人工智能赋能的教育建筑室内环境质量改善与用户健康福祉研究

《Buildings》：Integrating Sustainability, Biodiversity, and Human Health to Improve Indoor University Spaces: A Comparative Case Study Using Real-Time Environmental Monitoring and AI-Driven Analysis

　　

摘要

几十年来，气候变化（CC）日益扰乱全球环境，对生物多样性、城市以及人类健康和福祉产生了严重后果。减缓人为排放并促进更健康、更可持续的建筑环境至关重要。尽管关于气候变化、生物多样性和公共卫生的研究日益增多，但利用人工智能辅助方法整合这些相互关联的问题以改善室内环境质量（IEQ）的研究仍十分有限。本研究旨在调查室内装饰材料（IFMs）在减少室内排放以及提升大学建筑内使用者的健康和福祉方面的作用。本研究采用混合方法途径（定性和定量），结合文献综述、文献计量分析以及对两个教育校区（埃及新吉萨大学（NGU）和意大利帕维亚大学（UNIPV））的比较案例研究。数据通过基于 PANAS 和 WHO-5 幸福指数的健康导向问卷收集，以评估使用者的感知，并通过基于传感器的监测来评估室内环境质量（IEQ），特别是室内空气质量（IAQ）以及一个与生物多样性相关的指标——自然视野百分比（VNP），以量化使用者座位层面的户外绿植可视性。环境监测读数被整合到一个与人工智能链接的平台中，以支持对两个选定教室的持续评估。调查结果显示，39% 的 NGU 受访者大多数时候经历头痛和疲劳，而 UNIPV 为 21%。在将这些浓度标准化为每位使用者和单位房间体积的污染物（CO₂、VOCs 和 NH₃）质量后——以控制两个教室尺寸和占用情况的差异，而非仅依赖原始 ppm 值——NGU 在所有三种污染物中每位使用者产生的排放量都更多。尽管样本量较小（n = 32），斯皮尔曼相关分析发现 28 种可能的福祉症状配对中有 20 种具有统计学显著性（p < 0.05），在此样本量下，这种模式若由偶然因素引起，则需要相当大的效应量。本研究提出了结合人工智能赋能监测平台的传感器信息指南，以确保更健康的室内环境。这种方法提供了一个实用框架，用于改善室内环境质量，减少与有害室内装饰材料排放相关的气候和健康风险，并促进教育建筑中的可持续性、生态福祉和使用者的生产力。