模阶段构建了XGBoost、LightGBM、支持向量机（SVM）和多层感知机（MLP）四种监督分类模型，并采用SHapley Additive exPlanations（SHAP）进行特征贡献分析。模拟工作流已通过实测数据验证，北向与南向教室照度模拟的决定系数（R²）分别为0.944和0.936，温度模拟对应值分别为0.934和0.929。

四、研究结果

（一）实地测量与模型验证

实地测量显示不同朝向教室的采光与热环境存在明显差异。监测期间大部分时段，南向教室室内照度高于北向教室，两教室均在正午达到峰值照度，南向教室约500 lx，北向教室约400 lx。南向教室室内温度总体较高，峰值达27.5 °C；北向教室峰值温度较低，为25.5 °C，且白天波动较小。模拟工作流在相同标定边界条件下较好地复现了两个朝向教室的日变化趋势。

（二）多目标优化结果分析

帕累托最优解集中设计参数分布因走廊朝向而异。南向走廊模型（外窗朝北，主要依赖散射光）的教室进深（D₁）集中于8.5–9.0 m；北向走廊模型（外窗朝南，接受直射阳光）的D₁扩展至8.5–10.0 m。走廊宽度（W₂）方面，南向走廊为2.6–2.8 m，北向走廊为2.2–2.6 m。较宽的南向走廊向外突出更多，增加自遮阳面积，在直射太阳辐射到达教室玻璃前将其拦截，从而降低Ec。立面参数方面，北向走廊模型的外窗高度（H₂）和外窗台高度（H₃）主要为2.0–2.2 m和1.0–1.1 m，南向走廊模型两者分别集中于2.0 m和1.1 m。两种走廊朝向的外窗窗墙比（WWR_e）均达到0.20。热工参数呈现较强收敛性，外窗玻璃类型（GT_e）和走廊侧玻璃类型（GT_c）在两种朝向下均完全收敛至类型2，即Low-E玻璃，其可见光透射率为0.68，太阳得热系数（SHGC）为0.46，U值为1.72 W/(m²·K)。外遮阳深度（D₂）在北向走廊模型主要为0.7 m，南向走廊模型观测范围为0.5–0.7 m。

代表性方案分析显示，北向走廊模型存在明显的采光与热性能权衡。sDA最大方案采用较小教室进深（D₁ = 8.0 m）和外窗WWR为0.35，将sDA提升至0.906，但Ec急剧上升至37.31 kWh/m²。Ec最小方案将D₁增至10.0 m并将走廊侧WWR降至0.20，Ec降至25.57 kWh/m²，但sDA和UDI分别降至0.430和0.371。北向走廊整体最优方案实现sDA为0.856、UDI为0.790、Ec为29.23 kWh/m²，其中D₁设为8.5 m，走廊侧WWR为0.50以维持散射光渗透，同时严格控制外窗比例以限制得热。南向走廊整体最优方案实现sDA为0.820、UDI为0.711、Ec为26.88 kWh/m²，其中走廊宽度增至2.8 m以利用更宽走廊投影的遮阳效应，外遮阳深度为0.60 m，同时保持较高走廊侧WWR以补充采光。

（三）分类性能与模型解释

四种分类器中，MLP在两种走廊朝向下均表现最优。测试集F1分数在南向走廊为0.979，北向走廊为0.984。五折交叉验证中，MLP在南向走廊的精确率、召回率和F1分数分别为0.941 ± 0.006、0.944 ± 0.004和0.942 ± 0.002；北向走廊对应值为0.946 ± 0.004、0.942 ± 0.004和0.944 ± 0.001。

SHAP分析显示，北向走廊模型中，教室进深（D₁）在全部四种模型中均排名第一，走廊侧窗墙比（WWR_c）和走廊宽度（W₂）也是重要参数，贡献分别为16.6–26.2%和8.9–11.0%。较低的D₁、较高的WWR_c和较低的W₂值主要分布在正SHAP区域，表明这些参数设置有利于采光与热性能的协同提升。南向走廊模型中，特征重要性集中于走廊侧立面，WWR_c在全部四种模型中均排名第一，贡献为28.4%–41.5%，走廊窗间墙宽度（W₄）持续排名第二，贡献为11.3%–17.0%。高WWR_c值一致对应正SHAP值，较高的W₄值主要关联负SHAP值，表明较小的W₄更有利于高性能预测。走廊宽度（W₂）在南向模型中较高值倾向于正贡献，与北向模型中较低值对应正贡献的方向相反，表明走廊宽度的有利范围随走廊朝向而变化。

五、讨论与结论

研究表明，两种走廊构型的差异不仅在于产生各自独立的优化设计方案。在帕累托解集内，教室进深、走廊宽度、走廊侧窗墙比和走廊窗间墙宽度呈现不同分布，表明改变走廊朝向同时改变了设计变量的有利组合，为一种构型推导的参数优先级不应直接应用于另一种构型。与共同基准相比，北向走廊整体最优方案将sDA和UDI分别提升13.83%和14.00%，并将Ec降低12.35%；南向走廊方案将sDA和UDI分别提升9.04%和2.60%，并将Ec降低19.40%。这些变化源于多个参数的综合优化，不能归因于任一单一变量的独立效应。

在参数贡献方面，北向走廊模型中D₁对高性能分类贡献最大，其次为WWR_c；南向走廊模型中WWR_c为主导变量，W₄和W₂也更为突出。两种原型不仅在参数数值上存在差异，分类器识别高性能方案所依赖的参数组合也不同。在所研究的设计空间内，两种走廊构型需要不同的参数调整优先级。

研究结论可归纳为四点：其一，南向走廊模型中教室进深主要为8.5–9.0 m、走廊宽度为2.6–2.8 m；北向走廊模型中D₁为8.5–10.0 m、W₂为2.2–2.6 m。其二，相对基准，北向走廊整体最优方案将sDA和UDI分别提升13.83%和14.00%，Ec降低12.35%；南向走廊方案将sDA和UDI分别提升9.04%和2.60%，Ec降低19.40%。其三，两种走廊构型的高性能预测关联变量排序不同，北向模型中D₁贡献最大，南向模型中WWR_c贡献最大。其四，MLP在两个测试集上分别实现0.979和0.984的F1分数，NSGA-II与MLP的结合使设计者能够在方案设计初期快速筛选具有较高采光与热性能协同提升潜力的设计方案，同时将朝向差异转化为参数调整的设计指导。

研究存在若干局限：优化目标未直接包含眩光、自然通风、热舒适或随机 occupant 行为；调研、测量和参数化模型聚焦于广州样本中观察到的南北向主朝向构型，东西向案例未纳入当前比较；定量发现适用于采样设计域和广州案例条件，参数范围不应直接迁移至采暖主导地区。未来研究将建立东西向原型并进行四朝向详细比较，开展跨城市跨气候验证，并采用独立随机种子和生成样本测试分类器的稳定性。