CN116341274A - 基于视觉生理特征和舒适度的教室设计决策系统及方法 - Google Patents
基于视觉生理特征和舒适度的教室设计决策系统及方法 Download PDFInfo
- Publication number
- CN116341274A CN116341274A CN202310368335.8A CN202310368335A CN116341274A CN 116341274 A CN116341274 A CN 116341274A CN 202310368335 A CN202310368335 A CN 202310368335A CN 116341274 A CN116341274 A CN 116341274A
- Authority
- CN
- China
- Prior art keywords
- classroom
- visual
- visual comfort
- natural light
- comfort
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 223
- 238000013461 design Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 210000001525 retina Anatomy 0.000 claims abstract description 41
- 206010034960 Photophobia Diseases 0.000 claims abstract description 38
- 208000013469 light sensitivity Diseases 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 238000013480 data collection Methods 0.000 claims abstract description 10
- 230000006399 behavior Effects 0.000 claims description 50
- 230000002207 retinal effect Effects 0.000 claims description 24
- 238000005286 illumination Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 206010034972 Photosensitivity reaction Diseases 0.000 claims description 13
- 230000036211 photosensitivity Effects 0.000 claims description 13
- 230000007547 defect Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000004438 eyesight Effects 0.000 claims description 6
- 230000004313 glare Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- 230000008092 positive effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000010363 phase shift Effects 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 241000254032 Acrididae Species 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- YGYAWVDWMABLBF-UHFFFAOYSA-N Phosgene Chemical compound ClC(Cl)=O YGYAWVDWMABLBF-UHFFFAOYSA-N 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种基于视觉生理特征和舒适度的教室设计决策系统及方法,系统包括数据收集模块、视觉舒适度预测模块、方案选择模块;数据收集模块,用于量化得到目标使用人群相较于大学生群体视网膜光敏感性的群体视网膜光敏感性偏移特征;舒适度预测模块包括天然光环境仿真计算模型和视觉舒适度预测模型;用于实现教室天然光视觉舒适评价预测;方案选择模块,基于设计师的首要目标需求对既有教室设计方案进行优化修改,并获得若干套优化后的待评估方案;在此基础上,将待评估方案全部重新输入至视觉舒适度预测模块,并获得各待评估方案对应的视觉舒适度;最终获得最优教室采光设计方案。
Description
技术领域
本发明涉及一种教室光环境设计决策方法,特别是针对高校学生群体视觉生理特征和天然光舒适度评价的教室光环境设计决策方法。
背景技术
教室是学生上课和自主学习的主要场所,大学生具有视觉作业时间久、强度高的特点。在同等光环境参数条件下人眼对天然光环境的适应性、舒适性比人工照明环境更强。因此,教室空间的天然光环境质量对于学生群体的舒适性感受和长期视觉健康发展至关重要。然而目前主流的教室形式通常天然光环境质量较低。高校学生在教室内的长期学习过程中会持续受到低品质天然光环境的影响,进而对视觉健康产生严重损害,造成该群体的视觉生理水平偏移。目前高校教室设计缺乏对学生的天然光舒适度的考虑,且缺乏高校教室内特定人群和典型行为的天然采光设计优化方法。
目前与本申请最接近的现有专利及论文如下:
(1)多目标优化算法的天然光视觉与非视觉效应耦合优化方法(112307537B),该发明提供了一种建筑采光参数多目标寻优辅助设计决策的方法。通过建立参数化模型、多目标优化算法寻优、相关性和回归分析建立指标间关系的手段,实现仿真结合可视化的设计方案比选方法,强化非视觉效应在采光评价中的应用。
该发明整合了参数化平台和采光计算引擎,对采光的视觉和非视觉评价指标进行多目标寻优,辅助光环境设计决策。但所采纳评价指标均以建筑光环境参数和面积比为主体,未考虑空间使用人群的生理基础和感知评价,以及针对建筑特定功能的适应性调整。
(2)一种基于Grasshopper平台的天然光非视觉效应评估方法(110390161A),该发明提出一种对建筑采光的非视觉效应的影响进行评估的方法和可视化系统。通过气象数据转换非视觉照度和目标建筑空间采光模拟计算,进行建筑采光非视觉效应的时间和空间对应评估,并将结果可视化呈现,从而帮助设计人员评估建筑光环境。
该发明整合了WELL 2018标准和CEA评价法提出了一套光环境非视觉效应评价工具,推动了非视觉效应新计算法的使用。并且,基于Grasshopper平台进行结果图示展示,辅助设计人员决策。该方法针对非视觉效应,主要考虑建筑光环境对人体节律的影响,更加关注光环境的长期影响而不适用于天然光环境即时舒适度评价。该发明也未将建筑特定功能和人群生理水平纳入评价模型讨论范围。
(3)满足光舒适的教室照明节能评价模型及照明系统控制算法(112070332A),该发明提出一种能够满足教室视觉舒适度的照明节能评价模型,通过实验室条件下进行不同光环境参数和黑板、桌面、投影面的视觉满意度问卷评价实验,获取光环境参数对应舒适度评价等级的数据,然后采用支持向量机算法进行模型训练,建立视看面光环境视觉舒适度评价模型。
该发明通过建立教室光环境参数与不同视看面舒适度评价等级的量化关系,实现照度、色温照明参数的舒适节能联动调控。但该发明只针对人工照明环境,与天然光对人体的视觉与非视觉效应机制不同,无法应用于建筑采光评价中。虽然目标群体是大学生,但模型中未考虑个体视觉生理水平的影响作用。
综上所述,目前未发现“基于大学生视觉生理特征和高校教室天然光视觉舒适度评价的教室采光设计决策方法”方面的发明成果。
发明内容
本发明的目的是为了克服现有技术中的不足,提供一种基于大学生群体视觉生理特征和天然光舒适度的高校教室设计决策系统及方法。目的是通过对高校教室目标人群大学生群体(18-30岁,目标使用对象进行50人抽样检测)进行30度偏心角中心视野视网膜光敏感性测试,并对教学楼设计方案进行天然光环境模拟,将模拟结果指标代入所建立的标准化方程可得到三种典型行为模式下基于大学生群体视觉生理特征的天然光环境视觉舒适度的评价指标,进而采用该量化评价指标以及参量权重系数进行方案和优化,可实现高校教室天然光环境设计品质的提升,促进健康、舒适、高效、节能的健康建筑环境目标。
本发明的目的是通过以下技术方案实现的:
一种基于视觉生理特征和天然光舒适度的教室设计决策系统,包括数据收集模块、视觉舒适度预测模块、方案选择模块;
所述数据收集模块,包括含有平均视网膜光敏感度和模式标准偏差评价指标的大学生群体视网膜生理数据库,用于量化得到目标使用人群相较于大学生群体视网膜光敏感性的群体视网膜光敏感性偏移特征;
所述舒适度预测模块,包括天然光环境仿真计算模型和视觉舒适度预测模型;基于天然光环境仿真计算模型对教室所在地的光气候信息进行仿真计算,从天然光环境仿真计算结果中获取教室内各列工作面高度的平均天然光眩光指数、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度;然后,将天然光环境仿真计算结果及群体视网膜光敏感性偏移特征输入至视觉舒适度预测模型,计算获得既有教室设计方案中各列座位的天然光环境视觉舒适度;依据视觉舒适度预测模型输出结果,获得既有教室设计方案沿教室进深方向三种典型行为模式的各列天然光环境视觉舒适度平均值,并通过计算各列视觉舒适度的算数平均值获得教室三种典型行为模式下的整体视觉舒适度平均值,实现教室天然光视觉舒适评价预测;
所述方案选择模块,设计师根据视觉舒适度预测模块中获得的既有教室三种典型行为模式下视觉舒适度预测结果,并考虑三种典型行为模式下天然光环境参量对天然光视觉舒适度的贡献率排序优先级以及视觉舒适度预测模型中对应变量前的系数符号,其中″+”为对视觉舒适度产生积极作用,即变量越大,视觉舒适度随之增大;″-”为对视觉舒适度产生消极作用,即变量越大,视觉舒适度随之减小;根据设计师的首要目标需求对既有教室设计方案进行优化修改,并获得若干套优化后的待评估方案;在此基础上,将待评估方案全部重新输入至视觉舒适度预测模块,并获得各待评估方案对应的视觉舒适度;最终获得最优教室采光设计方案。
5.根据权利要求1所述一种基于视觉生理特征和天然光舒适度的教室设计决策系统,其特征在于,所述三种典型行为模式包括桌面视看、黑板视看以及桌面-黑板转换视看。
6.一种基于视觉生理特征和天然光舒适度的教室设计决策方法,基于所述权利要求1所述教室设计决策系统,其特征在于,包括:
S1.对教室设计的目标使用人群进行中心视野的30人次抽样视野检测,检测指标为平均视网膜光敏感度和模式标准偏差;
S2.通过与大学生群体视网膜生理数据库比对,确定目标使用人群的群体视网膜光敏感性偏移特征,即平均视网膜光敏感度缺损和模式标准偏差,计算方法如下:
MDp=MS0-MSm
PSDp=PSD0-PSDm
其中,MDp为目标使用人群与大学生群体的平均视网膜光敏感度差值,即平均缺损程度,dB;MS0为大学生群体平均视网膜光敏感度,dB;MSm为目标使用人群平均视网膜光敏感度,dB;PSDp为目标使用人群与大学生群体的模式标准偏差之差,dB;PSD0为大学生群体模式标准偏差,dB;PSDm为目标使用人群模式标准偏差,dB。
S3.基于既有教室设计方案建立天然光环境仿真计算模型,并根据待设计教室所在地的光气候信息进行仿真计算,从天然光环境仿真计算结果中获取教室内光环境参量,所述光环境参量包括各列工作面高度的平均天然光眩光指数、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度;
S4.基于视觉舒适度预测模型,将所述光环境参量与MDp及PSDp代入视觉舒适度预测模型中,并计算获得既有教室设计方案中各列座位的天然光环境视觉舒适度;其中视觉舒适度预测模型通过在真实教室内对大学生群体视网膜生理数据库中的受试者进行教室天然光典型行为模式的重点视看表面的视觉舒适度评价实验,所述重点视看表面包括桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为模式;收集180~220名受试者在不同天然光条件下的视觉舒适度主观评价结果,获取大学生群体天然光舒适度主观评价数据集;大学生群体天然光舒适度主观评价数据集包括桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为对应的重点视看表面的主观视觉舒适度结果,并以上述主观视觉舒适度结果作为输出变量,结合工作面高度的平均DGP、平均眼部垂直照度、桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、MDp、PSDp分别归一化的数值作为输入变量,采用结构方程模型的方法建立了桌面视看、黑板阅读视看以及桌面-黑板转换视看三种教室典型行为模式的视觉舒适度预测模型;
视觉舒适度预测模型如下:
其中,y1、y2、y3分别为桌面视看、黑板阅读视看以及桌面-黑板转换视看行为模式的视觉舒适度;x1、x2、x3、x4、x5、x6、x7分别为单列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、单列平均眼部垂直照度、单列工作面高度的平均DGP、MDp、PSDp归一化后的数值;
S5.依据视觉舒适度预测模型输出结果,获得既有教室设计方案沿教室进深方向三种典型行为模式的各列天然光环境视觉舒适度平均值,并通过计算各列视觉舒适度的算数平均值获得教室三种典型行为模式下的整体视觉舒适度平均值,实现教室天然光视觉舒适评价预测;
S6.设计师根据教室天然光视觉舒适评价预测结果,获得三种典型行为模式下天然光环境参量对天然光视觉舒适度的贡献率排序优先级以及视觉舒适度预测模型中对应变量前的系数符号,其中″+”为对视觉舒适度产生积极作用,即变量越大,视觉舒适度随之增大;″-”为对视觉舒适度产生消极作用,即变量越大,视觉舒适度随之减小;根据设计师的首要目标需求对既有教室设计方案进行优化修改,并获得若干套优化后的待评估方案;
S7.将待评估方案全部重新执行步骤S4和S5,获得各待评估方案对应的视觉舒适度;最终,结合非设计因素的外部限制条件和全部教室设计方案天然光视觉舒适度结果,决策获得最优教室采光设计方案。其中非设计因素的外部限制条件包括但不限于场地限制、成本造价等。
根据权利要求2所述一种基于视觉生理特征和天然光舒适度的教室设计决策方法,其特征在于,所述大学生群体视网膜生理数据库为通过180~220名大学生中心视野视网膜光敏感性测试,所建立的大学生群体视网膜生理数据库用于量化得到目标使用人群相较于大学生群体视网膜光敏感性的视网膜光敏感性偏移特征;视网膜光敏感性偏移特征包括目标使用人群与大学生群体的平均视网膜光敏感度之差,即目标使用人群相较于大学生群体中心视野平均视网膜光敏感性的平均缺损程度MDp,以及目标使用人群与大学生群体的模式标准偏差之差PSDp。
与现有技术相比,本发明的技术方案所带来的有益效果是:
1.以健康舒适的建筑光环境为目标的社会意义;
本发明系统和方法考虑了特定人群的视觉光敏感性特点,从而有针对性的进行精细化设计。天然光在提高舒适性、抵抗视疲劳、昼夜节律调节等方面均优于人工光,本发明通过量化预测教室天然光的视觉舒适评价,有助于推广教室天然光利用,关注高校人才健康发展,助力以健康为导向的建筑光环境品质提升发展。
2.高校教室性能化光环境设计方案决策方法的应用意义
受制于经济性和和功能性要求,国内主流的教育建筑通常为单侧采光的空间类型,这种教室形式容易导致低质量天然光环境,而天然光的优势是人工光无法取代的。本发明提出的基于人群特点的天然光舒适度评价预测模型,量化了典型教室行为模式下天然光环境参量以及视网膜生理水平对视觉舒适感受的影响机制,建立的视觉舒适度预测模型为高校教室采光设计方案的优化、遴选与决策提供切实可行的方法和工具,实现精细化的教室采光设计,促进建筑物理环境质量提升,推动高质量的健康绿色的建筑发展。
3.促进天然光利用减少照明能耗的经济意义
本发明提出的基于特定人群的天然光舒适度评价预测模型可以促进教室采光设计从而加强天然光利用。天然光是免费的、可持续的资源,通过天然光利用效率的提升,可以进一步降低照明能耗,提高建筑能源利用效率,降低建筑全年运行能耗,从而降低教育类公共建筑运营成本。
附图说明
图1是本发明方法的流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种大学生群体视网膜生理数据库,继而针对教室设计的目标使用人群进行中心视野视网膜光敏感性抽样测试,并根据大学生群体视网膜生理数据库确定该目标使用人群的视觉生理水平偏移特性。然后,基于待设计教室所在地光环境参量进行全部设计方案建筑采光仿真模拟,提取结果指标代入通过大学生群体教室典型行为模式的视觉舒适度实验而建立的视觉舒适度预测模型,可预测大学生对教室天然光舒适度评价结果。最后,通过多方案天然光舒适度结果的对比遴选,并根据参量权重系数提供的贡献率优先级进行优化,从而实现高校教室天然光环境设计决策。
为实现上述技术方案,本实施例基于大学生群体视觉生理特征和天然光舒适度的高校教室设计决策系统包括数据收集模块、视觉舒适度预测模块、方案选择模块。具体的:
数据收集模块:
首先对教室设计的目标使用人群进行中心视野的30人次抽样视野检测,检测指标为平均视网膜光敏感度和模式标准偏差。然后,通过与大学生群体视网膜生理数据库比对,从而确定目标使用人群的群体视网膜光敏感性偏移特征,即平均视网膜光敏感度缺损和模式标准偏差,其中大学生群体视网膜生理数据库为通过200名大学生中心视野视网膜光敏感性测试,包括有平均视网膜光敏感度和模式标准偏差的生理信息数据库,该数据库用于量化教室设计目标使用人群相较于大学生群体视网膜光敏感性的群体偏差情况。量化指标为目标使用人群与大学生群体的平均视网膜光敏感度之差,即相较于大学生群体中心视野平均视网膜光敏感性的缺损程度MDp,以及目标使用人群与大学生群体的模式标准偏差之差PSDp,MDp与PSDp的计算方法如下:
MDp=MS0-MSm
PSDp=PSD0-PSDm
MDp为目标使用人群与大学生群体的平均视网膜光敏感度差值,即平均缺损程度,dB;MS0为大学生群体平均视网膜光敏感度,dB;MSm为教室设计目标使用人群平均视网膜光敏感度,dB;PSDp为目标使用人群与大学生群体的模式标准偏差之差,dB;PSD0为大学生群体模式标准偏差,dB;PSDm为教室设计目标使用人群模式标准偏差,dB。
视觉舒适度预测模块:
基于既有教室设计方案建立天然光环境仿真计算模型,本实施例中天然光环境仿真计算模型基于天然光仿真计算工具Radiance建立,并根据待设计教室所在地的光气候信息进行仿真计算,进而从天然光环境仿真计算结果中获取教室内各列工作面高度的平均天然光眩光指数(DGP)、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度。然后,基于视觉舒适度预测模型,将天然光环境仿真计算结果中提取的上述光环境参量与数据收集模块中获得的MDp与PSDp代入视觉舒适度预测模型中,并计算获得既有教室设计方案中各列座位的天然光环境视觉舒适度。
其中视觉舒适度预测模型,其建立方式为通过在真实教室内对大学生群体视网膜生理数据库中的受试者进行教室天然光典型行为模式的重点视看表面(桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为模式)的视觉舒适度评价实验,收集200名受试者在不同天然光条件下的视觉舒适度主观评价结果,从而获取大学生群体天然光舒适度主观评价数据集。大学生群体天然光舒适度主观评价数据集包含了桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为对应的重点视看表面的主观视觉舒适度结果,并以上述主观视觉舒适度结果作为输出变量,进而结合工作面高度的平均DGP、平均眼部垂直照度、桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、MDp、PSDp分别归一化的数值作为输入变量,采用结构方程模型的方法建立了桌面视看、黑板阅读视看以及桌面-黑板转换视看三种教室典型行为模式下的视觉舒适度预测模型。
视觉舒适度预测模型如下式:
其中,y1、y2、y3分别为桌面视看、黑板阅读视看以及桌面-黑板转换视看行为模式的视觉舒适度;x1、x2、x3、x4、x5、x6、x7分别为单列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、单列平均眼部垂直照度、单列工作面高度的平均DGP、MDp、PSDp归一化后的数值。视觉舒适度预测模型获得的数值结果仅具有遴选与决策的相对值意义,其绝对值无意义。
依据视觉舒适度预测模型输出结果,可获得既有教室设计方案沿教室进深方向三种典型行为模式的各列天然光环境视觉舒适度平均值,并可通过计算各列视觉舒适度的算数平均值获得高校教室三种典型行为模式下的整体视觉舒适度平均值,从而实现教室天然光典型形式视觉舒适评价预测。
方案选择模块:
由天然光视觉舒适度预测模型中各输入变量分别对三种典型行为模式下天然光视觉舒适度的贡献率作为基础,详细贡献率数值信息见表1。设计师可根据教室典型行为模式视觉舒适度预测模块中获得的既有教室设计方案三种典型行为模式下视觉舒适度预测结果,并考虑三种典型行为模式下天然光环境参量对天然光视觉舒适度的贡献率排序优先级以及视觉舒适度预测模型中对应变量前的系数符号(″+”为对视觉舒适度产生积极作用,即变量越大,天然光视觉舒适度随之增大;″-”为对视觉舒适度产生消极作用,即变量越大,视觉舒适度随之减小),根据设计师的首要目标需求对设计方案进行优化修改,并获得若干套优化后的待评估方案。在此基础上,将待评估方案全部重新输入天然光视觉舒适度预测模型,并获得各待评估方案对应的视觉舒适度。最终,结合非设计因素的外部限制条件和全部教室设计方案天然光视觉舒适度结果,决策获得最优教室采光设计方案。
表1输入变量对三种典型行为模式下天然光视觉舒适度的贡献率
具体的,本实施例选择三类光气候区用于教学楼功能的某新建高校教育建筑南向一中等规模教室对发明最佳实施方案进行阐述。
首先,对该项目的大学生使用人群进行30人次的中心视野抽样检测,并调用数据收集模块中的大学生群体视网膜生理数据库,获得PSDp,MDp的数值。
然后,建立既有教室设计方案的天然光环境仿真计算模型,并根据其经纬度坐标设置光气候信息,并进行天然光仿真计算。获得教室内各列工作面高度的平均天然光眩光指数(DGP)、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度。在此基础上,调用视觉舒适度预测模块中的三种教室典型行为模式的视觉舒适度预测模型,将天然光环境模拟结果中获得的天然光环境参量和PSDp,MDp归一化后代入视觉舒适度预测模型,获得教室桌面视看、黑板视看、桌面-黑板转换视看三种典型行为模式整体视觉舒适度预测结果分别为0.393、0.340、0.235,桌面-黑板转换视看模式的视觉舒适度较低。
为进一步提高教室内整体视觉舒适度,调用方案选择模块中输入变量对三种典型行为模式下天然光视觉舒适度的贡献率排序可知,方案的优化方向集中于提高平均眼部垂直照度和降低工作面高度的平均DGP可在不降低桌面视看模式和黑板视看模式视觉舒适度的情况下,对桌面-黑板转换视看模式的视觉舒适度产生最有效的提升,并根据上述原则产出两套待评估方案,记作“待评估方案1”和“待评估方案2”。
最后,调用执行视觉舒适度预测模块获得将待评估方案1和待评估方案2的三种行为模式视觉舒适度预测结果。待评估方案1三种典型行为模式整体视觉舒适度预测结果分别为0.471、0.370、0.295,与既有设计方案相比,三种典型行为模式视觉舒适度分别增长了19.85%、8.82%、25.53%;待评估方案2种典型行为模式整体视觉舒适度预测结果分别为0.448、0.383、0.289,与既有设计方案相比,三种典型行为模式视觉舒适度分别增长了13.99%、12.65%、22.98%。对比两套待评估方案视觉舒适度预测结果的增长百分比,虽然待评估方案2的黑板视看模式视觉舒适度比待评估方案1提升程度多了3.83%,但桌面视看和桌面-黑板转换视看分别比待评估方案1的提升程度低了5.86%和2.55%,并且本次优化首要目标为解决桌面-黑板转换视看模式的视觉舒适度较低的问题。整体评估后,决策待评估方案1为最终方案。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
Claims (4)
1.一种基于视觉生理特征和天然光舒适度的教室设计决策系统,其特征在于,包括数据收集模块、视觉舒适度预测模块、方案选择模块;
所述数据收集模块,包括含有平均视网膜光敏感度和模式标准偏差评价指标的大学生群体视网膜生理数据库,用于量化得到目标使用人群相较于大学生群体视网膜光敏感性的群体视网膜光敏感性偏移特征;
所述舒适度预测模块,包括天然光环境仿真计算模型和视觉舒适度预测模型;基于天然光环境仿真计算模型对教室所在地的光气候信息进行仿真计算,从天然光环境仿真计算结果中获取教室内各列工作面高度的平均天然光眩光指数、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度;然后,将天然光环境仿真计算结果及群体视网膜光敏感性偏移特征输入至视觉舒适度预测模型,计算获得既有教室设计方案中各列座位的天然光环境视觉舒适度;依据视觉舒适度预测模型输出结果,获得既有教室设计方案沿教室进深方向三种典型行为模式的各列天然光环境视觉舒适度平均值,并通过计算各列视觉舒适度的算数平均值获得教室三种典型行为模式下的整体视觉舒适度平均值,实现教室天然光视觉舒适评价预测;
所述方案选择模块,设计师根据视觉舒适度预测模块中获得的既有教室三种典型行为模式下视觉舒适度预测结果,并考虑三种典型行为模式下天然光环境参量对天然光视觉舒适度的贡献率排序优先级以及视觉舒适度预测模型中对应变量前的系数符号,其中“+”为对视觉舒适度产生积极作用,即变量越大,视觉舒适度随之增大;“-”为对视觉舒适度产生消极作用,即变量越大,视觉舒适度随之减小;根据设计师的首要目标需求对既有教室设计方案进行优化修改,并获得若干套优化后的待评估方案;在此基础上,将待评估方案全部重新输入至视觉舒适度预测模块,并获得各待评估方案对应的视觉舒适度;最终获得最优教室采光设计方案。
2.根据权利要求1所述一种基于视觉生理特征和天然光舒适度的教室设计决策系统,其特征在于,所述三种典型行为模式包括桌面视看、黑板视看以及桌面-黑板转换视看。
3.一种基于视觉生理特征和天然光舒适度的教室设计决策方法,基于所述权利要求1所述教室设计决策系统,其特征在于,包括:
S1.对教室设计的目标使用人群进行中心视野的30人次抽样视野检测,检测指标为平均视网膜光敏感度和模式标准偏差;
S2.通过与大学生群体视网膜生理数据库比对,确定目标使用人群的群体视网膜光敏感性偏移特征,即平均视网膜光敏感度缺损和模式标准偏差,计算方法如下:
MDp=MS0-MSm
PSDp=PSD0-PSDm
其中,MDp为目标使用人群与大学生群体的平均视网膜光敏感度差值,即平均缺损程度,dB;MS0为大学生群体平均视网膜光敏感度,dB;MSm为目标使用人群平均视网膜光敏感度,dB;PSDp为目标使用人群与大学生群体的模式标准偏差之差,dB;PSD0为大学生群体模式标准偏差,dB;PSDm为目标使用人群模式标准偏差,dB;
S3.基于既有教室设计方案建立天然光环境仿真计算模型,并根据待设计教室所在地的光气候信息进行仿真计算,从天然光环境仿真计算结果中获取教室内光环境参量,所述光环境参量包括各列工作面高度的平均天然光眩光指数、各列平均眼部垂直照度、各列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度;
S4.基于视觉舒适度预测模型,将所述光环境参量与MDp及PSDp代入视觉舒适度预测模型中,并计算获得既有教室设计方案中各列座位的天然光环境视觉舒适度;其中视觉舒适度预测模型通过在真实教室内对大学生群体视网膜生理数据库中的受试者进行教室天然光典型行为模式的重点视看表面的视觉舒适度评价实验,所述重点视看表面包括桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为模式;收集180~220名受试者在不同天然光条件下的视觉舒适度主观评价结果,获取大学生群体天然光舒适度主观评价数据集;大学生群体天然光舒适度主观评价数据集包括桌面视看、黑板视看以及桌面-黑板转换视看三种典型行为对应的重点视看表面的主观视觉舒适度结果,并以上述主观视觉舒适度结果作为输出变量,结合工作面高度的平均DGP、平均眼部垂直照度、桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、MDp、PSDp分别归一化的数值作为输入变量,采用结构方程模型的方法建立了桌面视看、黑板阅读视看以及桌面-黑板转换视看三种教室典型行为模式的视觉舒适度预测模型;
视觉舒适度预测模型如下:
其中,y1、y2、y3分别为桌面视看、黑板阅读视看以及桌面-黑板转换视看行为模式的视觉舒适度;x1、x2、x3、x4、x5、x6、x7分别为单列桌面平均照度、黑板平均照度、教室工作面高度的照度均匀度、单列平均眼部垂直照度、单列工作面高度的平均DGP、MDp、PSDp归一化后的数值;
S5.依据视觉舒适度预测模型输出结果,获得既有教室设计方案沿教室进深方向三种典型行为模式的各列天然光环境视觉舒适度平均值,并通过计算各列视觉舒适度的算数平均值获得教室三种典型行为模式下的整体视觉舒适度平均值,实现教室天然光视觉舒适评价预测;
S6.设计师根据教室天然光视觉舒适评价预测结果,获得三种典型行为模式下天然光环境参量对天然光视觉舒适度的贡献率排序优先级以及视觉舒适度预测模型中对应变量前的系数符号,其中“+”为对视觉舒适度产生积极作用,即变量越大,视觉舒适度随之增大;“-”为对视觉舒适度产生消极作用,即变量越大,视觉舒适度随之减小;根据设计师的首要目标需求对既有教室设计方案进行优化修改,并获得若干套优化后的待评估方案;
S7.将待评估方案全部重新执行步骤S4和S5,获得各待评估方案对应的视觉舒适度;最终,结合非设计因素的外部限制条件和全部教室设计方案天然光视觉舒适度结果,决策获得最优教室采光设计方案。
4.根据权利要求2所述一种基于视觉生理特征和天然光舒适度的教室设计决策方法,其特征在于,所述大学生群体视网膜生理数据库为通过180~220名大学生中心视野视网膜光敏感性测试,所建立的大学生群体视网膜生理数据库用于量化得到目标使用人群相较于大学生群体视网膜光敏感性的视网膜光敏感性偏移特征;视网膜光敏感性偏移特征包括目标使用人群与大学生群体的平均视网膜光敏感度之差,即目标使用人群相较于大学生群体中心视野平均视网膜光敏感性的平均缺损程度MDp,以及目标使用人群与大学生群体的模式标准偏差之差PSDp。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310368335.8A CN116341274A (zh) | 2023-04-09 | 2023-04-09 | 基于视觉生理特征和舒适度的教室设计决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310368335.8A CN116341274A (zh) | 2023-04-09 | 2023-04-09 | 基于视觉生理特征和舒适度的教室设计决策系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116341274A true CN116341274A (zh) | 2023-06-27 |
Family
ID=86878759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310368335.8A Pending CN116341274A (zh) | 2023-04-09 | 2023-04-09 | 基于视觉生理特征和舒适度的教室设计决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341274A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058132A (zh) * | 2023-10-11 | 2023-11-14 | 天津大学 | 基于神经网络的文物照明视觉舒适度量化评估方法及系统 |
-
2023
- 2023-04-09 CN CN202310368335.8A patent/CN116341274A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058132A (zh) * | 2023-10-11 | 2023-11-14 | 天津大学 | 基于神经网络的文物照明视觉舒适度量化评估方法及系统 |
CN117058132B (zh) * | 2023-10-11 | 2024-01-23 | 天津大学 | 基于神经网络的文物照明视觉舒适度量化评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dong et al. | Intelligent optimization: A novel framework to automatize multi-objective optimization of building daylighting and energy performances | |
CN109345101A (zh) | 基于综合评价分析法的教育质量评价分析方法 | |
CN116341274A (zh) | 基于视觉生理特征和舒适度的教室设计决策系统及方法 | |
Guo et al. | Role of AI physical education based on application of functional sports training | |
CN104732352A (zh) | 一种用于试题库质量评估的方法 | |
CN102184345A (zh) | 基于遗传算法的组卷方法 | |
CN105069268A (zh) | 一种基于gis的景观视觉影响综合评价方法 | |
Zhu et al. | A comparison on the evaluation standards of sustainable campus between China and America | |
Wang | Exploration on the operation status and optimization strategy of networked teaching of physical education curriculum based on AI algorithm | |
Alfred | Conclusions about coping with reduced resources | |
Petscher et al. | Testing the Importance of Individual Growth Curves in Predicting Performance on a High-Stakes Reading Comprehension Test in Florida. REL 2014-006. | |
CN113220773B (zh) | 一种学生评测数据画像的地图可视化方法及系统 | |
Gagne | An interactive performance-based expert system for daylighting in architectural design | |
Binh et al. | Student ability estimation based on IRT | |
Sun et al. | Achievement Analysis and Management System Based on Data Mining Algorithm | |
De Luca | A Case Study of Teaching Method and Students’ Learning Experience in Integrating Urban Design and Performance Simulations for Climate Conscious Design in Estonia | |
Xu et al. | Assessment Algorithm based on Deep Learning for Psychological Capital and Job Performance of Kindergarten Teachers | |
Zhang et al. | Can technological talent agglomeration improve carbon emission efficiency? Evidence from China | |
Wang | Research on the Innovation of Talent Cultivation Mode and Industry-Education Integration Mechanism of College Education in the Internet Era | |
Tao | The Path of Integrating Curriculum Civics into Advertising Design Teaching in Higher Vocational Colleges and Universities Based on Big Data Analysis | |
He et al. | The Development Prospect of Learning Intervention Research under the Perspective of Learning Analysis | |
Bunt et al. | Relationship between High School STEM Self-Competency and Behavior in a Parametric Building Design Activity | |
Jianjiang et al. | Adaptability Performance Evaluation of University Teachers’ informatization Teaching based on Entropy Weight Bayesian Bethod | |
Ling | A study on the development of English reading skills in the MOOC model of English language teaching | |
Li | Research on University Ideological Education Platform Based on Data Mining Technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |