数据驱动的视觉-热舒适热点优先级排序：高性能办公建筑的综合方法

《Solar Compass》：Data-driven prioritization of visual–thermal comfort hotspots: an integrated approach to highperformance office buildings

　　

办公建筑通过复杂的采光、遮阳和立面系统以及高能耗的制冷与供暖系统来控制室内环境。然而，现行标准往往忽视了太阳辐射的局部热效应，导致近窗区域的舒适度评估不准确。一些具有挑战性的开放式办公空间，其平面进深较大，意味着靠近窗户的区域与办公空间其他部分的环境条件不同。这种条件差异表明，需要识别一个精确的预测区域（predicted-zone），以确定工作环境中最适合用户的位置，同时兼顾热舒适与日光需求。该方法依赖于一个综合模拟框架。本文通过对大量模拟生成数据进行统计分析（采用Spearman相关系数）并考察主要外部因素（气候特征）的影响，随后结合插值技术，旨在制定办公建筑中一个维度标准化区域的定义，称为“敏感区”（sensitive zone），作为出现不适条件的方法框架。综合而言，敏感区可定义为在直射阳光影响下，日光与热舒适相互作用对设计师实现高效办公室设计至关重要的区域。为获得适用于所有纬度的综合标准公式，本研究选取了三个基础地点（吉隆坡、德黑兰和斯德哥尔摩）以及10个验证地点。结果表明，插值（敏感区）随纬度和气候条件的不同而变化（差异约为6米）。结果显示，敏感区深度范围从赤道地区的约1.7米到高纬度地区的7.5米不等。

### 论文解读：数据驱动的视觉-热舒适热点优先级排序——高性能办公建筑的综合方法

#### 研究背景与问题

随着人们室内活动时间的增加，室内环境质量（Indoor Environmental Quality, IEQ）对 occupants 的舒适度与福祉影响日益显著。多项研究表明，个体约有90%的时间在室内度过，IEQ的优化可带来显著的社会、经济与环境效益。然而，当前建筑标准（如ANSI-ASHRAE Standard 55、ISO 7730及EN-16798）在热舒适评估中往往忽略太阳短波辐射的局部热效应，导致近窗区域的舒适度预测不准确。在进深较大的开放式办公空间中，靠近窗户的区域与内部区域存在显著的环境差异，直射阳光造成的局部过热与视觉不适问题尤为突出。传统的基于预测平均投票（Predicted Mean Vote, PMV）与预测不满意百分比（Predicted Percentage of Dissatisfied, PPD）的模型在计算室内平均辐射温度（Mean Radiant Temperature, MRT）时仅考虑内表面的长波辐射，未纳入直射短波辐射，从而低估了近窗区域的热应力。此外，现有研究多孤立地分析热舒适或采光性能，缺乏对两者交互作用的系统量化。因此，需要一种能够综合日光与热舒适交互影响、并适用于不同气候与纬度条件的预测方法，以辅助早期设计阶段的工作站布局与立面设计。

#### 研究目的与方法

本研究旨在定义并量化办公建筑中的“敏感区”（Sensitive Zone, Sz），即直射阳光影响下日光与热舒适交互作用显著的区域。研究采用数据驱动的模拟方法，通过EnergyPlus和Radiance等验证过的模拟引擎生成高分辨率逐时数据，并运用Spearman秩相关系数分析照度（Illuminance）与操作温度（Operative Temperature, T_op）之间的相关性，识别交互作用显著的“有效区”（Effective Zone, Ez）。随后，通过引入外部气候因素（温度偏差Td、纬度Lat与平均太阳高度角Msa之比）以及平衡指数（Balance Index, Bi），建立经验公式以计算敏感区深度。研究选取吉隆坡（低纬度）、德黑兰（中纬度）和斯德哥尔摩（高纬度）为基础地点，覆盖不同气候区（K?ppen分类），另选10个全球城市作为验证地点。

#### 主要技术与方法

1. **模拟框架**：利用Grasshopper环境中的Ladybug Tools（LBT版本1.3.0）插件，集成EnergyPlus（热模拟）与Radiance（采光模拟）引擎。模型为12m×6m×3m的朝南办公室，无遮阳，窗户全高（3m），机械系统关闭以纯粹评估太阳辐射影响。
2. **统计相关分析**：对6个传感器点（Sp1-Sp6）的逐时照度与操作温度数据计算Spearman秩相关系数，以确定日光与热舒适交互的空间边界。
3. **插值与公式推导**：基于模拟数据识别有效区几何边界（固定角度β），结合外部因素（Td、Lat/Msa）和地球轴倾角（Bi）推导敏感区公式。
4. **验证**：通过10个验证地点的回归分析（R2=0.812）确认公式的预测能力。

#### 研究结果

- **高纬度（斯德哥尔摩）**：太阳高度角极低，近窗传感器Sp1的照度与操作温度线性关系较强（R2=0.74），但随距离增大相关性急剧下降（Sp6的R2=0.10），表明敏感区延伸至空间深处。
- **中纬度（德黑兰）**：热干气候下，相关性在空间前半部保持线性（R2=0.60），但随深度增加散射加剧，相关系数在Sp4处降至0.03，而后在Sp6回升至0.1，呈现非单调变化。
- **低纬度（吉隆坡）**：太阳高度角高，辐射强度在近窗处较高（Sp1 R2=0.73），但整个空间内相关性变化较小（Sp6 R2=0.54），归因于热带气候的低温度波动。
- **PMV与照度对比**：所有地点中，PMV变化主要发生在靠近窗户的三分之二空间内，且照度变化幅度大于PMV，表明辐射对PMV的影响随距离衰减更快。
- **有效区识别**：Spearman系数显示，交互显著区域约为近窗三分之一空间，且该区域边界对应固定角度β，与窗口高度相关。
- **敏感区公式**：最终公式为Sz = k_scale·((Td/Ez)·(Lat/Msa) + Ez/Bi)，其中Bi为基于纬度查表的平衡指数。验证结果得出敏感区深度范围从赤道地区的约1.7米至高纬度地区的7.5米。

#### 讨论与结论

研究揭示了敏感区深度随纬度与气候显著变化：高纬度地区（如斯德哥尔摩）敏感区深达7.5米，远超传统3-5米周边区假设；而赤道地区（如吉隆坡）仅约1.7米。这挑战了现行标准对周边区固定深度的认知，提示设计者需根据当地太阳几何与气候波动调整立面策略和局部暖通控制。引入平衡指数Bi和平均太阳高度角Msa使公式能在设计早期预测关键区域，有利于工作站布局与自适应遮阳设计。然而，研究存在局限性：仅考虑南向立面、未模拟遮阳设备、机械系统关闭的被动条件，以及基于特定房间尺寸。未来工作将优化员工位置以平衡舒适与能耗。该研究为高性能办公建筑中视觉-热舒适交互的量化提供了实用工具，有助于实现以人为本的可持续设计。