建筑环境智能监测与反馈系统——发展与应用

耿阳 ,  张仲宸 ,  余娟 ,  陈洪钟 ,  周浩 ,  林波荣 ,  庄惟敏

工程（英文） ›› 2022, Vol. 18 ›› Issue (11) : 218 -231.

PDF (15890KB)
工程（英文） ›› 2022, Vol. 18 ›› Issue (11) : 218 -231. DOI: 10.1016/j.eng.2021.09.017

建筑环境智能监测与反馈系统——发展与应用

作者信息 +

An intelligent IEQ monitoring and feedback system: Development and applications

Author information +
文章历史 +
PDF (16270K)

摘要

室内环境质量对人们的健康和福祉有显著影响，环境参数的连续监测与用户反馈已成为建筑业和学术界普遍关注的问题之一。现有关于环境监测系统的研究大多关注于传感器精度与成本效益的提升，而忽略了环境与用户之间的交互作用。为此，本团队开发了一种建筑环境智能监测与反馈系统，即智能建筑环境监测器（IBEM），既解决了室内环境参数的高时空分辨率、大通量、精准监测难题，又实现了环境与用户之间的反馈交互和主客观数据的同步采集。在硬件层面，IBEM集成了温度、相对湿度、PM2.5、CO2及照度多类传感器，并通过结构和电路优化设计减小了传感器之间的相互干扰，其测试精度经过与标准仪器的比对实验得到了有效验证，结果显示IBEM与标准仪器的测量数据基本一致，相关性强、误差小（R2 > 0.97，拟合斜率介于1.01 和1.05 之间）。在软件层面，基于无线通信和云技术建立了Web 端和移动端的可视化平台与用户交互界面，形成了环境数据的信息流及环境数据与用户交互反馈的通路。目前，IBEM已在国内18 个城市的131 栋建筑中得到了广泛应用，测点数量共1188 个，典型应用场景包括了室内环境问题的靶向诊断、主客观环境数据的关联分析等。综上，IBEM为人居环境领域的学术研究和工程实践提供了重要技术支撑。

Abstract

Indoor environmental quality (IEQ) significantly affects human health and wellbeing. Therefore, continuous IEQ monitoring and feedback is of great concern in both the industrial and academic communities. However, most existing studies only focus on developing sensors that cost-effectively promote IEQ measurement while ignoring interactions between the human side and IEQ monitoring. In this study, an intelligent IEQ monitoring and feedback system (IBEM) is developed. Firstly, the IBEM hardware instrument integrates air temperature, relative humidity, CO2, particulate matter with an aerodynamic diameter no greater than 2.5 μm (PM2.5), and illuminance sensors within a small device. The accuracy of this integrated device was tested through a co-location experiment with reference sensors; the device exhibited a strong correlation with the reference sensors, with a slight deviation (R2 > 0.97 and slopes between 1.01 and 1.05). Secondly, a wireless data transmission module, a cloud storage module, and graphical user interfaces (i.e., a web platform and mobile interface) were built to establish a pathway for dataflow and interactive feedback with the occupants of the indoor environments. Thus, the IEQ parameters can be continuously monitored with a high spatiotemporal resolution, interactive feedback can be induced, and synchronous data collection on occupant satisfaction and objective environmental parameters can be realized. IBEM has been widely applied in 131 buildings in 18 cities in China, with 1188 sample locations. Among these applications, we report on the targeted IEQ diagnoses of two individual buildings and the exploration of relationships between subjective and objective IEQ data in detail here. This work demonstrates the great value of IBEM in both industrial and academic research.

关键词

室内环境质量 / 传感器 / 连续监测 / 图形用户界面 / 交互反馈

Key words

Indoor environmental quality (IEQ) / Sensors / Continuous monitoring / Graphical user interface / Interactive feedback

引用本文

引用格式 ▾
耿阳,张仲宸,余娟,陈洪钟,周浩,林波荣,庄惟敏. 建筑环境智能监测与反馈系统——发展与应用[J]. 工程（英文）, 2022, 18(11): 218-231 DOI:10.1016/j.eng.2021.09.017

登录浏览全文

4963

注册一个新账户 忘记密码

1、 引言

人的一生有将近90%的时间是在室内度过的[1]，因此，室内环境质量（IEQ）对人们的健康和福祉有直接影响[2‒4]。例如，长时间暴露在过高温度和湿度水平的室内，会导致人体出现病态建筑综合征（SBS）[5]，当室内空气变得闷热时，SBS症状就会加重，工作效率降低[6]；美国劳伦斯伯克利国家实验室的Longue等[7]研究了美国住宅室内空气污染物对健康的长期影响，他们发现，室内空气污染物导致每10万人每年损失400~1100个伤残调整生命年（DALY），其中，PM2.5颗粒是造成DALY损失的最大因素；在另一项研究中，Xiang等[8]估计，在中国城市中，由室外PM2.5颗粒导致的室内空气污染的短期和长期暴露分别造成57亿和1901亿美元的损失。不良的IEQ造成的健康和经济损失是如此巨大，由此引发了人们对IEQ数据监控的高度关注。

想要有效地开展IEQ监测，就需要具备实用的监测工具。传统的IEQ监测方法由大量独立的环境传感器[9‒11]组成，可用于监测空气温度、湿度、二氧化碳（CO2）、颗粒物（PM）、空气污染物、照明、噪声等参数。然而，这些传感器的总成本往往过高。在实际生活场景中，这些传感器组合还具有强烈的侵入性[12‒13]，极大地限制了IEQ监测在空间维度上的普及。此外，这些传感器仅支持本地数据存储，IEQ监测也因此必须在现场或在短期内进行[14‒16]。综上可知，传统的IEQ监测工具在时空尺度和数据分辨率方面存在缺陷，也导致了以往的大量研究对IEQ特征的理解是片面的或不准确的。

近十几年来，物联网（IoT）和大数据技术日新月异，IEQ监测工具的发展取得了长足进步[17]。传感器集成、无线数据传输和云服务等新技术被引入了IEQ监测工具的开发中[18‒20]。Ali等[21]开发了一个开源平台，用于集成各种IEQ传感器。该平台能够以较低成本支持大规模和长期的IEQ监测，并实现灵活同步。Kelly等[22]将物联网应用在住宅建筑中，建立了一个IEQ监测系统，通过ZigBee和IPv6实现了传感器的无线互连。Parkinson等[23‒24]基于无线传感器网络，开发了一个连续IEQ监测系统（SAMBA）。SAMBA系统包括一套低成本的传感器和一个用于IEQ评级和分析的网络平台，这为了解室内环境的状况提供了更全面的解决方案。更重要的是，这些新工具在显著提高IEQ监测效率的同时，也使得IEQ数据采集的时空范围更加宽广、时空分辨率更加细化。

然而，仅靠客观的IEQ监测还不足以营造优良的室内环境，打通IEQ数据与用户之间的交互路径也是必需的。在室内生活、工作的人们通常想要了解其周围区域的客观IEQ状况[25]。此外，运维人员也需要听取用户对室内环境的意见，以营造更好的环境品质[26]。可惜的是，尽管许多研究人员在他们的研究中对IEQ进行了客观测量和主观调查，但却很难在广泛的时空范围内同步主客观数据[27‒30]。换句话来说，当进行主观调查时，对应的客观IEQ状况是未知的。同时，人们在接受主观调查时，也并不了解其周边客观的IEQ水平。由于这一缺陷的存在，现实场景中IEQ参数与用户满意度之间相关性的研究也无法开展。综上所述，现有IEQ监测工具无法实现客观IEQ数据与主观用户感受的同步采集，也无法实现室内环境数据与用户的信息交互。

因此，本研究的首要目标是开发一种由多个传感器集成的IEQ监测设备，实现低成本、高精度的数据采集和远程传输。在该IEQ设备硬件的基础上，本研究还旨在构建一个智能IEQ系统软件，包含云数据库和数据平台。该系统不仅有望实现长期连续的IEQ监测，还支持同步信息交互和用户反馈。

接下来的章节内容如下：

• 第2章详细描述了该技术在软件和硬件两个方面的信息。

• 第3章基于现场实验，检验了传感器的性能。

• 第4章通过几个案例，介绍了该技术的应用场景。

• 第5章对比了其他同类设备，并探讨了本研究的局限性。

2、 智能建筑环境监测系统的研制

自2014年以来，本文研究团队一直致力于开发智能建筑环境监测器（IBEM）。目前，仍在对IBEM设备进行不断的完善和升级。本章将对该监测器的硬件和软件进行介绍，涵盖IBEM的整个架构。

如图1所示，IBEM由集成传感器、云服务器、数据库、Web平台和移动界面组成，这五个部分相互连接，最终演变为数据流的通道。IEQ数据（即空气温度、相对湿度、CO2、PM2.5和照度）由集成传感器完成收集，并通过3G、4G或Wi-Fi传输到云端服务器。云服务器收到数据后，会将这些数据保存到数据库中。然后，服务器将数据传输到网络平台和移动界面，以便在需要时进行跟踪、分析和实现可视化。在网络平台上，人们可以查看IBEM设备的运行状态，查看历史IEQ数据，下载数据用以进一步分析。在移动界面上，能以更直观的形式为用户提供IEQ信息，如以实时IEQ状况的客观值和评估分数的形式呈现，以及给出针对IEQ不良因素的优化建议。

图1 IBEM的系统架构。

同时，人们可以在移动界面上就热舒适度、空气质量、照明、声学质量和整体环境发表意见并提供满意度评分。这些主观评分可上传到云服务器，并及时与提供评分时记录下的相应客观IEQ数据融合。这是实现客观和主观IEQ数据同步采集的关键。

在IBEM设备的辅助下，只需一台仪器即可监测多个IEQ参数，这有助于以较低成本解决时空采样的问题。更重要的是，该系统能将室内环境与用户联系起来，打破了二者之间的信息不对称。以下两小节将会介绍IBEM设备的详细技术信息。

2.1 硬件

IBEM设备硬件主要包括一系列环境参数传感器，这是IEQ数据采集的基础。本研究采用传感器集成设计，以降低成本和提高环境监测的便利性。然而，考虑成本和尺寸因素，把所有IEQ传感器置于一台仪器中是不切实际的。因此，在考虑每个IEQ参数的重要性和长期监测的需要后，最终选择了五个传感器：环境温度、相对湿度、CO2、PM2.5和照度。表1列出了所选传感器的信息（供应商、测量原理、量程和精度）。传感器的制造商认证期限均在三年以上。

表1 IEQ传感器的信息

ParameterProduct numberSensor supplierPrincipleRangeAccuracy
Temp, RHSHT30Sensirion AG (Switzerland)Complementary metal-oxide-semiconductor (CMOS) sensing

Temp: -40‒80 °C

RH: 0‒99%

Temp: ±0.5 °C

RH: ±5%

CO2S8-0053SenseAir (Sweden)Non-dispersive infrared ray (NDIR)0‒5000 parts per million (ppm)±75 ppm
PM2.5PMSA003-APlantower (China)Laser light scattering0‒1000 μg·m-3±10% @ 20‒500 μg·m-3
IlluminanceBH1750FVIROHM Semi (Japan)Photovoltaic effect sensing0‒50 000 lx±5%

两个需要解释的注意事项：

（1）IBEM中未集成化学污染物传感器，如检测甲醛或总挥发性有机化合物（TVOC）的传感器。因为廉价的TVOC传感器缺乏特异性，而甲醛传感器又在一定程度上缺乏准确性，尽管这些传感器的成本相对较低，但它们在本研究中的适用性仍存在一定局限性。此外，国内标准也没有对关于化学污染物进行长期连续监测的特别要求[31‒33]，只要求在一定条件下抽样测试，而不是长期监测。

（2）尽管声学因素对人类对IEQ的感知有影响，但噪声水平并未被纳入监测范畴。虽然这是硬件开发的缺陷之一，但该决定是基于两点考虑：首先，噪声标准[34‒36]更多地关注背景噪声。例如，依据中国国家噪声标准[36]，评估房间的声学性能应在室外噪声达到最大值时进行。此外，被测房间应为无人居住状态，并有供暖、通风和空调（HVAC）系统运行，同时，在噪声测量期间应保持窗户关闭。因此，在很多情况中，只需要在最严苛的条件下进行一次噪声测试即可，而无需在时间范围内对噪声水平进行连续采样。其次，与其他IEQ参数不同，对于大多数建筑物的声学环境来说，几乎没有直接的控制手段或技术。所以，虽然可以获得实时噪声水平，但这些数据在改善实际声学性能方面几乎没有帮助。从这个角度来看，噪声的连续监测与其他参数的连续监测相比，价值有限。

除了传感器外，硬件还包括其他功能模块：数据传输模块、数据存储模块（备份）、电源模块和显示模块。所有这些都集成在一个设备中，如图2所示。经过多年研究，该集成设备经历了数次升级和改造。因此，该设备的最新版本是一个手掌大小的圆形盒子，直径为125 mm，高度为40 mm，在实际测量场景中可放置在桌子上。

图2 （a）不同版本IBEM设备的完整开发过程；（b）IBEM设备的内部结构，包括传感器、数据传输模块、数据存储模块、电源模块和显示模块。SIM：用户识别模块；SD：安全数字存储卡。

数据传输模块可以按预定义的时间间隔（如每分钟，或每5分钟）通过3G、4G或Wi-Fi将IEQ数据上传到云端。3G或4G的传输由设备预置的SIM卡自动完成，无需任何额外现场操作。抑或是通过Wi-Fi传输，这需要用户通过多个步骤将设备连接到现有Wi-Fi，耗时不到2 min。在大多数情况下，这两个信号可作为双重保险来确保无线数据传输。此外，数据传输模块还具有自恢复功能，可在网络暂时中断后自动恢复连接。该功能显著提高了长期监测中数据传输的可靠性。

数据存储模块主要是为了在无法实现无线数据传输的情况下提供数据存储的备份。IEQ数据可以存储在本地的微型安全数字卡（microSD）中，该卡通常可容纳一年以上连续监测的数据量。

电源模块包括一个外部电源接口（USB Type C）和一个备用纽扣电池。设计的电气参数为5 V直流电（DC）和2 A输入。通常，该设备由外部电源供电。但是，当外部电源暂时中断时，纽扣电池也可作为短时电源使用，一般可以提供一周的持续电力。

显示模块是专为实时IEQ数据和网络连接状态的可视化设计的。设备正面安装了一个发光二极管（LED）屏幕，可通过按下按钮打开屏幕，并在15 s后自动熄灭以节省电量。

鉴于该设备的传感器和模块众多，如何最大程度地减少传感器之间的干扰是一项重大挑战，尤其是对于散热对环境温度和相对湿度传感器测量精度影响的问题。解决这个问题的方案来自三个方面：首先，将环境温度和相对湿度传感器安装在迎风位置（即主板最靠近外部环境的边缘），让外部气流首先通过它们；其次，把每个模块的额定功率控制在1 W以下，以减少散热；再次，将主要热源与传感器之间的距离设计得尽可能远，例如，把Wi-Fi模块放置在主板的另一侧，让模块距离空气温度和相对湿度传感器最远。通过以上规划，可保证IBEM的测量精度。性能测试和验证结果会在第3章中做进一步介绍。

2.2 软件

IBEM的软件设计包括两个主要部分：①数据传输和存储（即云服务器和数据库）；②数据呈现和人机交互（即网络平台和移动界面）。

数据传输与存储：整个架构基于软件即服务（SaaS）的理念开发，如图3所示。首先，应用Nginx负载均衡技术访问多源数据。其次，采用Apache Tomcat 8.0服务器和Linux操作系统。用JavaEE Spring作为服务器编程框架。服务器使用统一标准下的相同应用程序编程接口（API），方便数据查找。再次，用不同的数据库存储不同的数据类型，保证高效读写；这些数据库包括用于动态IEQ数据的时间序列数据库（TSDB）、用于静态信息数据的MySQL数据库和用于主观调查数据的MongoDB数据库。此外，所有数据库均采用主从备份工作模式，所有数据通过内网同步，确保数据安全。

图3 数据传输和存储框架TSDB——时间序列数据库。

数据呈现和人机交互：开发网络平台和移动界面是为了在室内环境与用户之间建立信息“桥梁”或通道，如图4所示。开放网络平台是为了让专业人士和数据分析师进行数据可视化和下载，而移动界面主要是为建筑的用户而设计，可用来了解IEQ的状况并给出评级意见。IBEM监控设备上附带QR码。人们可以使用智能手机扫描离他们最近的IBEM设备，从而轻松访问移动界面。图4（b）展示了移动界面的几个主要功能，下文将对此做进一步说明。

图4 数据呈现和人机交互。

用户可以看到实时IEQ参数及其评分，其中，评分可用来评估IEQ参数基于标准的达标情况。某参数的测量结果将依据相关国家或国际标准（表2）[33,36‒39]进行查验，以确定评分。在计算一个IEQ参数的实时评分时，过去1 h内的IBEM 测量值都会被纳入考虑范围。也就是说，评分是根据过去1 h测量结果达标的百分比计算：评分X代表X%的测量结果符合标准要求。

表2 IEQ参数的合规范围

ParameterCompliance rangeSource
Temp24‒28 °C (summer); 18‒24 °C (winter)GB 50736-2012 [37]
RH≤ 70% (summer); no requirement (winter)GB 50736-2012 [37]
CO2≤ 1000 ppmANSI/ASHRAE 62.1-2019 [38]
PM2.5≤ 35 μg·m-3T/ASC02-2016 [33]
Illuminance≥ 300 lx (office)GB 50034-2013 [39]
A-weighted sound level≤ 45 dB (office)GB 50118-2010 [36]

最后，根据加权方案（表3）计算百分制的整体IEQ评分。在热舒适性方面，将权重设置为0.30（温度为0.18，湿度为0.12），这与之前的设置[12]大体一致。与其他研究（0.14~0.36）相比，室内空气质量（IAQ）的权重更高（0.40），因为根据之前的研究[40]，中国人通常更关注IAQ，他们对IAQ的满意度相对较低。更具体地说，将CO2的权重设置为0.24，并将PM2.5的权重设置为0.16。CO2浓度的权重值较高是因为该指标可反映整体的通风性能，所以常被作为评价IAQ的综合指标。在照明方面，将照度权重设置为0.15，略低于其他研究中的权重（0.16~0.29）。这样做是基于一项对中国绿色建筑进行的大规模测量[41]，其结果表明，室内照明环境普遍符合标准。因此，降低照度的权重，使IEQ指标的分化更加突出，这能在更大程度上反映其他IEQ因素的问题。在声学方面，虽然IBEM目前还不能测量噪声级别，但为了保证IEQ评估的完整性，仍然保留声学的权重。然而，与其他研究（0.18~0.39）相比，声学的权重降低到0.15。目前，将声学得分设为最高。而将来为IBEM设备添加噪声传感器时，噪声级别的权重将得到调整，声学分数也会根据测量数据而变化。最后需要说明的是，本文给出的权重方案只是个例，随着研究的深入，将会对该权重方案进行修改。

表3 IEQ指数计算的加权方案

Thermal comfortAir qualityLightingAcoustics
TempRHCO2PM2.5Illuminance―
0.180.120.240.160.150.15

在IBEM移动界面上还可以获得历史IEQ数据。但与网页端相应功能不同的是，手机端的历史数据查询只支持最近较短时间段（小于1天）的历史数据查询。这样设计的目的是为了减少界面的响应时间，从而保证良好的用户体验。移动界面会针对表现不佳的IEQ因素给出具体建议，帮助住户进行适当调整。例如，在室内空气质量很差时，移动界面会提示用户打开空气净化器。更重要的是，在移动界面的基础上，投票模块得以开发。这让人们在了解了实际的IEQ参数后，可以提交他们对每个IEQ因素的看法或满意度。这些投票将与由IBEM设备在特定时间段和地点监测到的客观IEQ参数相匹配，然后将组合数据上传并保存在数据库中。这样做可以同时收集主客观的IEQ数据，从而克服了传统回顾性调查对客观IEQ条件存在盲目性的缺点。也就是说，可以了解人们在实际建筑物中的感知如何受到不同的IEQ条件的影响。这能帮助研究人员确定特定空间中最令人满意的IEQ条件。这些信息是按需提供环境控制的关键。能被动地接受用户的评分，而不是主动进行调查（这可能会引起反感），是这种投票收集方法的另一个特点。然而，这种方法也可能导致偏见性的结果，因为人们在感到不舒服时更有可能去投票（即抱怨），而不是在IEQ表现令人满意时投票。这类现象还需要更多的数据进行验证，作者在此只提出该问题，而对该问题不再展开讨论。

3、 基于有限现场评估的性能测试

在设备投入使用前，先由中国计量科学研究院在测试室对IBEM设备进行校准（参见附录A中的S1节）。为了描述经权威机构校准后的IBEM性能，本节将呈现在某办公室中进行的有限的准现场评估。基于共址策略，对IBEM监测设备与多个商业传感器（即标准仪器）一同进行测试，以评估监测的性能和准确性。有关标准仪器的更多信息可参照表4 [42]。选择这些标准仪器进行比较是因为它们广泛用于工业和学术研究[43‒44]。所有的标准仪器都在制造商认证期内，可确保足够的准确性。

表4 相关标准仪器信息

ParameterReference sensorRangeAccuracy
Temp, RHHOBO MX1102 (Onset Computer Corporation, USA)

Temp: 0‒50 °C

RH: 1%‒90%

Temp: ± 0.21°C @ 0‒50 °C

RH: ±2% @ 20%‒80%

CO2HOBO MX1102 (Onset Computer Corporation, USA)0‒5000 ppm±50 ppm
PM2.5TONGDY G03-PM2.5 (Tongdy Sensing Technology Corporation, China)0‒600 μg·m-3±10 μg + 5% of the reading
IlluminanceTESTO 545 (Testo SE & Co. KGaA, Germany)0‒100 000 lxClass C according to DIN 5032-7 [42]

IBEM设备与标准仪器共址在一栋两层办公楼中的五个地点。选择这五个位置是为了从多个差别较大的环境中收集数据，可确保测试过程中的参数范围尽可能宽。标准仪器和IBEM设备以5 min的间隔收集数据，持续两天时间。图5显示了办公室平面图和用于共址测试的设备放置。所有设备都放置在0.75 m高的桌子上。

图5 放置IBEM和标准仪器以进行共址测试。

在办公空间，用变制冷剂流量多联式空调系统和加湿器对热环境（即环境温度和相对湿度）进行控制。照明控制采用电动遮光百叶窗和可调光通量及色温的LED灯。配备高效过滤器[过滤器的最低效率报告值（MERV）为15]的机械通风设备用于提供室外空气，以控制CO2浓度，空气净化器用于控制PM2.5浓度。此外，为了在测试期间创造高浓度CO2和PM2.5的条件，分别使用干冰和熏香作为CO2和PM2.5的来源。温度为15~27 °C，相对湿度为20%~60%，照度为0~700 lx，CO2浓度为400~2000 ppm，PM2.5浓度为10~200 μg·m-3。因此，IEQ条件足够宽泛，足以模拟实际建筑中的大多数场景。

将IBEM设备的监测数据与标准仪器的IEQ数据进行比较，其线性相关性如图6所示。IBEM和HOBO数据记录器在整个测试过程中的温度和相对湿度读数方面表现出强相关性[图6（a）、（b）；R2 > 0.99，斜率在1.01和1.02之间]。温度的平均偏差为0.3 °C，相对湿度的平均偏差为0.9 %。CO2和PM2.5的浓度测量值在IBEM设备与标准仪器之间尽管有一些分散，但也表现出很强的相关性[图6（c）、（d）；R2 > 0.97，斜率在1.01和1.05之间]。CO2浓度的平均偏差仅为25 ppm，而PM2.5浓度的平均偏差仅为7 μg·m-3。在照度方面，IBEM设备与TESTO传感器显示出很强的相关性[图6（e）；R2 > 0.98和斜率为1.01]，平均偏差小于11 lx。测试结果验证了IBEM设备的测量精度。

图6 IBEM设备与标准仪器之间的比较。（a）~（c）HOBO；（d）TONGY；（e）TESTO。

需要注意的是，上述实验仅测试了IBEM在不同IEQ条件下的短期性能。在长期性能方面，IBEM可以对大多数建筑物中的CO2浓度和照度进行自我校准，因为这些测量的基线值随时间大致保持不变。例如，CO2浓度的基线是400 ppm（室外值）。如果房间长时间无人居住且通风良好，室内CO2的浓度应降至400 ppm。同样，照度的基线是0 lx（完全黑暗）。如果房间夜间无人，所有灯都熄灭，则室内照度应近似为0 lx。自校准算法会自动将一定时期内的最小测量值与基线值进行比较，然后去除偏移量。但是，如果建筑物没有长期空置，则很难确定IEQ参数的基线。在这种情况下，自行校准的方法是无效的，这就需要召回监控设备以进行人工校准。由于室外天气等因素的影响，随着时间的推移，温度、湿度和PM2.5浓度的基线并不恒定。因此，对这些参数的长期测量校准通常需手动进行。本研究会每年将每台监控设备召回至少一次，以进行手动校准和维护。此外，还委托第三方检测机构在极端环境下进行高频数据采集测试，以验证IBEM长期运行的可靠性。

4、 应用和结果

IBEM设备现已应用在中国的许多实际建筑中。截至2020年年底，设备和系统已部署在131座建筑中，分布于18个城市，覆盖4个气候区，包括酷寒、严寒、夏热冬冷（HSCW）、夏热暖冬（HSWW）季候区域。被测试建筑包括多种类型，如办公（48%）、购物中心（13%）、学校（9%）、医院（8%）、酒店（6%）、住宅（11%）和其他（5%）。图7显示了被测试建筑物的地理位置和类型分布。

图7 被测建筑物的地理位置和类型分布。

附录A中的S2部分阐述了每栋建筑中传感器数量和位置的选择原则，其中考虑了建筑类型、面积、楼层、房间类型、朝向和其他因素。到目前为止，累计分布1188个传感器位置。

在每个采样点，连续监测IEQ参数一整年或每个季节至少2周，数据收集间隔为每分钟或每5分钟。除了人为拔掉的设备外，设备平均在线率接近90%。此外，通过IBEM的移动界面来收集每个测点位置附近区域用户的反馈。由此而建立的IEQ数据库，有较宽的时空尺度和较高的分辨率。数据量超过1.09 TB，包括超过30亿条的IEQ参数记录和2425个建筑物中用户的投票，融合了来自同一时间段和地点的客观IEQ数据。

基于这样一个大规模的IEQ数据库进行许多分析。首先，数据库揭示了中国建筑IEQ的宏观特征，观察到整体IEQ表现不佳。例如，热环境控制的供需失衡是一个显著问题。在冬季，寒冷地区的过热（即“供应”高于“需求”）十分常见，而HSCW地区则出现供暖不足（即“供应”低于“需求”）。这项研究已发表在Building and Environment期刊上[41]。其次，典型建筑的室内环境性能可依据IEQ的时空和动态特征得到详细分析和靶向诊断，这项研究可以帮助建筑运营商切实改善IEQ。最后，可对主客观IEQ数据之间的相关性进行研究，从而帮助运维人员确定最令人满意的IEQ参数范围，并了解用户对IEQ控制的实际需求。由于第一项应用已经发表，这里不再做进一步讨论，下面就第二项和第三项应用进行举例。

4.1 典型建筑的靶向IEQ诊断

基于对一栋建筑内多个空间的长期连续IEQ监测，本研究对该建筑进行了靶向式的IEQ诊断，以告知建筑运营商何时何地IEQ表现不佳。在此展示了两个借助IBEM系统进行IEQ诊断的示例，一个是办公楼，另一个是医院。

4.1.1. 案例1——某办公楼热环境诊断

选定的办公楼位于天津（寒冷地区）。建筑物有5层，总建筑面积5700 m2。在底层、中层和顶层共部署了10台IBEM设备。具有不同朝向的开放式办公室和私人办公室被选为主要测量空间。连续监测持续了整整一年，并取用2017年7月的数据来诊断夏季室内热性能，如图8所示。

图8 某办公楼热环境靶向诊断。

设备收集了每个空间7月份所有工作日同一小时内的所有数据。然后将这些数据划分到不同的温度范围分区，计算同一小时内每个分区的月平均比例。最后，以堆积条形图呈现每小时内温度分配比例的每日变化。由此得出的结果就代表了一整个月的综合室内热环境特征，而不是随机选择一天进行分析。此外，这种方法可以清楚地呈现变化和分布特征，而不是提供一个平均的单一指标。

如图8所示，东面的私人办公室和南面的开放式办公室具有良好的热性能。然而，北面开放式办公室和西面私人办公室的室内气温在白天往往高于舒适区（> 28 °C）。由于西面的私人办公室在落日时有强烈阳光透过玻璃幕墙，下午的散热问题更加严重。此外，由于前门频繁打开，即使空调系统正常工作，大堂入口的大厅在白天也总是很热。这些热环境诊断结果已反馈给建筑运营商，会进行相应的改造以提高用户的热舒适度。

4.1.2. 案例2——某医院室内空气质量诊断

在2019冠状病毒病（COVID-19）流行期间，医院建筑使用IBEM设备进行实时IEQ诊断和室内环境风险预警。CO2和PM2.5浓度是备受关注的重要参数：① CO2浓度可反映通风性能；② PM2.5浓度则反映室内空气洁净度和过滤系统的净化效果。

此处选取了武汉的一家医院（在HSCW区）来展示基于IBEM设备的IAQ诊断结果。医院建筑面积为22 154 m2。在住院病房、急诊室、诊疗室、药房、办公室、护士站、更衣室、休息室、走道等几乎所有类型、不同功能的房间中都部署了IBEM设备，共计24台。从2020年3月14日开始，每隔5分钟连续进行IEQ监测，一直持续到2020年4月29日。由于数据采集的时空分辨率高，基于空间插值法得到了各时刻的IAQ动态场。本研究使用带有线性插值的三角测量来为测点之间的空白区域分配数值。

图9显示了该医院一天内典型的IAQ动态场。该区域的屏幕截图仅显示白天空气质量差的时段。结果发现，通风不足（CO2浓度高）主要发生在住院病房。然而，空气净化不足（PM2.5浓度高）的问题几乎存在于每一个空间，如污染区（即住院病房等）、半污染区（即治疗室、过道等））和清洁区（即更衣室、办公室等）。

图9 某医院建筑IAQ现场动态诊断（由于无法显示GIF动图，故选用一天的测量值和部分时刻的截图作为示例）。

根据医院室内IAQ的诊断结果，可以准确定位问题出现的位置和时间，从而及时改进相应的通风净化策略。因此，IBEM可为医院室内空气气溶胶感染风险防控提供技术支持。

4.2 主客观IEQ数据之间的相关性研究

先前的研究在气候室或模拟空间中进行了一系列实验，探索了人类对IEQ参数的感知和反应[45]。然而，现实生活场景中主观感知与客观参数之间的关系往往与气候室或模拟空间中的关系不同，因为人们的活动和行为在实际建筑物中是不受控制的。因此，研究建筑中用户在自然条件下对IEQ参数的满意度和需求是有必要的。

基于IBEM及其移动界面的信息交互和反馈功能，本研究收集2425份建筑物用户对IEQ满意度的投票，然后把这些投票与相关时间和地点的环境参数进行匹配。用户的投票采用7分制，“+3”表示“非常满意”，“-3”表示“非常不满意”，用以分析比较不同IEQ条件下用户的满意度分布。下面的调查结果显示了室内环境温度和CO2浓度如何分别影响用户的满意度。

4.2.1. 室内环境温度如何影响热满意度

中国南北方气候和暖通空调系统的差异会影响热体验和偏好。因此，将收集到的住户投票分为两部分：来自酷寒和寒冷地区的居民被归纳在一起，代表北方组，而来自HSCW和HSWW地区的居民代表南方组，

比较夏季和冬季不同室内空气温度条件下这两组住户热满意度的投票，如图10所示。进行统计检验（Wilcoxon-Mann-Whitney检验），并计算两个数据组之间的P值。如果差异具有统计学意义，则用星号（P < 0.05）或双星号（P < 0.01）标记。此外，计算每个温度分区满意的用户百分比（即从“0”到“+3”的投票），并依据预测平均投票（PMV）-预测不满意百分比（PPD）模型与预测结果进行热舒适性比较[46]。满意用户的预测百分比是根据以下几个假设计算得出：①平均辐射温度等于气温；②空速小于0.2 m·s-1；③用户的代谢率为1.0 Met（1 Met = 58.2 W·m-2）；④夏季和冬季服装保温分别为0.5 Clo和1.0 Clo（1 Clo = 0.155 m2·K·W-1）。

图10 室内空气温度与用户热满意度之间的关系蓝色代表北方组（酷寒/寒冷区域），红色代表南方组（HSCW/HSWW区域），绿色代表PMV-PPD模型的预测结果；显著性检验：*P < 0.05，**P < 0.01。

在夏季，24~26 °C是北方和南方群体最满意的热舒适度。然而，北方组比南方组对凉爽的接受度较弱。当室内空气温度低于22 ℃时，北方组热满意度的下降程度较南方组更剧烈（20~22 ℃时P < 0.05；低于20 ℃时P < 0.01）。与PMV-PPD模型相比，当气温低于22 °C时，北方组的满意用户百分比低于模型的预测。这一结果表明，中国北方地区的建筑在热环境控制方面应避免夏季过冷问题。否则，用户的满意度会急剧下降，同时还会出现能源浪费问题。

在冬季，南方组的热满意度随气温的变化表现更平稳，其关系与PMV-PPD模型一致。然而，由于长年生活在集中供暖的环境中，北方居民对冬季的热条件更加挑剔。只要气温不在20~26 °C范围内，北方组的实际热满意度就会显著下降——这一结果在相同条件下，远低于南方组和PMV-PPD的预测结果（当温度低于18 °C时P < 0.05；当温度为18~20 °C和高于26 °C时P < 0.01）。这样的结果表明，中国北方地区建筑中的用户对冬季热环境的适应范围较窄。因此，在冬季，要让中国北方用户在温度控制方面获得较高满意度是一项挑战。

4.2.2. 室内CO浓度如何影响空气质量满意度

在研究CO2浓度与用户对空气质量满意度之间的关系之前，首先要对建筑物的通风方式加以区分。我国的建筑一般根据通风方式的不同分为A型和B型。A型是指可开窗自然通风的建筑，B型是指全年采用机械通风的建筑。

图11显示了用户在不同CO2浓度下对室内空气满意度的投票，并给出了建筑类型A和B之间的比较，而后使用Wilcoxon-Mann-Whitney测试进行检验。结果显示，无论用户是在A型还是B型建筑中，不同CO2浓度水平的平均IAQ满意度变化范围很小。在所有CO2浓度水平下，平均满意度得分始终高于零。然而，所有数据组的投票都扩大到“-3”，这表明无论客观的IAQ性能如何，绝大多数人总是认为空气质量不可接受。这一结果说明人们对CO2浓度不是很敏感，很难通过提高客观表现来提高主观满意度。从节能的角度来看，只要不超过1000 ppm的限值，就没有必要将CO2浓度维持在很低的水平。然而，A型建筑的用户似乎比B型建筑的用户对相对较高的CO2浓度的接受度低。当CO2浓度高于800 ppm时，A型建筑的用户对空气质量的满意度显著低于B型建筑的用户（P < 0.01）。

图11 室内CO2浓度与用户对空气质量满意度的关系。蓝色代表A型建筑用户的投票，红色代表B型建筑用户的投票；显著性检验：**P < 0.01。

5、 讨论

上述案例研究的大规模应用和结果表明，IBEM设备可以有效地用于IEQ监测、反馈、诊断和改进。然而，类似的IEQ监测工具和系统也能在其他研究中找到。为了清楚地展示不同系统的优缺点，本节从传感器的多样性、集成性、可扩展性、数据平台、反馈与交互五个方面比较了它们的性能，如表5所示[19‒21,23‒24,47‒52]。

表5 IBEM与其他智能IEQ监控工具和系统的比较

SystemCountryDiversity of sensorsIntegrationExtendibilityData platformFeedback and interaction
Ali et al. [21]USA≥ 6√√××
Ali et al. [47]USA≥ 7√√√×
Karami et al. [19]USA9√×××
Sun et al. [48]Spain12√√××
Arroyo et al. [49]Spain4√√××
Perez et al. [20]Germany3√×√×
Parkinson et al. [23‒24]Australia10√√√×
Moreno-Rangel et al. [50]UK5√×√×
Liu et al. [51] / Dai et al. [52]China4××√×
IBEMChina5√×√√

• 传感器的多样性：在这一方面，IBEM设备表现不佳，因为它只包括空气温度、相对湿度、CO2、PM2.5和照度的传感器，没有声学和其他空气质量参数。一些其他系统选择了更多的传感器来进行更全面的IEQ监控。例如，SAMBA [23‒24]除在IBEM设备上测量的上述五个参数之外，还可测量地球温度、空速、声压、CO、甲醛和TVOC。更广泛地说，Liu等[51]和Dai等[52]介绍的IEQ系统甚至能监测用户打开/关闭窗户和操作机械通风系统参数的行为，这两者都对IEQ有重大影响。

• 集成化：除了少数直接使用多个单独消费级设备进行IEQ监测的研究[51‒52]外，大多数系统（包括IBEM）都提供了硬件解决方案，将一套传感器集成到一个“盒子”中，以实现低成本和高效率的IEQ测量。这种集成化的开发也适合大规模生产和应用。

• 可扩展性：IBEM设备不支持传感器定制，其功能对于不同场景的应对并不灵活。一些其他IEQ监控系统在这方面表现更好。例如，OSBSS [21]是使用基于Arduino平台的开源硬件和软件设计和构建的，其所有传感器都是可定制的，使该系统在经济高效地同步大量IEQ测量方面拥有更高的灵活性。Sun等[48]开发的IEQ系统是另一个具有高可扩展性的示例。该系统由多个模块化的传感器组成，用户可以通过简单的拔插自由选择不同的传感器。

• 数据平台：这一方面在IBEM设备和许多其他系统中[20,23‒24,47,50‒52]得到了很好的体现。随着通信和网络服务技术的发展，越来越多的研究都开始提供软件平台，使最终用户可以在其中访问数据、接收建议并评估其构建环境的性能。

• 反馈与互动：与其他工具和系统相比，IBEM设备在这方面有重要优势。大多数系统只能将测得的IEQ性能展示给用户，不能“听”用户的反馈，因此，它们没有充分地为用户和环境之间的信息交互建立通道。然而，IBEM设备能及时向用户呈现实时IEQ状况，并同时收集他们的主观反馈。这种反馈对于需求控制至关重要，可用于实现高水平的用户满意度和较低的能耗。此外，IEQ上的双向数据流为建筑环境领域创造了新的研究机会和更多价值。例如，Zhuang等[53‒54]发现，交互式反馈将建筑物用户的IEQ控制方式从习惯驱动模式转变为深思熟虑的思维模式，从而引发更多积极的节能行为，如在夏季将恒温器设置为更高的温度。

从这些对比结果来看，IBEM在集成和数据平台层面表现较好，尤其在反馈和交互方面，但在传感器的多样性和可扩展性方面表现较差。

本研究还有其他局限性，这需要在未来的工作中加以改进。首先，本研究未能提出科学、简化的IBEM设备部署方案。尽管IBEM设备能够实现经济高效的建筑环境测量，但仍然需要部署许多现场设备，这是一项依赖人工经验的任务。基于不同场景建筑物的实测大数据，有望能识别出不同采样点IEQ数据之间的耦合关系，从而减少不必要的设备。届时，将能够基于有限数量的设备来实现对IEQ的全场监控，将IBEM设备部署方法论从基于经验的模型转变为数据驱动的模型。其次，IBEM不能自动与环控系统联动，限制了IBEM对IEQ优化的应用。本文研究团队会继续努力将实时的IEQ监测记录和用户满意度与智能控制系统相结合。

6、 结论

本研究介绍了一种建筑环境智能监测与反馈系统（即IBEM），并展示了系统验证和若干应用案例。IBEM硬件设备是将环境温度、相对湿度、CO2、PM2.5和照度传感器集成到了一个小型装置中，在显著降低成本的同时，提高了部署效率；其性能和精度已经通过与标准设备的共址实验进行了验证，结果发现，IBEM设备与标准设备的数据之间存在高度一致性（R2 > 0.97，斜率为1.01~1.05）。在软件设计方面，IBEM实现了无线数据传输和云端存储，更重要的是，为数据可视化和交互式反馈构建了两种类型的图形用户界面（即网络平台和移动界面）。综上，IBEM系统能够以高时空分辨率连续监测IEQ参数，开展与用户之间的交互反馈，实现用户满意度和客观环境参数的同时、同地、同步数据采集。迄今为止，IBEM设备已在中国18个城市的131座建筑物中得到广泛应用，并建立了一个拥有1188个测点和超过1.09 TB数据的庞大IEQ数据库。此外，基于IBEM系统，还对典型建筑进行了靶向式的IEQ诊断，并探索了真实场景中主客观IEQ数据之间的相关性。这项研究展示了IBEM系统在学术和行业研究中的巨大价值。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

GeoMet. Report to Congress on indoor air quality. Volume 2: assessment and control of indoor air pollution. Washington, DC: US Environmental Protection Agency; 1989.
[2]

Spengler JD, Sexton K. Indoor air pollution: a public health perspective. Science 1983;221(4605):9‒17.
[3]

Mendell MJ, Fisk WJ, Kreiss K, Levin H, Alexander D, Cain WS, et al. Improving the health of workers in indoor environments: priority research needs for a national occupational research agenda. Am J Public Health 2002;92(9):1430‒40.
[4]

Weschler CJ. Changes in indoor pollutants since the 1950s. Atmos Environ 2009;43(1):153‒69.
[5]

Fang L, Wyon DP, Clausen G, Fanger PO. Impact of indoor air temperature and humidity in an office on perceived air quality, SBS symptoms and performance. Indoor Air 2004;14(7 Suppl 7):74‒81.
[6]

Wargocki P, Wyon DP, Sundell J, Clausen G, Fanger PO. The effects of outdoor air supply rate in an office on perceived air quality, sick building syndrome (SBS) symptoms and productivity. Indoor Air 2000;10(4):222‒36.
[7]

Logue JM, Price PN, Sherman MH, Singer BC. A method to estimate the chronic health impact of air pollutants in U.S. residences. Environ Health Perspect 2012;120(2):216‒22.
[8]

Xiang J, Seto E, Mo J, Zhang J, Zhang Y. Impacts of implementing Healthy Building guidelines for daily PM2.5 limit on premature deaths and economic losses in urban China: a population-based modeling study. Environ Int 2021;147:106342.
[9]

Chiang CM, Chou PC, Lai CM, Li YY. A methodology to assess the indoor environment in care centers for senior citizens. Build Environ 2001;36(4):561‒8.
[10]

Kim H, Haberl JS. Field-test of the new ASHRAE/CIBSE/USGBC performance measurement protocols for commercial buildings: basic level. ASHRAE Trans 2012;118:135‒42.
[11]

Choi JH, Loftness V, Aziz A. Post-occupancy evaluation of 20 office buildings as basis for future IEQ standards and guidelines. Energy Build 2012;46:167‒75.
[12]

Heinzerling D, Schiavon S, Webster T, Arens E. Indoor environmental quality assessment models: a literature review and a proposed weighting and classification scheme. Build Environ 2013;70:210‒22.
[13]

Geng Y, Ji W, Wang Z, Lin B, Zhu Y. A review of operating performance in green buildings: energy use, indoor environmental quality and occupant satisfaction. Energy Build 2019;183:500‒14.
[14]

Leder S, Newsham GR, Veitch JA, Mancini S, Charles KE. Effects of office environment on employee satisfaction: a new analysis. Build Res Inform 2016;44(1):34‒50.
[15]

Tang H, Ding J, Li C, Li J. A field study on indoor environment quality of Chinese inpatient buildings in a hot and humid region. Build Environ 2019;151:156‒67.
[16]

Zuhaib S, Manton R, Griffin C, Hajdukiewicz M, Keane MM, Goggins J. An indoor environmental quality (IEQ) assessment of a partially-retrofitted university building. Build Environ 2018;139:69‒85.
[17]

Coulby G, Clear A, Jones O, Godfrey A. A scoping review of technological approaches to environmental monitoring. Int J Environ Res Public Health 2020;17(11):3995.
[18]

Martín-Garín A, Millán-García JA, Baïri A, Millán-Medel J, Sala-Lizarraga JM. Environmental monitoring system based on an open source platform and the Internet of Things for a building energy retrofit. Autom Construct 2018;87:201‒14.
[19]

Karami M, McMorrow GV, Wang L. Continuous monitoring of indoor environmental quality using an Arduino-based data acquisition system. J Build Eng 2018;19:412‒9.
[20]

Perez AO, Bierer B, Scholz L, Wöllenstein J, Palzer S. A wireless gas sensor network to monitor indoor environmental quality in schools. Sensors 2018;18(12):4345.
[21]

Ali AS, Zanzinger Z, Debose D, Stephens B. Open source building science sensors (OSBSS): a low-cost Arduino-based platform for long-term indoor environmental data collection. Build Environ 2016;100:114‒26.
[22]

Kelly SDT, Suryadevara NK, Mukhopadhyay SC. Towards the implementation of IoT for environmental condition monitoring in homes. IEEE Sens J 2013;13(10):3846‒53.
[23]

Parkinson T, Parkinson A, de Dear R. Continuous IEQ monitoring system: context and development. Build Environ 2019;149:15‒25.
[24]

Parkinson T, Parkinson A, de Dear R. Continuous IEQ monitoring system: performance specifications and thermal comfort classification. Build Environ 2019;149:241‒52.
[25]

Deuble MP, de Dear RJ. Green occupants for green buildings: the missing link? Build Environ 2012;56:21‒7.
[26]

Zagreus L, Huizenga C, Arens E, Lehrer D. Listening to the occupants: a Web-based indoor environmental quality survey. Indoor Air 2004;14(s8 Suppl 8):65‒74.
[27]

Newsham GR, Birt BJ, Arsenault C, Thompson AJL, Veitch JA, Mancini S, et al. Do ‘green’ buildings have better indoor environments? New evidence. Build Res Inform 2013;41(4):415‒34.
[28]

Pei Z, Lin B, Liu Y, Zhu Y. Comparative study on the indoor environment quality of green office buildings in China with a long-term field measurement and investigation. Build Environ 2015;84:80‒8.
[29]

Lee JY, Wargocki P, Chan YH, Chen L, Tham KW. Indoor environmental quality, occupant satisfaction, and acute building-related health symptoms in Green Mark-certified compared with non-certified office buildings. Indoor Air 2019;29(1):112‒29.
[30]

Oldham E, Kim H. IEQ field investigation in high-performance, urban elementary schools. Atmosphere 2020;11(1):81.
[31]

State Administration for Market Regulation, Standardization Administration of People’s Republic of China. GB/T 18883‒2020: Indoor Air Quality Standard. Chinese Standard. Beijing: Standards Press of China; 2020. Chinese.
[32]

Ministry of Housing and Urban‒Rural Development of the People’s Republic of China, State Administration for Market Regulation. GB/T 50378‒2019: Assessment Standard for Green Building. Chinese Standard. Beijing: China Architecture & Building Press; 2019. Chinese.
[33]

Architectural Society of China. T/ASC 02‒2016: Assessment Standard for Healthy Building. Beijing: China Architecture Publishing & Media Co., Ltd.; 2017. Chinese.
[34]

ANSI/ASA S12.2: Criteria for Evaluating Room Noise. American National Standard. New York: American National Standards Institute; 2019.
[35]

StandardISO 3382-3: Acoustics―measurement of room acoustic parameters―part 3: open plan offices. ISO standard. Geneva: International Organization for Standardization; 2012.
[36]

Ministry of Housing and Urban‒Rural Development of the People’s Republic of China. GB 50118‒2010: Code for design of sound insulation of civil buildings. Beijing: China Architecture Publishing & Media Co., Ltd.; 2010. Chinese.
[37]

Ministry of Housing and Urban‒Rural Development of the People’s Republic of China, General Administration of Quality Supervision, Inspection and Quarantine. GB 50736‒2012: Design code for heating ventilation and air conditioning of civil buildings. Beijing: China Architecture Publishing & Media Co., Ltd.; 2012. Chinese.
[38]

StandardANSI/ASHRAE 62.1: Ventilation for acceptable indoor air quality. American National Standard. Atlanta: American National Standards Institute; 2019.
[39]

Ministry of Housing and Urban‒Rural Development of the People’s Republic of China, General Administration of Quality Supervision, Inspection and Quarantine. GB 50034-2013: Standard for lighting design of buildings. Beijing: China Architecture Publishing & Media Co., Ltd.; 2013. Chinese.
[40]

Liu Y, Wang Z, Lin B, Hong J, Zhu Y. Occupant satisfaction in Three-Star-certified office buildings based on comparative study using LEED and BREEAM. Build Environ 2018;132:1‒10.
[41]

Geng Y, Lin B, Yu J, Zhou H, Ji W, Chen H, et al. Indoor environmental quality of green office buildings in China: Large-scale and long-term measurement. Build Environ 2019;150:266‒80.
[42]

DIN 5032-7: Photometry - Part 7: Classification of Illuminance Meters and Luminance Meters. German Institute for Standardization; 2017.
[43]

Ramos T, Dedesko S, Siegel JA, Gilbert JA, Stephens B. Spatial and temporal variations in indoor environmental conditions, human occupancy, and operational characteristics in a new hospital building. PLoS ONE 2015;10(3):e0118207doi:10.1371/journal.pone.0118207. PMID:25729898.
[44]

Langevin J, Wen J, Gurian PL. Simulating the human-building interaction: Development and validation of an agent-based model of office occupant behaviors. Build Environ 2015;88:27‒45.
[45]

Tang H, Ding Y, Singer B. Interactions and comprehensive effect of indoor environmental quality factors on occupant satisfaction. Build Environ 2020;167:106462.
[46]

ISO 7730: Ergonomics of the thermal environment—Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria; 2005.
[47]

Ali AS, Coté C, Heidarinejad M, Stephens B. Elemental: an open-source wireless hardware and software platform for building energy and indoor environmental monitoring and control. Sensors 2019;19(18):4017.
[48]

Sun S, Zheng X, Villalba-Díez J, Ordieres-Meré J. Indoor air-quality data-monitoring system: long-term monitoring benefits. Sensors 2019;19(19):4157.
[49]

Arroyo P, Herrero JL, Suárez JI, Lozano J. Wireless sensor network combined with cloud computing for air quality monitoring. Sensors 2019;19(3):691.
[50]

Moreno-Rangel A, Sharpe T, Musau F, McGill G. Field evaluation of a low-cost indoor air quality monitor to quantify exposure to pollutants in residential environments. J Sens Sens Syst 2018;7(1):373‒88.
[51]

Liu J, Dai X, Li X, Jia S, Pei J, Sun Y, et al. Indoor air quality and occupants’ ventilation habits in China: Seasonal measurement and long-term monitoring. Build Environ 2018;142:119‒29.
[52]

Dai X, Liu J, Li X, Zhao L. Long-term monitoring of indoor CO2 and PM2.5 in Chinese homes: concentrations and their relationships with outdoor environments. Build Environ 2018;144:238‒47.
[53]

Zhuang X, Wu C. Saving energy when using air conditioners in offices—behavioral pattern and design indications. Energy Build 2014;76:661‒8.
[54]

Zhuang X, Wu C. The effect of interactive feedback on attitude and behavior change in setting air conditioners in the workplace. Energy Build 2019;183:739‒48.

基金资助

()

AI Summary AI Mindmap
PDF (15890KB)

6699

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉