既有住区人居低碳品质评价模型及可视化研究*

刘 鸣 连超丽 杨鑫鑫 范 悦 谷红磊 LIU Ming, LIAN Chaoli, YANG Xinxin, FAN Yue, GU Honglei

0 引 言

人作为既有住区活动的主体，既是住区的使用者，也是低碳行为的执行者，是构建低碳住区的第一个维度[1]。居民对既有住区低碳品质的综合评价是一种模糊的、难以预测的随机变量，除了受既有住区的客观条件，如住区建筑、环境、交通、配套基础设施等因素影响之外，还与居民的自身特征如年龄、阅历、社会阶层、心理感受等密切相关[2]。不同的人对同一住区的客观条件可能会有不同的认识，即使同一个人在不同时间对于同一住区也会有不同的感觉，即主观因素不同，对客观因素的评价结果也不同。

董丽、范悦等人以层次分析法建立既有住区活力评价模型，为定量和定性研究既有住区提供了新方法[3]。本文运用MATLAB中的Fuzzy Logic模块将影响住区低碳品质评价的客观因素与主观因素结合，建立有效的模糊控制模型，并实现了该模型精确的可视化表达。既有建筑改造前的低碳品质评价对建筑方案以及适宜的人居环境改造具有重要的指导作用，因此文章通过建立居民对既有住区低碳品质模糊综合评价模型，可以针对每个既有住区给出一个直观的评价结果，用于指导既有建筑改造。

图1 昌平小区绿化现状图Fig.1 the existing landscape of Changping community

图2 昌平小区停车现状图Fig.2 the existing parking situation of Changping community

1 现场调研

既有住区以人、建筑与环境为三大主体，基于对不同年代的既有住区进行走访调查，发现既有住区在住区环境、住区建筑以及住区低碳品质等方面存在差异。为获得较详细的数据，采取现场发放问卷的形式。问卷设置涵盖居民的低碳生活、住区建筑和住区环境3个方面共18个问题，评价项目的18种因素均围绕低碳的内容选取，具有一定倾向。对低碳生活的调研，主要包括居民对住区低碳管理的满意度、日常消费行为、用水用电、出行方式等；对于住区环境的调研，主要包括住区的绿化环境、周边交通设施、配套设施、垃圾处理方式等；对住区建筑的调研，主要包括建筑规划布局、户型、围护结构、建筑构件、能源使用方式、室内舒适性、能源计量方式等。

以开放式问卷方式，让居民在以上调研项目信息的基础上对既有住区低碳品质进行综合评价，给出确切评分，同时写下居住区低碳使用现状中存在的优缺点。调研小区选择在大连市昌平小区，该小区为建于20世纪90年代的开放式街区，临近城市中心繁华的商业区，图1和图2是调研小区的现状图。

表1 评价项目均值分析Tab.1 the average analysis of evaluation project

1.1 调研结果均值与独立性分析

现场调研过程中，调查小组向昌平小区发放了100份调查问卷，回收有效问卷86份，问卷中每个项目量化为若干定性或定量的问题，问题答案选项分为5个程度。问卷结果统计分析依据的是李克特量表[4]，将每个问题答案的心理反应指标分为5级，其评价项目均值分析结果见表1。

由卡方分析[5]居住人群特征变量，即年龄、性别、文化程度、收入与各个评价项目两两间的相关性和独立性，其中chi为卡方值（表2），卡方值越大代表相关程度越高。由分析结果可知，年龄的差别对结果的影响主要体现在绿化及景观设施、户型布局合理性及住区的总体评价等方面，同时可知，年龄与各评价项目之间的相关性较高，因此将年龄作为主观因素的控制变量，由问卷结果可知：该小区人口分布年龄集中在50—60岁之间，年龄偏大（图3）。

2 基于模糊理论的评价模型构建

MATLAB 的“Fuzzy Logic”是专门研究模糊理论的程序，Fuzzy Logic的模糊逻辑善于表达界限不清晰的定性知识与经验，它借助隶属度函数概念，区分模糊集合，处理模糊关系，解决因逻辑破缺产生的种种不确定问题。利用Matlab中的Fuzzy Logic模块通过定义输入输出变量、输入输出变量模糊度隶属函数、模糊推理规则、输出变量可视化表达四个步骤[6]，以昌平小区为例，建立既有住区低碳品质模糊综合评价模型[7]（图4）。

2.1 定义输入输出变量

利用Matlab中“fuzzy”编辑器，基于上文问卷调查的结果分析可知，将输入变量，即影响居民对既有住区低碳品质综合评价的客观因素和主观因素定义为低碳生活、住区建筑、住区环境和居民的年龄，将输出变量定义为对既有住区低碳品质的综合评价[8]（图5）。

表2 评价项目的卡方相关性分析Tab.2 the card correlation analysis of the evaluated project

图3 昌平小区调研人口年龄分布Fig.3 age distribution of population in Changping community

图4 模糊综合评判的模糊推理结构Fig.4 fuzzy reasoning structure of fuzzy comprehensive evaluation

图5 模糊推理系统FIS（fuzzy inference system）图示Fig.5 FIS (fuzzy inference system) diagram of fuzzy inference system

2.2 定义输入输出变量的模糊度隶属函数

根据调查问卷的设置和调研数据的结果，将输入变量低碳生活、住区环境、住区建筑的论域定义为[1 5]，模糊集定义为[很差，较差，一般，较好，很好]；将输入变量年龄的论域定义为[15,70]，模糊集定义为[青少年，中年，老年]，模糊集合的隶属函数均选择双高斯混合函数曲线[9]（图6）。

根据调查问卷的数据，将输出变量，即对既有住区低碳品质的综合评价的论域定义为[0 1]，模糊幂集定义为[很差，较差，一般，较好，很好]，模糊集合的隶属函数曲线[10]（图7）。

采用主成分法对标准化处理后的三个变量进行因子分析，按照输出结果中特征值和贡献率的大小提取出两个公共因子F1和F2。由表2可知，两个公共因子的特征值均大于1，且方差累计贡献率为100%，大于85%，符合提取公共因子的原则；最后将旋转后的公共因子的方差贡献率视为权重，与两个公共因子的得分值相乘得出因子综合得分，该得分作为产业结构升级水平的综合评价体系的指标值F，计算公式如公式（1）所示：

图6 输入变量隶属函数曲线Fig.6 entering the variable membership function curve

2.3 定义模糊控制规则

利用模糊规则编辑器，根据已有的模糊规则格式填写文本，形成模糊规则矩阵[11]。由于既有住区低碳品质综合评价的模糊性、随机性和不确定性，考虑分析结果的真实性和随机性，本文在昌平小区的调研问卷中随机抽取了50份调查问卷数据来建立模糊推理规则[12]（图8）。

2.4 输出结果可视化表达

模糊规则输入完成后，即可生成模糊矩阵计算后的三维可视化模型，该三维视图模型最多只可同时显示两个输入变量和一个输出变量，由于各输入变量对既有住区模糊综合评价结果的影响不同[13]，因此，通过调整平面输入变量x、y来进行两两对比，得出各因素与模糊综合评价结果的关系，生成以下6个可视化图像。

图7 输出变量隶属函数曲线Fig.7 output variable membership function curve

图8 模糊规则图示Fig.8 fuzzy rule diagram

3 结果分析

由图9可知，当住区建筑评价小于2时，既有住区低碳品质综合评价与年龄呈负相关，其原因为老年人对生活条件接收能力较强[14]；当住区建筑评价值介于2～3之间时，30—45岁的人对既有住区低碳品质综合评价最低，其原因是此年龄段的人需要更好的居住条件来满足自己和家庭的需要；当住区建筑评价大于3时，既有住区低碳品质综合评价与年龄几乎不相关，与住区建筑呈正相关。

由图10可知，当住区环境评价小于3时，既有住区低碳品质综合评价与年龄几乎不相关，与住区环境呈正相关；当住区环境评价值介于4～5之间时，既有住区低碳品质综合评价结果中，老年人的评分显著高于青年人和中年人，其原因为老年人在住区的时间最长，对住区环境的敏感度最高，对住区的环境也有很高的要求[15]。

由图11可知，既有住区低碳品质的综合评价与居民的低碳生活呈正相关，与年龄几乎无关；仅在年龄处于30—40岁，低碳生活得分较低时综合评价得分会相对较低。

由图12可知，既有住区低碳品质的综合评价与住区建筑和住区环境均呈正相关，可见综合得分与住区的客观条件息息相关。

由图14可知，当低碳生活评价较高、住区环境评价较低时，既有住区低碳品质的综合评价较高；当住区环境评价较高、低碳生活得分较低时，既有住区低碳品质综合评价次高；其余情况综合评价得分均较低。由此可见，低碳生活对于既有住区低碳品质的综合评价优先级要大于住区环境。

由于既有住区低碳品质综合评价的模糊性、随机性和不确定性，采用基于MATLAB软件fuzzy logic模块的模糊综合评判方法。研究在建立可视化模型的时候对样本进行了大量简化，仅从调研问卷随机抽取了数十份问卷数据来建立模糊推理规则。但随着样本数的不断积累，可以通过对输入和输出变量的隶属函数和模糊推理规则的进一步调整达到深化和完善评价模型的目的,从而实现对既有住区更精确的模糊综合评判，减小模型的误差。

4 总 结

首先，通过对昌平小区的调研分析可知，该小区人口分布年龄集中在50—60岁之间，人口年龄偏大，其低碳品质综合评价得分整体偏低。通过卡方分析居住人群特征变量，即年龄、性别、文化程度、收入与各个评价项目两两间的相关性和独立性可知，年龄与各评价项目之间的相关性较高。

其次，由模型分析结果可知，对于昌平小区，低碳生活对于既有住区低碳品质的综合评价得分的优先级要大于住区环境，倡导居民实行低碳生活方式，为既有住区改造的重中之重；既有住区低碳品质的综合评价与住区建筑和住区环境均呈正相关，可见改造的重点应集中于改造住区建筑与住区环境两方面；当住区环境、住区建筑得分较低时，既有住区低碳品质的综合评价与年龄呈负相关，可见老年人对于条件的接受能力较强，对老年社区进行改造时，应考虑老年人对社区的要求，因地制宜。

再次，在改造前对既有建筑进行低碳品质评价，对建筑方案的选取与实现适宜的人居环境改造具有重要的指导作用，因此，文章通过建立居民对既有住区低碳品质模糊综合评价模型，可以针对每个既有住区给出一个直观的评价结果，用于指导既有建筑改造。

图9 住区建筑、年龄与综合评价关系图Fig.9 diagram of residential building, age and comprehensive evaluation

图10 住区环境、年龄与综合评价关系图Fig.10 diagram of residential environment, age and comprehensive evaluation

图11 低碳生活、年龄与综合评价关系图Fig.11 diagram of low carbon living, age and comprehensive evaluation

图12 住区环境、住区建筑与综合评价关系图Fig.12 diagram of residential environment, residential building and comprehensive evaluation

图13 低碳生活、住区建筑与综合评价关系图Fig.13 diagram of low carbon living, residential building and comprehensive evaluation

图14 低碳生活、住区环境与综合评价关系图Fig.14 diagram of low carbon living, residential environment and comprehensive evaluation

[1] 韩玲. 以人为本的医院建筑外部空间与环境设计[J]. 人类工效学, 2010(03): 59-61.

[2] 宋丽美, 赵先超, 陈光明. 人居环境视角下的株洲市中心城区生态空间评价[J]. 西部人居环境学刊, 2018, 33(01): 34-40.

[3] 董丽, 范悦, 苏媛, 等. 既有住区活力评价研究[J]. 建筑学报, 2015(S1): 186-191.

[4] 朱小雷. 建成环境主观评价方法研究[M].南京: 东南大学出版社, 2005.

[5] 高原. 天津城市居民生活空间感知情况统计分析[J]. 环渤海经济瞭望, 2017(08): 25-28.

[6] 吴晓莉, 林哲辉, 李军, 等. MATLAB辅助模糊系统设计[M]. 西安: 西安电子科技大学出版社, 2002.

[7] 刘革辉, 单杰峰, 郑楚光. Matlab软件中的Fuzzy Logic工具箱在模糊控制系统仿真中的应用[J]. 计算机仿真, 2000(05): 69-72.

[8] 张正伟, 冯志华. 基于MATLAB的FUZZY控制器的设计和仿真[J]. 苏州大学学报（工科版）, 2004(02): 39-42.

[9] LIAO Y Y, SUN S S,WU W, et al.Application of FCJ in the Evaluation of Low‐carbon Construction Program[C]//中国地质大学. 资源型地区可持续发展与政策国际会议暨国际区域科学学会第三次年会. 北京, 2012: 4 .

[10] KILLIAN M, MAYER B, KOZEK M.Effective fuzzy black-box modeling for building heating dynamics[J]. Energy and Buildings, 2015(96): 175-186.

[11] EDALATH S, KUKRETI A R, COHEN K. Enhancement of a tuned mass damper for building structures using fuzzy logic[J]. Journal of Vibration and Control. 2013, 19(12): 1763-1772.

[12] RAMYA T, KANNANA C,BALASENTHIL R S, et al. Fuzzy Logic modeling for decision making processes using MATLAB[C]. //Tamil Nadu, India:Trans Tech Publications Ltd, 2014.

[13] MARTINEZ L G, LICEA G,RODRIGUEZ A, et al. Using MatLab's fuzzy logic toolbox to create an application for RAMSET in software engineering courses[J]. Computer Applications in Engineering Education.2013, 21(04): 596-605.

[14] 王雪松，张翔. 我国建筑业“碳足迹”评估发展策略研究[J]. 西部人居环境学刊,2015, 30(01): 55-60.

[15] 孙杨. 低碳视角下城市既有住区公共空间环境更新方法与策略[D]. 合肥: 合肥工业大学, 2013.

[16] 田轶威. 基于低碳目标的杭州既有城市住区改造策略与方法研究[D]. 杭州: 浙江大学, 2012.

图表来源：

图1-2：作者拍摄

图3：根据调研结果分析绘制

图4：根据Matlab分析步骤绘制

图5-8：Matlab软件分析过程截图

图9-14：Matlab软件分析结果