基于改进马斯诺需求层次理论和模糊理论的医疗建筑循证设计知识管理的建模方法

李丹，邓旭东*，徐文平，张宁

(1 武汉科技大学恒大管理学院,湖北 武汉 430081;2 中国电信集团有限公司武汉分公司,湖北 武汉 430071)

室内空气中几种有机物的水平相比室外平均高出两到五倍[1],而人们身处室内的时间超过80%,这对健康产生了负面影响[2]，另外，大多数建筑物综合症(Sick Building Syndrome,简称SBS,)与室内环境有关[3],不良的环境特征会降低医护人员的工作效率,也会导致康复时间延长,因此,建筑环境是影响身体健康的重要因素之一，这对于建筑设计尤其重要。通过研究得出建筑与健康有关问题的结论,这是循证设计(evidence-based design,EBD)的起源[4]，建筑设计者可以利用EBD的研究结果，并根据现有的最佳证据做出决策。1984年ULRICH R S[5]首次提出并运用科学方法证明环境对疗效的重要作用,之后循证设计被广泛运用,HAMILTON D K等[6]、MCCULLOUGH C S[7]、CAMA R[8]、BRANDT R等[9],PHARES E G[10]、MARCUS C C等[11]、DEVLIN A S[12]等将EBD方法应用于各种类型的医疗建筑设计中。

每年都有大量环境特征对健康产生影响的“证据”,新知识本身并不是问题,管理及结合新旧知识以提供可用的知识才是最大的挑战。EBD作为一种设计管理方法,其主要不足之一是它基于孤立的研究,仅指出特定情况下的个别因素。先前的研究都没有提到某一特定设计特征对其他方面或其他研究的影响，也没有说明如何同时处理多个方面的影响,以及若干方面可能对最终结果产生的累积影响。建筑设计者面临3个问题，一是没有科学的方法来以整体的方式处理不同的环境问题，二是对各种环境因素对建筑的累积影响缺乏了解，三是在基于EBD数据的有效知识管理和知识建模方面仍然没有足够的工具。

20世纪80年代末,钱学森[13]创立了在世界复杂性科学研究中有重要影响的“开放的复杂巨系统”理论以及“大成智慧工程”,强调从整体去认识、思考和解决问题。只有通过应用知识管理的方法,才能解决复杂性的问题，否则，医疗建筑规划和设计领域将陷入信息的海洋,非结构化信息会阻滞所需的进展。因此，为了发展和整合知识管理技术，在规划和设计新医疗建筑或翻新扩建旧医院时，给建筑设计决策者提供更灵活、动态的工具，本文提出了一种基于EBD方法利用创新的知识管理的模型。

1 模型结构

人类身体条件因人而异,但工作效率和生活质量也取决于建筑所处的环境[14]。除了室内空气质量外,在健康环境上还存在其他方面的威胁。图1是基于文献统计的环境因素与人员效率的关系,归纳这些因素的结构对马斯洛的需求等级模型进行改进[15]。

表1 用于知识建模的文献证据分类

本文使用一种马斯洛需求层次模型作为模型开发的出发点。对于实际的建模而言,区分任何符合马斯洛需求理论的个体的普适性信息和可能仅对特定群体有效的专用信息是很重要的。通过创建知识库,即模型一部分的每个特定方面都以有意义的形式记录,最终用户可以很容易对其进行解释，并提取、解释和“模糊”[16]优秀证据。

EBD的一个主要问题是它缺乏一个整体的方法来表明一个特定的设计特征与所有其他功能关系的重要性。一个整体的方法需要形成层次,这成为这个特定知识模型的基本规则。建立层次结构可以使用层次分析法(analytic hierarchy process,简称AHP)[17]。本文采用AHP建立模糊神经网络结构的知识模型结构，该神经网络中工作节点是类似于使用径向基函数神经网络的高斯核函数[18]。

神经网络可以表示具有或不带分层结构的大类前馈网络,涉及的网络结构是分层的,它通过子网络变体运算后交换分支,而且不影响结构,从任何分段到任何上层的输入都是可行的(图2)；也可以在同一级别的节点之间进行连接,但是不允许从任何上层到子层的反馈。通过这种基本配置,在任何复杂的结构中都清楚地定义了这些规则。

在输入端给定一个特定的组合,辅以适当的权重后将产生特定输出。在本文的情况下,基于输入的条件预测患者康复时间,即医疗建筑的绩效指标。这种类型的知识建模也是灵活和开放的,会出现新的证据,并且可以在知识模型中轻松地将这些新的证据结合起来,或用新的证据提高结果的可靠性。

图2 将模糊神经网络配置为前馈知识模型

图3展示了一个虚拟的知识模型,它代表特定方面的当前证据。

该知识模型具有灵活和开放的结构,当出现新的证据时,模型可以扩展并对局部权重作细微的调整。这种方法有具有以下优点:一是能实现高效的知识管理；二是可以用相同的知识来衡量不同建筑环境方面的表现；三是某项设计的效果被直接计算出来,并明确地显示给最终用户,从而表明总体“设计组合”的性能；四是灵敏度分析为用户提供反馈,说明需要更改哪些输入以改善结果；五是模糊神经网络开放的结构保证了其灵活性,可以让最终用户及时更新最新的结果。

在不同的建筑环境下可以对基本知识模型的性能进行测试,从而对最终模型进行评估和标定。

图3 基本知识模型

2 建模过程

构建基本知识模型有以下3个主要步骤:首先开发基于发现证据的数据库(模糊证据)，其次使用专家评估和AHP法确定模型权重，最后测试、评估、校准模型。

2.1 基于发现证据的数据库开发

建立数据库,首先需要将模型中的各个方面进行分类,并确定每一个细节的级别,详细程度一般由特定方面的最佳可用证据确定。在本文讨论模型中的输入值X4,可以将窗口的视野分级为0至1,赏心悦目的自然风景是0.9,砖墙是0.1；0和1没有被分配,因为还有介于二者之间更好或更坏的可能。如果有新证据出现,评分可以被校准和改进,可以增加与窗口视野相关的其他方面,如隐私、开阔度或接纳性等。为了确保更全面、准确的分级,需定义几个表示以下关系的模糊函数:一是窗口视野和对象的距离可能会对隐私及其子组件、开阔度等方面产生影响;二是对象的距离和对象类型(天空、树木、建筑环境、人)与隐私、接纳和有益的分散注意力有关;三是建筑物与植被的占比。

图4是应用于开阔度函数的一个例子,变量为与另一个建筑物的距离,x轴表示以米为单位的距离,y轴包含介于0和1之间的值,其中1是最佳的开阔度,0是最劣解决方案。可以通过指定与不同对象的开阔度分布进一步细化,对不同的对象可以使用不同的模糊函数来表示与开阔度的关系，这些构成了知识模型的数据库。

这个例子演示了从现实的粗略逼近到更精确的一种方法,这使得模型能够随着时间的推移变得更加精确。第一等级是粗略的分级，但是通过精炼各方面之间的不同关系,可以得到更精确的趋势,最终获得更准确的结果(图4)。

图4 描述物体与开阔度有关的函数

2.2 确定模型权重

数据库的建立不直接提供对从业者有用的知识形式，而是包含大量信息,还需要关于如何组合多个方面的规则。为了建立规则,必须确定模型权重,从而使零碎的知识迁移到主动和集成的知识应用。

根据AHP方法给第1个维度的4个方面分配权重,其中，社交互动方面的权重W15=0.232 5，精神愉悦方面的权重W16=0.242 5，感官舒适方面的权重W17=0.255 0，安全方面的权重W18=0.270 0[19]。其他方面的权重可以由该领域的专家建立,再使用AHP方法。信息处理的过程发生在连接节点上,如上一节所述。

2.3 模型的测试和校准

通过算例研究进行测试,数据应在现场收集，并用作模型的输入。最后一步是在不同的环境中比较实验对象的预后,并在必要时对模型进行校准。

将所有信息都安排到模型中,创建一个有效、能用于不同建筑的通用知识模型。知识是为特定目的而开发的,而且是具有普适性的,因此，一旦建立了知识模型,它可以被应用于任何设计,将患者康复作为一个性能指标。

3 模型验证及分析

3.1 算例分析

本文研究使用Matlab软件完成模糊神经网络的运行,并进行一个医院的假设算例研究,对比某甲级建筑设计院国家一级注册建筑师A工的经验做法,以说明该模型潜在的应用,并证明其价值。

将该建筑基准评分的值(表2)输入作为模型训练。先评估目前的设计性能与现有的患者健康数据，再将数据输入模型后提供了2个重要的结果。第1个是五维度的性能,如最终维度的患者恢复和子维度的安全、感官舒适、社会互动和精神愉悦(图5)。在基准设计的输入条件下经该模型训练,在患者康复方面结果的估值(0～1)为0.8237。第2个是灵敏度分析结果,用来确定评价条件发生变化时备选方案的价值是否会发生变化或变化的量[20]。该结果是分等级顺序的,其中每个特定方面对结果在给定的环境条件下的影响计算,以灵敏度表示。

表2 算例的评分

图5 输出节点的计算值

灵敏度分析的计算结果(图6)表明，对第7项公共空间的投资将取得最大的受益。如果在该部增设一个公共休息室,将该项的输入从0.1提高到0.95,经该模型训练,输出的设计性能值是0.950 3。与前一例相比,这一改善约为15%。灵敏度分析揭示了不同的层次结构及各个方面的相关影响。

为了说明这一点,应该重新分析基准的输入数据。对输入数据的检查显示,设计的休息室和艺术两个方面都有很低的分数。对于这2个方面,输入值为0.1(从0到1)。对比设计专家A工在不使用这种知识模型的前提下,根据设计经验,判断在有限的改建预算下在艺术或休息室这2个方面中选择其一进行改善投资,设计师选择将投资用于在住所放置艺术品,如绘画。改进效果(图5、6)显示：

如果放置艺术品,输入数据由0.1变为0.95，经该模型训练,设计性能的输出值是0.846 8。

相同的投资额可能对总体性能产生不同的影响，在这方面,以性能为基础的工具可以为建筑设计决策提供必要的支持。与原来的基础情况相比,应用于艺术品的投资将会有2.5%的性能改善,而这远低于公共休息室的15%。此算例中，知识模型对最终结果的影响优于传统经验6倍。

3.2 优劣分析

该知识建模方法具有以下优点:

(1)由于其非线性的结构特点,它可以并行分布处理数据,基于整体建筑预测性能,而不是一次只考虑一个方面。通过这种整体的系统方法和运用知识管理技术,计算各个方面的累计效果后可提出最佳的方式。

(2)当提供给网络的输入是新信息时,该方法具有归纳能力,模糊神经网络可以自适应调节。

(3)作为一个多变量系统,模糊神经网络结构可以处理多输入量,并有多输出量,很容易应用于超多变量的建筑设计。

(4)该模型的弊端在于，由于所选取的网络结构、隶属函数、模糊规则、输入可信度的不同,其结果有可能会有很大差别。

4 结论

(1)本文基于整体建筑预期的性能提出的知识管理建模方法,以综合的方式研究医疗建筑和EBD计算各个方面的累计效果,提出医疗建筑中的患者康复期最短的设计方案。

(2)该知识模型可利用知识管理技术充分处理新旧信息,提高设计效率,最终结果的影响优于传统经验6倍,但由于是孤例，其实际设计效率有待大量实际工程的验证。

(3)该建模方法可以在设计过程、假设测试或后评估的设计决策中发挥作用。