综述：建筑环境中个人热舒适性的可穿戴感知：从感知到执行鸿沟的系统综述

《Sensors》：Wearable Sensing for Personal Thermal Comfort in the Built Environment: A Systematic Review of the Gap from Sensing to Actuation

　　

摘要

可穿戴传感器能够实现对人体生理参数和近身环境参数的连续、无创监测，为热舒适度评估和建筑控制提供了一种以 occupants 为中心的替代方案。本系统综述分析了117项研究（2008–2026年）中使用的可穿戴传感器，将其追溯为四个阶段的流程：感知、信号集成、舒适度建模和建筑执行。这一分析揭示了一个此前未被量化的瓶颈：虽然全部117项研究均进行了感知，83项（71%）集成了生理与环境信号，但仅有52项（44%）建立了预测模型，且只有5项（4%）进入了建筑执行阶段，其中仅3项实现了闭环、可穿戴信息驱动的控制。皮肤温度（77项研究，66%）和心率（69项，59%）是最常被监测的信号，主要采集位置为手腕（70项，60%）；多模态配置相较于单一领域方法具有更高的准确性。机器学习模型的中位分类准确率接近90%，但验证策略至关重要：留一被试法（leave-one-subject-out）的准确率为85%，而被试内k折交叉验证的准确率为90%。本研究识别出五项结构性局限：样本量小且同质化严重（中位参与者数为16人）、实验以实验室设计为主（73项，62%）、验证方法不一致、开放数据有限，以及多 occupants 数据聚合问题尚未解决。该领域已经学会了测量 occupants 的状态，但尚未学会根据测量结果采取行动。弥合这一差距需要开放基准数据集、包括留一被试法测试和PMV基准验证在内的标准化验证方法、迁移学习、多 occupants 集成以及对弱势群体的包容性招募。