由于气候变化,建筑物经常面临极端高温事件的威胁[1],这对其热韧性提出了严峻考验。这里所说的建筑热韧性,指的是建筑物在极端高温事件以及停电等系统故障期间仍能维持适宜室内环境的能力,是一种重要的适应策略[2]。在发生停电的多日热浪期间,热韧性较低的建筑物内部温度会迅速上升,给使用者带来严重的健康风险[3,4]。虽然人体能够承受一定程度的核心温度上升,但当核心温度接近或超过39摄氏度时,出现恶心、头晕和呕吐等症状的热相关疾病风险就会增加[5]。对于那些体温调节能力较弱的弱势群体,比如老年人以及患有心血管、呼吸系统或肾脏疾病等慢性病的人而言,这类风险更为严重[6]。
热应激指的是环境条件给身体带来的外部热负荷,而热压力则是指身体对这种负荷产生的生理和感知反应[5,7]。这一区别对于建筑热韧性研究非常重要,因为相同的室内热应激在不同人身上可能引发不同程度的热压力,这取决于年龄、健康状况、适应能力、水分摄入、用药情况以及体温调节能力等因素[8]。因此,准确评估热压力对于及时采取有效干预措施极为关键。目前的方法包括核心温度和心率等生理监测手段[7,9,10],以及热感受评分和热偏好等结构化感知量表[9,[11], [12], [13]],这些方法都能从不同角度反映热压力状况。然而在建筑热韧性研究中,人们往往使用基于环境阈值的指标来评估使用者的风险,这些指标包括固定的或动态设定的空气温度限值,以及综合考虑空气温度、辐射温度、湿度和空气流速的指数型指标[[14], [15], [16], [17], [18]]。还有些研究则采用单维度的感知量表[19]。这些方法具有实际优势:基于环境阈值的指标和指数型指标无需考虑使用者的情况,只需通过建筑模拟即可得出;而单维度的热感受量表则易于使用,或者可以通过预测平均评分等热舒适模型来估算。不过,它们仍然只是反映使用者热压力的间接指标,难以全面体现其多维度且因人而异的特征。
人们可以通过内感受能力感知自身所经历的热压力,所谓内感受能力,指的是神经系统感知、解读并整合来自身体内部的信号,包括与体温调节、心血管功能以及疼痛感知相关的信号[[20], [21], [22]]。由高温引发的症状很少单独出现,通常会涉及多个生理系统,比如出汗、头晕、认知功能下降、头痛、恶心以及心血管负担加重[23,24]。因此,开放式语言或许能为使用者提供一种表达方式,让他们能够描述多种症状的同时出现情况、相对严重程度以及发展进程,而这些是单一维度的排序量表无法实现的[25,26]。例如,某位使用者可能会同时表示自己感觉过热、难以集中注意力且出汗严重,这样一句话就能涵盖多种生理和认知方面的信息。这表明,只要能够对这类语言进行系统化的处理和量化,它就可以成为评估热压力的有用工具。
自然语言处理技术的最新进展,尤其是大型语言模型的出现,为将开放式描述转化为结构化指标带来了新的可能性。大型语言模型提升了从非结构化文本中提取结构化、可量化信息的能力[27,28]。在医疗领域,大型语言模型已经能够从患者的自由文本描述中提取具有临床意义的指标,其准确性甚至可与专业的人类编码员相媲美[29,30]。在建筑领域,大型语言模型也被应用于与热相关的评估任务,比如从新闻报道中提取城市热风险信息[31],或者根据智能恒温器的工作数据对热浪期间的家庭降温行为进行分类[32]。这些应用都证明了大型语言模型能够在建筑相关场景中处理自然语言[33]。不过,目前还不存在一种经过验证的方法,能够从使用者的开放式描述中提取出多维度、个体化的热压力指标,而且这类从语言中得到的指标是否与现有的感知和生理测量结果一致,也尚不清楚。要弥补这一不足,就需要一种系统化的方法,将使用者的言语转化为可量化的热压力指标,并通过现有的感知和生理测量结果对其进行实证验证。
本研究旨在探究以下两个问题:(1)开放式的热压力描述是否可以转化为可用于及时识别室内高温压力的实用指标;(2)这类从语言中提取的指标是否能够作为在建筑热韧性评估中判断使用者热压力的有效且富有信息量的工具。我们期望未来的建筑物能够通过自然语言与使用者互动,从而帮助识别热压力(见图1)。本研究共设置了两个研究问题:
研究问题1:是否可以将使用者关于高温暴露的开放式描述系统地编码成一种可靠的多维度测量工具?
研究问题2:从语言中提取的热压力维度与结构化的感知评分及生理反应之间有何关联?而且随着高温暴露的加剧,这些关联是否会发生变化?
具体而言,研究问题1关注的是如何将非结构化语言转化为多维度编码框架,并检验其重复性。研究问题2则通过检测从语言中提取的指标是否与结构化的感知评分及生理反应一致,以及这些关联是否会随着高温强度的增加而发生变化,从而评估其收敛有效性。
本研究对23名健康成年人进行了控制性的高温暴露实验,在120分钟的逐步升温过程(温度从24摄氏度升至40摄氏度)中,这些参与者既需要提供开放式语言描述,也需要给出结构化的感知评分,同时他们的生理反应也会被持续记录下来。通过大型语言模型辅助的主题分析,研究者构建出了一个热压力编码分类体系,该体系还经过了独立人类编码员的验证,之后被应用于全部数据集。随后,这些从语言中提取的严重程度指标又被分别与结构化的感知评分以及同步记录的生理数据进行了对比分析。