绿色建筑的研究与设计实践必须见物见人, 才能在低能耗的前提下寻找到提升空间舒适度的策略与方法。在既定的建筑总体布局中, 室内空间单元对气候性能与行为模式的双重适应性是关键的设计环节, 具备不可忽视的绿色设计潜力。为此, 需要研究建筑单一空间中内部气候性能与使用者行为心理模式之间的交互影响机制。

室内行为研究领域的主要困难是数据的采集。既有研究局限在单一行为对室内环境的影响, 如门窗与暖气照明的开关以及百叶的开合等^[1,2,3]。其中大部分研究仅停留在行为与能耗的相互作用关系上, 鲜有涉及建筑设计层面。随着传感器技术、嵌入式系统以及无线传感网络技术的发展, 室内行为信息的采集技术与工具已获得突破性进展, 使成本越来越低, 可靠性也逐渐提升。在既有环境中, 非侵入性的精细颗粒度的长时间室内行为及环境观测逐渐成为可能。如何获取和整合各类有效数据, 发现其中的模式规律, 进而科学评估既有设计的不足并引导设计优化, 成为绿色建筑研究领域的新课题。

此次研究以某高校图书馆阅览室为实验样本, 借助高精度室内定位系统及无线传感网络, 对阅览行为、室内照度、温湿度等物理参数进行了精细粒度的采样;通过对采样数据的可视化及统计分析, 挖掘不同环境条件下的行为偏好和规律, 再结合数字调查问卷, 发现现有设计的不足;在此基础上提出流线、功能布局等设计层面的改进策略, 并对阅览室空间进行设计优化, 展现了该研究从数据的采集、整理和分析到设计改进的完整流程。

作为此次研究样本的阅览室平面呈矩形, 南北长16m, 东西长18m, 净高4m (图1, 2) 。该阅览室东边为实墙, 其余三面均大面积开窗并配内部遮阳帘。阅览室主要出入口在东北角, 室内均匀排布三排阅览桌椅, 以走道间隔, 东侧靠墙有一排书架。观测时段为2018年春季, 室内采用自然通风, 未开启空调, 白天以自然采光为主、人工照明为辅, 南侧阳光较好时, 为避免直射, 遮阳帘常处于遮蔽状态。阅览室的使用者主要为自习或查阅资料的大学生。

研究主要采集了人员行为轨迹、室内物理环境以及使用者个人背景信息三类数据。

人员行为轨迹数据采用东南大学建筑学院建筑运算与应用研究所研发的高精度室内定位系统^[4], 该系统基于超宽带 (Ultra-wide Band) 技术, 定位精度高 (±20cm) , 可实现多目标同时跟踪, 具有可视化界面, 操作简便。设备主要由标签、基站及运行于笔记本电脑的服务终端组成 (图3) 。基站设置在室内固定位置;标签由被监测人员随身携带, 定位频率2Hz, 标签通过与三个基站三次测距, 再应用TOA算法计算基站间的相对位置。实验中, 在阅览室的四角及中心位置放置5个基站 (图4) , 并将其固定在2.5m水平仪三脚架上;标签由管理人员在阅览室入口处发放给被观测者, 在他们离开时回收。

室内物理环境通过Lifesmart无线传感网络采集, 其多功能传感器集成了照度、温度及湿度传感模块, 体积小, 可通过纽扣电池供电长期工作 (图3) 。在阅览室内均匀布置18个多功能传感器, 以便采集室内不同区域的环境参数 (图4) 。

被监测人员的背景信息以数字问卷的形式获得, 监测人员在离开阅览室归还标签时, 用手机扫描问卷二维码进行填写。填写内容包括:所持标签序号;个人基本信息, 如性别、年级和院系等;行为偏好, 如同行人数、来图书馆的目的以及座位的选择偏好等。

数据收集从2018年5月10日开始至5月27日结束, 历时18天, 共收集有效数据样本473组, 定位数据包180 000余条。最后将室内定位数据、建筑物理环境数据以及用户个人信息数据通过其时间戳一一对应, 并录入MySQL数据库储存, 以便进行调取与数据分析。

在数据分析过程中, 首先对各类数据进行清理、汇总、数理统计, 再将室内定位数据分别与实时物理环境参数、用户个人信息数据相结合, 以获取数据间的相互关系 (图5) 。

定位数据的可视化直观地呈现了空间中人的行为活动状态。数据实时反映了某一时刻空间中人群的分布状态和聚集程度, 并可通过一段时间内空间位置数据的累积叠加, 得出人群分布在时间维度上的变化^[5]。通过可视化程序, 从数据库中调用定位点数据, 并描绘出每日标签的活动轨迹。将数据收集期间的所有轨迹数据叠加, 得到该空间内的流线密度分布图。图6中的环形主流线明显、清晰, 且能够看出在靠近入口的部分人流经过次数较多, 临近入口的南北向走道几乎承担了室内所有的南北向人流;而远离入口的西侧部分使用次数相对较少, 利用效率较低。

凭借足够的定位精度, 根据行为与位置的关联性, 将定位数据进一步转译为空间中的行为数据。使用定位系统所在的坐标系, 为该阅览室中的168个座位设定各自的坐标, 使之与定位程序获取的位置数据相对应, 并设定当定位标签在某一座位停留时间超过10min时, 则认定持有该定位标签的同学选择了该座位。由此得到每一个定位标签全天所选择过的位置以及它在该位置所停留的时长, 图中方块颜色越深, 表示停留时间越长。进一步将整个数据收集期间每天被选择的座位叠加, 得到该阅览室的座位偏好分布图 (图7) 。如图所示, 阅览室南面靠窗中部、西面靠窗中部以及东面中部是相对更受使用者欢迎的座位, 而北面靠窗、阅览室中部以及入口以外的三个角落的座位, 被选择的次数则相对较少。

通过在阅览室内均匀布置环境传感器, 可以得到各项环境指标分别在时间维度 (一天中的不同时刻) 和空间维度 (不同空间位置的分布) 上的变化 (图8) 。

(1) 温度。温度的成因比较复杂, 同时受到人员密度、光照、室内外空气交换的影响。总体上有西侧和中部两个高温带, 东侧靠墙位置始终是低温区域, 但总体温度变化范围在23.9～26.8℃, 属于比较舒适的温度区间。因此, 可以认为温度与选座的关联性不大。

(2) 湿度。湿度总体呈现西低东高的趋势, 变化范围在59.7%～78.1%之间。早8:00时阅览室开放时, 经过一晚的积累, 湿度较大, 随后西侧的湿度逐渐降低。春季50%的相对湿度较为适宜, 由于阅览室温度不高, 即使湿度偏高也不会让人感到闷热。总体上看, 湿度与选座的关联性也不大。

(3) 照度。照度的分布主要受朝向、自然采光和室内照明的影响, 其变化范围在39.3～116.3lux。既有研究表明, 阅读所需最低照度是30lux, 最适合的照度约为60lux。20:00时以后的照明主要依赖室内照明, 因此, 阅览室灯光照明提供的照度相对偏低。白天阅览室南面靠窗中部、西面靠窗中部和东面中部的照度较为合适, 而北面靠窗、阅览室中部照度偏低, 入口以外的三个角落的座位白天照度偏高。这与选座信息产生了较高的耦合性, 照度偏高和偏低区域的选座率都相对偏低, 尤其是17:00～19:00时左右, 因西晒西侧靠窗座位出现大量空座。因此可以看出, 光照是选座的主要影响因素。

(4) 心理因素。除物理环境的影响外, 心理因素也会对选座产生影响。心理学家德克·德·琼治 (Derk de Jonge) 曾提出心理学中的“边界效应”理论, 即人们喜爱逗留在区域的边缘, 而区域开敞的中间地带是最后的选择。这是一种出于人的安全感和领域感的需求, 它解释了阅览室中部选座率较低的现象。此外, 个人偏好对座位选择也有显著的影响。研究小组对独自和结伴而来的学生选座情况进行统计 (图9) , 紫色方块表示独自前往的同学选择的座位, 粉色方块表示两人或多人同来自习的同学选择的座位。可以看出, 独自前往的同学更偏向于选择靠近入口的座位, 而结伴而来的同学则更倾向于选择离入口较远的对角位置, 其原因可能是结伴而来的学生更需要可以进行私密交流的空间。

经过观察和数据分析, 可以发现既有室内空间布局的不足:第一, 座位排布方面, 阅览室中央部位的利用率明显偏低, 光照不足和中间部位缺乏安全感是主要原因。除入口附近以外的三个角部空间白天阳光直射, 照度过量, 影响了使用率。但如果室内挂遮阳帘又不利于室外景观的引入。第二, 流线组织方面, 现有的两条平行走道末端使用率低, 还占用了西侧较受欢迎的靠窗空间。第三, 桌椅设计方面, 桌椅均质排布缺少空间分隔, 导致不同的空间私密性、安全感难以得到满足。独自前来的学生往往间隔座位而坐, 导致席位资源的浪费。

针对上述问题, 研究小组尝试提出对应的解决方案, 并对室内阅览空间进行重新排布 (图10) 。在主要流线组织方面, 将原有西端走道向东偏移, 形成环路, 留出更多靠窗座位, 同时分担东侧南北向走道的人流。实验开始前, 原设想入口处由于人流较多会降低此处座位的使用率, 可能需要增加缓冲空间来降低影响。但实际上此处的使用率并不低, 因为在阅览室内学生走路都很安静, 以避免对他人的阅读产生较大影响。有些停留时间较短的同学, 并不愿意深入阅览室内部, 因而选择临近出入口的位置, 以便随时离开。因此, 在设计优化阶段, 入口处无需放大或进行缓冲处理;在平面布局方面, 可在走道向内一侧布置低矮书架, 在不影响采光的前提下使阅览室中央区域的座位形成围合感;在桌椅设计方面, 可提供单人桌和多人桌等不同组合方式, 以满足不同的需求 (图11) ;在采光方面, 南侧增设水平遮阳, 西侧增设垂直遮阳, 避免阳光直射, 阅览室中部和东侧靠墙部位增加人工光源, 以弥补自然采光的不足。

研究通过行为数据和性能数据的采集与分析, 主要验证了采光照明和使用者行为心理偏好在阅览空间的交织影响。目前高校图书馆阅览室普遍采用类似普通教室的均质布局, 这与其室内性能和使用者的行为模式的非匀质性存在明显差异。研究小组的设计优化实验, 从侧面展示了公共建筑室内空间布局在气候性能与使用行为适应性的交织影响中展开精细化设计的潜力。

受空间和时间限制, 研究还有诸多方面需要完善。首先, 由于监测时间较短, 仅积累了春季时段的数据, 在夏季或冬季需要使用空调调节室温时, 可能会呈现不同的状态。如能获取全季节数据, 则可完整掌握气候性能和使用行为交互影响的动态机制, 并据此探索冬冷夏热地区的建筑适应性设计策略。其次, 优化设计方案并未实施, 因此缺乏实测对比数据来检验优化手段是否有效。再次, 在数据分析过程中, 仅使用了数据可视化及常规统计方法来研究数据间的相互关系, 并采用先假设后验证的技术路径。当数据类型增多时, 各类数据间组合的可能性会急剧增加, 因此需要运用机器学习中的非监督式学习方法, 使程序自动发现数据中的关联性^[6], 从而处理更大规模的数据与其他潜在规律。

图片来源

所有图片均为作者自绘。