Developing a Human-Centric AI-based Multi-Criteria Energy Efficiency Advisory Framework for Apartment Housing of Mashhad, Iran
本研究提出并验证了一个以人为本、基于人工智能的框架，该框架整合了社会人口、建筑、社区及气候数据，旨在为伊朗马什哈德公寓居民提供个性化且具可解释性的节能建议，实现了高预测精度（R² = 0.86），并证明了居住者特征是住宅能源性能的关键驱动因素。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你的家不再是一个静态的砖块盒子，而更像是一个与周围世界进行互动的、有生命、会呼吸的有机体。长期以来，试图研究如何实现房屋节能的科学家们主要关注的是“硬件”：墙壁的厚度、窗户的类型以及屋顶的形状。他们将建筑视为一台机器，假设只要建造出一台完美的机器，它就能完美运行。但这个谜题中缺少了一块拼图：居住在其中的人。就像汽车根据驾驶员是紧张的青少年还是冷静的老年人而有着不同的驾驶表现一样，房屋消耗能量的方式也会根据居住者的身份、年龄以及他们全天的活动内容而有所不同。这个研究领域被称为“以人为中心的能源效率”，它提出了一个简单但棘手的问题：我们如何设计出能够真正契合居住在房屋中的特定人类，而非仅仅契合房屋本身的节能建议？
这正是研究团队在一项针对伊朗马什哈德（Mashhad）公寓楼的新研究中所致力于解决的问题。他们想要构建一个使用人工智能（AI）的“智能顾问”，这个顾问不仅要观察建筑的蓝图，还要倾听内部人们的故事。他们从50个不同的家庭收集了数据，涵盖了从建筑房龄、周边绿化程度到居民年龄以及家庭成员人数等方方面面。他们将所有这些信息输入到一个计算机模型中——可以将其想象成一个超级聪明的侦探，在海量的证据中寻找隐藏的线索——以观察究竟是什么在驱动能源消耗。
研究结果非常具有启发性。AI侦探发现，影响能源效率最重要的因素不仅仅是那些高级建筑材料，而是自然通风（空气在房屋中流动的效果）、建筑房龄以及社区绿化覆盖率等因素的结合。令人惊讶的是，居住者的年龄和家庭规模也起到了巨大的作用。该计算机模型能够以极高的准确度预测能源性能，其准确率达到了86%左右。
然而，研究人员谨慎地表示，不要将这项工作视为解决所有能源问题的“魔杖”。他们将这项工作描述为一种“概念验证”，这意味着它是一个成功的测试运行，证明了这个想法是可行的，但在广泛应用之前还需要通过更大规模的人群进行更多测试。他们明确排除了旧有的观点，即认为只需观察建筑的物理特征而忽略内部人类的做法；他们的数据表明，忽视人的因素会导致图像准确度大幅下降。相反，他们建议能源效率的未来在于一种“人在回路”（human-in-the-loop）的方法，即技术将建筑的物理事实与居民的个人习惯及特征相结合。
研究结论指出，通过使用这种新的AI框架，我们终于可以提供个性化的建议。与其给出一个通用的提示，比如“安装更好的隔热层”，系统可以给出这样的建议：“由于您家庭成员较多，且居住在一栋通风较差的老旧建筑中，以下是能为您节省最多能源的具体改进方案。”虽然目前的研究受限于50套公寓的小样本量，但它为未来奠定了基础：届时，每位公寓住户都能获得一份尊重其独特生活方式的定制化能源计划，从而在不强迫每个人接受“一刀切”方案的前提下，让我们的城市更绿色，让我们的家更加舒适。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。