既有住區人居低碳品質評價模型及可視化研究*

劉 鳴 連超麗 楊鑫鑫 范 悅 谷紅磊 LIU Ming, LIAN Chaoli, YANG Xinxin, FAN Yue, GU Honglei

0 引 言

人作為既有住區活動的主體，既是住區的使用者，也是低碳行為的執行者，是構建低碳住區的第一個維度[1]。居民對既有住區低碳品質的綜合評價是一種模糊的、難以預測的隨機變量，除了受既有住區的客觀條件，如住區建筑、環境、交通、配套基礎設施等因素影響之外，還與居民的自身特征如年齡、閱歷、社會階層、心理感受等密切相關[2]。不同的人對同一住區的客觀條件可能會有不同的認識，即使同一個人在不同時間對于同一住區也會有不同的感覺，即主觀因素不同，對客觀因素的評價結果也不同。

董麗、范悅等人以層次分析法建立既有住區活力評價模型，為定量和定性研究既有住區提供了新方法[3]。本文運用MATLAB中的Fuzzy Logic模塊將影響住區低碳品質評價的客觀因素與主觀因素結合，建立有效的模糊控制模型，并實現了該模型精確的可視化表達。既有建筑改造前的低碳品質評價對建筑方案以及適宜的人居環境改造具有重要的指導作用，因此文章通過建立居民對既有住區低碳品質模糊綜合評價模型，可以針對每個既有住區給出一個直觀的評價結果，用于指導既有建筑改造。

圖1 昌平小區綠化現狀圖Fig.1 the existing landscape of Changping community

圖2 昌平小區停車現狀圖Fig.2 the existing parking situation of Changping community

1 現場調研

既有住區以人、建筑與環境為三大主體，基于對不同年代的既有住區進行走訪調查，發現既有住區在住區環境、住區建筑以及住區低碳品質等方面存在差異。為獲得較詳細的數據，采取現場發放問卷的形式。問卷設置涵蓋居民的低碳生活、住區建筑和住區環境3個方面共18個問題，評價項目的18種因素均圍繞低碳的內容選取，具有一定傾向。對低碳生活的調研，主要包括居民對住區低碳管理的滿意度、日常消費行為、用水用電、出行方式等；對于住區環境的調研，主要包括住區的綠化環境、周邊交通設施、配套設施、垃圾處理方式等；對住區建筑的調研，主要包括建筑規劃布局、戶型、圍護結構、建筑構件、能源使用方式、室內舒適性、能源計量方式等。

以開放式問卷方式，讓居民在以上調研項目信息的基礎上對既有住區低碳品質進行綜合評價，給出確切評分，同時寫下居住區低碳使用現狀中存在的優缺點。調研小區選擇在大連市昌平小區，該小區為建于20世紀90年代的開放式街區，臨近城市中心繁華的商業區，圖1和圖2是調研小區的現狀圖。

表1 評價項目均值分析Tab.1 the average analysis of evaluation project

1.1 調研結果均值與獨立性分析

現場調研過程中，調查小組向昌平小區發放了100份調查問卷，回收有效問卷86份，問卷中每個項目量化為若干定性或定量的問題，問題答案選項分為5個程度。問卷結果統計分析依據的是李克特量表[4]，將每個問題答案的心理反應指標分為5級，其評價項目均值分析結果見表1。

由卡方分析[5]居住人群特征變量，即年齡、性別、文化程度、收入與各個評價項目兩兩間的相關性和獨立性，其中chi為卡方值（表2），卡方值越大代表相關程度越高。由分析結果可知，年齡的差別對結果的影響主要體現在綠化及景觀設施、戶型布局合理性及住區的總體評價等方面，同時可知，年齡與各評價項目之間的相關性較高，因此將年齡作為主觀因素的控制變量，由問卷結果可知：該小區人口分布年齡集中在50—60歲之間，年齡偏大（圖3）。

2 基于模糊理論的評價模型構建

MATLAB 的“Fuzzy Logic”是專門研究模糊理論的程序，Fuzzy Logic的模糊邏輯善于表達界限不清晰的定性知識與經驗，它借助隸屬度函數概念，區分模糊集合，處理模糊關系，解決因邏輯破缺產生的種種不確定問題。利用Matlab中的Fuzzy Logic模塊通過定義輸入輸出變量、輸入輸出變量模糊度隸屬函數、模糊推理規則、輸出變量可視化表達四個步驟[6]，以昌平小區為例，建立既有住區低碳品質模糊綜合評價模型[7]（圖4）。

2.1 定義輸入輸出變量

利用Matlab中“fuzzy”編輯器，基于上文問卷調查的結果分析可知，將輸入變量，即影響居民對既有住區低碳品質綜合評價的客觀因素和主觀因素定義為低碳生活、住區建筑、住區環境和居民的年齡，將輸出變量定義為對既有住區低碳品質的綜合評價[8]（圖5）。

表2 評價項目的卡方相關性分析Tab.2 the card correlation analysis of the evaluated project

圖3 昌平小區調研人口年齡分布Fig.3 age distribution of population in Changping community

圖4 模糊綜合評判的模糊推理結構Fig.4 fuzzy reasoning structure of fuzzy comprehensive evaluation

圖5 模糊推理系統FIS（fuzzy inference system）圖示Fig.5 FIS (fuzzy inference system) diagram of fuzzy inference system

2.2 定義輸入輸出變量的模糊度隸屬函數

根據調查問卷的設置和調研數據的結果，將輸入變量低碳生活、住區環境、住區建筑的論域定義為[1 5]，模糊集定義為[很差，較差，一般，較好，很好]；將輸入變量年齡的論域定義為[15,70]，模糊集定義為[青少年，中年，老年]，模糊集合的隸屬函數均選擇雙高斯混合函數曲線[9]（圖6）。

根據調查問卷的數據，將輸出變量，即對既有住區低碳品質的綜合評價的論域定義為[0 1]，模糊冪集定義為[很差，較差，一般，較好，很好]，模糊集合的隸屬函數曲線[10]（圖7）。

采用主成分法對標準化處理后的三個變量進行因子分析，按照輸出結果中特征值和貢獻率的大小提取出兩個公共因子F1和F2。由表2可知，兩個公共因子的特征值均大于1，且方差累計貢獻率為100%，大于85%，符合提取公共因子的原則；最后將旋轉后的公共因子的方差貢獻率視為權重，與兩個公共因子的得分值相乘得出因子綜合得分，該得分作為產業結構升級水平的綜合評價體系的指標值F，計算公式如公式（1）所示：

圖6 輸入變量隸屬函數曲線Fig.6 entering the variable membership function curve

2.3 定義模糊控制規則

利用模糊規則編輯器，根據已有的模糊規則格式填寫文本，形成模糊規則矩陣[11]。由于既有住區低碳品質綜合評價的模糊性、隨機性和不確定性，考慮分析結果的真實性和隨機性，本文在昌平小區的調研問卷中隨機抽取了50份調查問卷數據來建立模糊推理規則[12]（圖8）。

2.4 輸出結果可視化表達

模糊規則輸入完成后，即可生成模糊矩陣計算后的三維可視化模型，該三維視圖模型最多只可同時顯示兩個輸入變量和一個輸出變量，由于各輸入變量對既有住區模糊綜合評價結果的影響不同[13]，因此，通過調整平面輸入變量x、y來進行兩兩對比，得出各因素與模糊綜合評價結果的關系，生成以下6個可視化圖像。

圖7 輸出變量隸屬函數曲線Fig.7 output variable membership function curve

圖8 模糊規則圖示Fig.8 fuzzy rule diagram

3 結果分析

由圖9可知，當住區建筑評價小于2時，既有住區低碳品質綜合評價與年齡呈負相關，其原因為老年人對生活條件接收能力較強[14]；當住區建筑評價值介于2～3之間時，30—45歲的人對既有住區低碳品質綜合評價最低，其原因是此年齡段的人需要更好的居住條件來滿足自己和家庭的需要；當住區建筑評價大于3時，既有住區低碳品質綜合評價與年齡幾乎不相關，與住區建筑呈正相關。

由圖10可知，當住區環境評價小于3時，既有住區低碳品質綜合評價與年齡幾乎不相關，與住區環境呈正相關；當住區環境評價值介于4～5之間時，既有住區低碳品質綜合評價結果中，老年人的評分顯著高于青年人和中年人，其原因為老年人在住區的時間最長，對住區環境的敏感度最高，對住區的環境也有很高的要求[15]。

由圖11可知，既有住區低碳品質的綜合評價與居民的低碳生活呈正相關，與年齡幾乎無關；僅在年齡處于30—40歲，低碳生活得分較低時綜合評價得分會相對較低。

由圖12可知，既有住區低碳品質的綜合評價與住區建筑和住區環境均呈正相關，可見綜合得分與住區的客觀條件息息相關。

由圖14可知，當低碳生活評價較高、住區環境評價較低時，既有住區低碳品質的綜合評價較高；當住區環境評價較高、低碳生活得分較低時，既有住區低碳品質綜合評價次高；其余情況綜合評價得分均較低。由此可見，低碳生活對于既有住區低碳品質的綜合評價優先級要大于住區環境。

由于既有住區低碳品質綜合評價的模糊性、隨機性和不確定性，采用基于MATLAB軟件fuzzy logic模塊的模糊綜合評判方法。研究在建立可視化模型的時候對樣本進行了大量簡化，僅從調研問卷隨機抽取了數十份問卷數據來建立模糊推理規則。但隨著樣本數的不斷積累，可以通過對輸入和輸出變量的隸屬函數和模糊推理規則的進一步調整達到深化和完善評價模型的目的,從而實現對既有住區更精確的模糊綜合評判，減小模型的誤差。

4 總 結

首先，通過對昌平小區的調研分析可知，該小區人口分布年齡集中在50—60歲之間，人口年齡偏大，其低碳品質綜合評價得分整體偏低。通過卡方分析居住人群特征變量，即年齡、性別、文化程度、收入與各個評價項目兩兩間的相關性和獨立性可知，年齡與各評價項目之間的相關性較高。

其次，由模型分析結果可知，對于昌平小區，低碳生活對于既有住區低碳品質的綜合評價得分的優先級要大于住區環境，倡導居民實行低碳生活方式，為既有住區改造的重中之重；既有住區低碳品質的綜合評價與住區建筑和住區環境均呈正相關，可見改造的重點應集中于改造住區建筑與住區環境兩方面；當住區環境、住區建筑得分較低時，既有住區低碳品質的綜合評價與年齡呈負相關，可見老年人對于條件的接受能力較強，對老年社區進行改造時，應考慮老年人對社區的要求，因地制宜。

再次，在改造前對既有建筑進行低碳品質評價，對建筑方案的選取與實現適宜的人居環境改造具有重要的指導作用，因此，文章通過建立居民對既有住區低碳品質模糊綜合評價模型，可以針對每個既有住區給出一個直觀的評價結果，用于指導既有建筑改造。

圖9 住區建筑、年齡與綜合評價關系圖Fig.9 diagram of residential building, age and comprehensive evaluation

圖10 住區環境、年齡與綜合評價關系圖Fig.10 diagram of residential environment, age and comprehensive evaluation

圖11 低碳生活、年齡與綜合評價關系圖Fig.11 diagram of low carbon living, age and comprehensive evaluation

圖12 住區環境、住區建筑與綜合評價關系圖Fig.12 diagram of residential environment, residential building and comprehensive evaluation

圖13 低碳生活、住區建筑與綜合評價關系圖Fig.13 diagram of low carbon living, residential building and comprehensive evaluation

圖14 低碳生活、住區環境與綜合評價關系圖Fig.14 diagram of low carbon living, residential environment and comprehensive evaluation

[1] 韓玲. 以人為本的醫院建筑外部空間與環境設計[J]. 人類工效學, 2010(03): 59-61.

[2] 宋麗美, 趙先超, 陳光明. 人居環境視角下的株洲市中心城區生態空間評價[J]. 西部人居環境學刊, 2018, 33(01): 34-40.

[3] 董麗, 范悅, 蘇媛, 等. 既有住區活力評價研究[J]. 建筑學報, 2015(S1): 186-191.

[4] 朱小雷. 建成環境主觀評價方法研究[M].南京: 東南大學出版社, 2005.

[5] 高原. 天津城市居民生活空間感知情況統計分析[J]. 環渤海經濟瞭望, 2017(08): 25-28.

[6] 吳曉莉, 林哲輝, 李軍, 等. MATLAB輔助模糊系統設計[M]. 西安: 西安電子科技大學出版社, 2002.

[7] 劉革輝, 單杰峰, 鄭楚光. Matlab軟件中的Fuzzy Logic工具箱在模糊控制系統仿真中的應用[J]. 計算機仿真, 2000(05): 69-72.

[8] 張正偉, 馮志華. 基于MATLAB的FUZZY控制器的設計和仿真[J]. 蘇州大學學報（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]//中國地質大學. 資源型地區可持續發展與政策國際會議暨國際區域科學學會第三次年會. 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，張翔. 我國建筑業“碳足跡”評估發展策略研究[J]. 西部人居環境學刊,2015, 30(01): 55-60.

[15] 孫楊. 低碳視角下城市既有住區公共空間環境更新方法與策略[D]. 合肥: 合肥工業大學, 2013.

[16] 田軼威. 基于低碳目標的杭州既有城市住區改造策略與方法研究[D]. 杭州: 浙江大學, 2012.

圖表來源：

圖1-2：作者拍攝

圖3：根據調研結果分析繪制

圖4：根據Matlab分析步驟繪制

圖5-8：Matlab軟件分析過程截圖

圖9-14：Matlab軟件分析結果