团 体 标 准
T/CABEE 011-2021
办公建筑室内环境满意度计算导则
Guidelines for calculating indoor
environmental satisfaction of office
buildings
2021-09-07 发布 2021-11-01 实施
中国建筑节能协会 发布
前 言
根据《中国建筑节能协会团体标准管理办法(试行)》(国建节协(2017)40号)及《关于印发<2020年度第一批团体标准制修订计划>的通知》(国建协[2020] 8号)的要求，由上海市建筑科学研究院有限公司会同有关单位组建编制组，经广泛的调查研究，认证总结实践经验，考察有关国内外标准和先进经验，并在广泛征求意见的基础上，共同编制了本导则。
本导则的主要内容包括：1总则;2术语;3满意度计算;4参数采集。
本导则由中国建筑节能协会团体标准化管理办公室负责管理(联系电话： 010-57811483，邮箱：biaoban@cabee.org)，由上海市建筑科学研究院有限公司负责具体内容的解释。执行过程中如有意见或建议， 请寄送至上海市建筑科学研究院有限公司(地址：上海市徐汇区宛平南路75号，邮编：200032)
本导则主编单位：上海市建筑科学研究院有限公司
本导则参编单位：中国建筑股份有限公司
中国建筑科学研究院有限公司
北京工业大学
广州大学
上海茂焕企业管理有限公司
中冶检测认证(上海)有限公司
中建产业技术研究院有限公司
本导则主要起草人员：季 亮 张丽娜 胡梦坤 安 宇 张 颖
杨将铎 孙昀灿 张改景 张 鹏 谢 榭刘 辉 姬 颖 方赵嵩 王利珍 周 旭李潇潇 李学伟
本导则主要审查人员：李德英 朱 能 徐宏庆 陈 超 宋 波陈红兵 李晓峰
1 总 则
1.0.1 为规范办公建筑室内环境满意度的计算方法，指导室内环境性能调控，制定本导则。
1.0.2 本导则适用于新建、扩建、改建和既有办公建筑的室内环境满意度采集及计算。
1.0.3 办公建筑室内环境满意度计算除应符合本导则外，尚应符合国家现行有关标准的规定。
2 术 语
2.0.1 个体满意度 individual satisfaction
通过调查问卷获取的个体对所处环境的主观满意程度。
2.0.2 主观满意率 subjective satisfaction rate
通过调查问卷获得的样本中个体满意度为满意的样本所占的百分比。
2.0.3 预测满意率 objective satisfaction rate
根据数学模型或算法，以客观环境参数作为自变量计算得到的预期主观满意率。
2.0.4 分项满意率 classified satisfaction rate
单一室内环境的满意率，包括室内光环境满意率、热环境满意率、空气品质满意率和声环境满意率。
2.0.5 综合满意率 comprehensive satisfaction rate
综合室内光环境、热环境、空气品质和声环境质量得到的室内环境总体满意率。
2.0.6 机器学习 machine learning
基于学习器可利用的过去的信息等经验提升性能或者进行精准预测的计算方法，本质上与数据分析和统计相关。
3 满意度计算
3.1 一般规定
3.1.1 室内环境满意度可采用问卷调研或客观参数预测的方法计算。
3.1.2 当采用问卷调研方法时，室内环境满意度应以主观满意率表征，指标应包括分项满意率和综合满意率。
3.1.3 当采用客观参数预测方法时，室内环境满意度应以预测满意率表征，应先计算分项满意率，后基于各分项满意率计算得到综合满意率。
3.1.4 当计算对象为建筑或局部空间时，应首先计算该对象内所有检测或监测点位的预测满意率，然后按照面积加权平均法计算该对象的预测满意率。
3.2 问卷调研法
3.2.1 主观满意率的采集和计算流程应参照附录 A 执行。
3.2.2 满意度调研的调研区域、调研对象、调研时间应具有代表性，并应符合下列规定：
1 应在建筑低区、中区、高区及建筑内外区至少各选择一个典型空间进行满意度调研;
2 被调研人员位置分布应覆盖不同距窗距离;
3 满意度调研问卷样本数量选取应符合表 3.2.2 的要求;
表 3.2.2 办公建筑室内环境满意度问卷调研样本数量要求
4 问卷调研应在人工冷热源和非人工冷热源工况下各进行至少 1 次。
3.2.3 调研问卷应按“5 级打分法”或“7 级打分法”进行设置，调研问卷可采用附录 B。
3.2.4 个体在填写问卷时选择“刚好(基本)满意”及以上的选项，应判定该
个体满意度为满意。
3.3 基于数学模型的客观参数预测法
3.3.1 采用基于数学模型的客观参数预测法时，预测满意率的采集和计算流程应参照附录 C 执行，并依据 3.3.2 的计算公式进行计算。
3.3.2 分项预测满意率及综合预测满意率的计算公式如下所示：
POL ( 3.3.2-1)
θ = __0.361 + 0.712 x (W == 1) __ 0.333 x DC + 0.784 x I __ 0.035 x I2 ( 3.3.2-2)
POT = 1 __ PPD ( 3.3.2-3)
POA =( __ 0.000204CCO2 + 1.0054 )x 100% ( 3.3.2-4)
PON =( __ 0.0002N2 + 0.0113N + 0.7081 ) x 100% ( 3.3.2-5)
PO = 0.23POL + 0.27POT + 0.26POA + 0.24PON ( 3.3.2-6)式中：POL——光环境预测满意率;
e——自然常数，取值 2.718;
POT——热环境预测满意率;
POA ——空气品质预测满意率;
PON——声环境预测满意率;
θ——中间计算变量;
W——天气状况(阴天取值为 0，晴天取值为 1);
I——室内照度/100(lux);
DC——距窗距离(m);
PPD——热环境预测不满意百分比;
CCO2 ——二氧化碳浓度(ppm);
N——等效连续 A 声级(dB(A));
PO——综合预测满意率。
3.4 基于机器学习算法的客观参数预测法
3.4.1 当目标建筑记录了室内环境参数、环境调控设备状态等建筑运行情况及用户满意度等必要的数据时，可采用机器学习算法计算预测满意率。
3.4.2 当采用基于机器学习算法的客观参数预测法时，预测满意率的采集和计算的流程可参照附录 D 执行。采用其他流程时，应说明流程的合理性。
4 参数采集
4.1 采集参数和仪器
4.1.1 应采集室内温度、相对湿度、照度、 CO2 浓度、PM2.5 浓度、等效连续 A声级、距窗距离，宜采集室外温湿度、建筑朝向、窗墙比、层高等建筑空间参数和玻璃透光率等材料属性参数。
4.1.2 满意度计算用参数应按如下方式获取：
1 室内外环境参数宜采用室内环境监测仪器连续记录获取，当建筑不具备室内环境监测仪器安装条件时，可采用现场测量的方式采集;
2 建筑空间参数及材料属性参数宜通过读取 BIM 模型内信息的方式直接获取，当建筑不具备 BIM 模型时，可采用现场测量、图纸查阅、问卷调研或其他合理的方式采集。
4.1.3 室内环境监测仪器和检测仪器，仪器的外观质量、精度及电气安全等性能要求应符合现行团体标准《民用建筑多参数室内环境监测仪器》T/CECS 10101及现行国家标准《民用建筑室内热湿环境评价标准》 GB/T50785 的规定。
4.1.4 测量仪器应具有在有效期内的检定、校准证书。
4.2 测点位置及测量时间
4.2.1 测点的数量和位置应结合房间或区域面积确定，在符合相关标准规定的同时，还应满足如下要求：
1 测点位置应选择室内人员的工作区域，且具有典型性;
2 室内空气温度、相对湿度、照度、CO2 浓度、PM2.5 浓度、噪声的测量高度宜距离地面 0.9~1.8m。
4.2.2 一年内应至少在人工冷热源和非人工冷热源工况下各进行一次参数测量。
4.2.3 测量时间应满足如下规定：
1 现场测量时，宜在建筑常规使用时段进行，测量时间不得少于 12h ，测量时间间隔应小于 30min;当测量周期无法保证时，应确保每个环境参数测量读数不少于 3 次;
2 采用环境监测仪器测量时，宜进行不少于一年的连续测量且数据记录间隔
应小于等于 15min。条件不具备时， 空调季和非空调季应保证不低于 2 周的连续测量。
4.2.4 测量空气温度、相对湿度、空气流速等参数的平均值宜按下列公式计算：
trm (4.2.5-1)
trm,i (4.2.5-2)
式中：trm——测量持续时间内受检房间的参数平均值;
trm,i——测量持续时间内受检房间内第 i个测点的参数平均值;
n —— 测量持续时间内受检房间内测点的采样个数;
tr,j——测量持续时间内受检房间内第 j个测点的第 i 个测试时刻参数值; p —— 测量持续时间内受检房间内测点的个数。
附录 A 主观满意率计算流程
图 A 主观满意率计算流程图
注：1 纸质问卷根据问卷质量筛选，包括问卷答案的完整性及非极端观点问卷;线上问卷根据填写时间筛选，建议以0.5-3min 为有效;
2 纸质问卷调研时，应将纸质问卷结果录入生成电子问卷，线上问卷调研时，应将结果直接导出或者录入生成电子问卷;
3 空间内实际性别比例与问卷样本性别比例的比值在 0.8~ 1.2 之间;问卷样本各年龄段占比与实际情况大致相同;参照本导则 5.4.1 条提供的空间属性类别进行有区分度的采样;问卷样本在空调(采暖)工况与非空调(采暖)工况占比与与实际工况时间占比的比值在 0.8~ 1.2 之间，也可根据不同气候划分问卷样本占比。
附录 B 主观满意度调查问卷示例
建筑人员室内环境满意度问卷( 季)
一、受访者基本信息
1. 您的性别： □男 □女
2. 您的年龄： □<30 □31-40 □41-50 □51-60 □>60
3. 您工作所在的楼层是第 层，房间号为 (若有)
4. 您平均每周在本建筑中的驻留时间? □<10 小时 □11-20 小时 □21-40 小时□>40 小时
5. 您的衣着情况：上衣 ，裤子 ，其他
6. 工作日，您上班进入办公室的时间为 ，下班离开办公室的时间为 。
二、室内环境满意度
1. 热环境(调研时刻的人员感受)
(1) 您现在的冷热感觉是
□很冷 □ 凉 □稍凉 □正合适 □稍热 □热 □很热
-3 -2 -1 0 1 2 3
(3) 您对室内热环境的整体感觉是
□很不满意 □不满意 □稍不满意 □基本满意 □较满意 □满意 □很满意
-3 -2 -1 0
2. 空气品质(调研时刻的人员感受)
(1)室内空气清新程度如何?
□差 □一般 □空气清新
-1 0 1
(2)您对室内空气品质的满意度是
□很不满意 □不满意 □稍不满意 □基本满意
1
□较满意
2
□满意
3
□很满意
-3 -2 -1 0 1 2 3
3.光环境(调研时刻的人员感受)
(1)室内亮度感受如何?
□非常暗 □暗 □偏暗 □适中 □偏亮 □亮 □非常亮
-3 -2 -1 0 1 2 3
(2)您对室内整体光环境的满意程度是
□很不满意 □不满意 □稍不满意 □基本满意 □较满意 □满意 □很满意
-3 -2 -1 0 1 2 3
4.声环境(调研时刻的人员感受)
(1)您觉得房间里
□无声 □轻微声响 □中等声响 □强声响 □不能忍受的声响
-2 -1 0
(2)您对室内声环境的满意程度是
1
2
□很不满意 □不满意 □稍不满意 □基本满意 □较满意 □满意 □很满意
2 3 -3 -2 -1 0 1
5.综合考虑热、空气品质、光、声环境，您对当前室内环境总体的满意程度是
□很不满意 □不满意 □稍不满意 □基本满意 □较满意 □满意 □很满意
-3 -2 -1 0 1 2 3
附录 C 基于数学模型的预测满意率计算流程
图 C 基于数学模型的预测满意率计算流程图
附录 D 基于机器学习算法的预测满意率计算流程
图 D 基于机器学习算法的预测满意率计算流程图注：1 括号内为建议采纳的方法和指标。
本导则用词说明
1 为便于在执行本导则条文时区别对待，对要求严格程度不同的用词说明如下：
1) 表示很严格，非这样做不可的：
正面词采用“必须”，反面词采用“严禁”;
2) 表示严格，在正常情况下均应这样做的：
正面词采用“应”，反面词采用“不应”或“不得”;
3) 表示允许稍有选择，在条件许可时首先应这样做的：
正面词采用“宜”，反面词采用“不宜”;
4) 表示有选择，在一定条件下可以这样做的，采用“可”。
2 条文中指明应按其他有关标准执行的写法为：“应符合……的规定”或“应按……执行”。
引用标准名录
1 《民用建筑工程室内环境污染控制标准》GB 50325-2020
2 《民用建筑供暖通风与空气调节设计规范》GB 50736-2012
3 《民用建筑室内热湿环境评价标准》GB/T 50785-2012
中国建筑节能协会团体标准
办公建筑室内环境满意度计算导则
T/CABEE 011-2021
条文说明
编制说明
人的大部分时间都是在建筑中度过的，在工作时间内又以办公环境居多。因此营造舒适、节能的办公建筑室内环境，提升室内环境满意度，是一项关乎人民生活福祉的工作，是“以人为本”理念的重要体现，是对“健康中国 2030 ”国家战略的重要响应。建筑室内环境满意度受多种因素影响，传统研究方法中针对建筑人员满意度研究，大多只考虑室内环境指标(热、声、光、空气品质)，且以单一指标研究居多。有研究表明人员满意度与建筑的物理空间因素有关，但是现有研究中对此考量较少。同时，随着 BIM(建筑信息模型)技术在建筑运维领域的应用推广，BIM 技术具有的空间属性的可视化、可提取及可计算等特征，为融合空间属性的满意度研究提供了新的思路。
在现有相关标准中，对建筑室内人员满意度的定义较为简单;目前已有国家标准《民用建筑室内热湿环境评价标准》GB/T50785-2012 适用范围有限，仅限于室内热湿环境评价。本导则编制过程中，编制组进行了充分的室内环境满意度的调研研究，包括文献调研、现场测试及问卷调研等工作， 重点解决了满意度定义与分类、满意度影响因子及满意度模型建立方法等问题，在此基础上提出了基于问卷调研法的主观满意率计算流程，形成了基于数学模型和机器学习算法的预测满意率计算方法，同时参考了国内外先进的技术法规和技术标准。本导则总结提出的室内环境满意度的计算方法，可为 BIM 技术应用背景下室内环境性能的优化提供技术支撑。
为便于广大设计、运维、科研、学校等单位有关人员在使用本规程时能正确理解和执行条文规定，《办公建筑室内环境满意度计算导则》编制组按章、节、条顺序编制了本导则的条文说明，对条文规定的目的、依据以及执行中需注意的有关事项进行了说明，供使用者作为理解和把握导则规定的参考。
1 总 则
1.0.1 随着科技的飞速发展和人民生活水平的日益提高，绿色、舒适、健康更加受到人们的关注。GB/T 50378—2019《绿色建筑评价标准》从 2014 版“四节一环保”(节能、节地、节水、节材和环境保护)的框架更新为“安全耐久、健康舒适、生活便利、资源节约、环境宜居” 6 大板块，更加突出“以人为本”的需求出发点。室内环境品质因关系到人的身心健康、工作效率， 一直是业内的研究热点，特别是 2020 年新冠疫情之下，备受关注。国内外众多学者将研究聚焦于室内环境参数与人员满意度之间的关系。研究表明， 除常见的声光热湿等物理环境以外，空间因素也会影响人员在室内的工作效率。
现有研究对室内热湿环境、声环境、光环境和空气品质几个影响因子的关注度较高，部分研究考虑到了空间因素，如视野、装修风格等， 但考虑的重点更偏向于空间因素对于人员工作效率的影响。同时， 建筑室内人员满意度研究大多采用调查问卷和客观环境参数测试结合的方法，通过对采集到的数据进行数理统计分析，得到满意度模型，并用实测数据进行验证。BIM 技术的不断成熟加速了建筑设计及暖通设计智能化和可视化的发展，在此背景之下，如何在融合空间因素和环境因素之下综合考量人员满意度，需要进一步的研究。此导则的制定将为人员满意度与 BIM 技术的融合提供依据。
目前国内仅有适用于民用建筑热湿环境的评价导则。本导则以办公建筑室内热环境、声环境、光环境和空气品质分项满意率及综合满意率为指标，结合环境参数、BIM 信息提取及人员主观评价等方式，提出了室内环境满意度的计算方法，为 BIM 技术应用背景下室内环境性能的优化提供了技术支撑，符合健康中国的发展方向。
该导则预期可供工程设计、咨询人员在设计阶段预判建筑室内环境满意度以优化设计，为 BIM 运维平台的室内环境综合评价模块提供技术支撑和参考依据;同时，可用于物业管理人员在运维阶段动态调控室内环境，以提升舒适度。
本导则主要提出了室内环境满意度的计算方法，对于评价结论未给出规定，使用者可以根据使用场景来酌情设定满意度的评价指标及标准，以判定满意度是
否达到使用场景设定的目标，或者根据满意度计算结果指导室内环境的调控。
1.0.2 导则中的满意度计算方法适用于建筑整体，也适用于局部空间。其中满意度评价对象为办公建筑内的使用者，对于具有通风和采光的非办公民用建筑内长期停留、从事轻微体力劳动的使用者，本导则亦具有适用性。
2 术 语
2.0.3 预测满意率是基于客观环境参数的测量值计算得到的满意率，该指标取值为百分比，表示基于客观环境参数情况下，人员个体满意度为满意的概率。该满意率可以通过数学模型或者机器学习算法算出。本导则中所给出的公式基于大量环境参数、个体满意度数据的样本调研并拟合得到的;机器学习算法则是根据实际运行大数据(包含环境参数、个体满意度等数据信息)，基于历史数据采用监督式学习算法可形成相应的算法和流程，基于该算法和流程可对人员满意度进行预测;两种计算方法均能反映客观参数与个体满意度之间的关系。
3 满意度计算
3.1 一般规定
3.1.1 问卷调研法主要通过收集建筑内人员主观问卷计算满意度。传统的满意度数据收集方式为纸质问卷收集，此方式可保证问卷具有较高的回收率和有效性，但是时间、人力成本较高， 数据处理较为麻烦，分析结果呈现的及时性差。随着信息技术的发展，线上电子问卷调研逐渐成为一种更为高效化的方式，也衍生出了成熟的线上调研平台、APP、小程序等，这些新的主观问卷采集方式也可采用。
但是，问卷调研收集信息的过程不可避免地对室内人员的正常工作造成干扰，使得问卷数量很难得到保证。为了及时计算得到室内环境满意度， 可采用客观参数预测法，根据客观环境参数对室内环境满意度进行预测，此方法可以降低满意度计算对人的过度依赖，以对室内人员最小的干扰，方便及时获取满意度数据，以有效支撑室内环境的调控和舒适性的提升。
3.1.2 通过文献调研和问卷调研，导则确定了室内环境满意度的关键影响因子为室内光环境满意率、热环境满意率、声环境满意率、空气品质满意率 4 类分项满意率指标，综合满意率则作为衡量建筑/空间综合满意度水平的 1 项指标。采用问卷调研法时，根据问卷结果计算出主观满意率，包括光、热、声、空气品质各分项满意率以及综合满意率。
3.1.3 客观参数预测法是以数学模型或算法为基础，以客观环境参数作为自变量计算得到预测满意率。计算时，先将检测或监测点位相关客观参数代入分项满意率公式计算得到该检测或监测点位的分项满意率，然后基于各分项满意率计算得到该检测或监测点位的综合满意率，公式详见 3.3.2 节。其中，客观参数预测法所用客观环境参数的测量在第四章中加以规定，以确保测量参数的准确性和适用性。
3.1.4 采用客观参数预测法计算满意度，首先应根据计算对象内所有检测或监测点位的客观环境参数等信息，计算得到各点位覆盖区域的预测满意率，包括分项满意率和综合满意率，最后，通过面积加权计算得到建筑或局部空间的预测满意率。
3.2 问卷调研法
3.2.2 人工冷热源工况指使用供暖、空调等人工冷热源进行夏季制冷和冬季供热的工况;人工冷热源工况指未使用人工冷热源，只通过自然调节或机械通风改善室内环境的工况。
3.2.3 本导则中的调研问卷问题按照“5 级打分法 ”或“7 级打分法 ”进行设置。
研究发现，调研的可信度随着评价尺度从 2 个递增到 7 个而递增，但可信度在评价尺度大于 7 个之后基本维持不变;同时，调研发现，评价尺度为 5 个的问卷可以增加问卷的回复几率和回复质量，并且降低受访者回答问卷时的负面心理。综上考虑，建议调研问卷宜按照“5 级打分法 ”或“7 级打分法 ”设置。
其中，“5 级打分法 ”可设置为“十分满意、满意、刚好满意， 略有不满，十分不满 ”五档，“7 级打分法 ”可设置为“很满意、满意、 较满意、基本满意，稍不满意，不满意 ”很不满意 ”七档。
3.2.4 由于主观满意度评价时按照“5级打分法”或“7 级打分法”开展，因此在满意度结果处理时将“十分(很)满意、满意、较满意、刚好(基本)满意”均判定为“满意”。
3.3 基于数学模型的客观参数预测法
3.3.2 本条基于编制单位研究成果，得出室内环境综合预测满意率和各分项预测满意率的计算公式。
本导则的室内环境综合满意率计算公式中四类满意度分项指标权重是通过专家打分调研方法和文献调研确定的，本导则编制过程中，获取了覆盖设计单位、建设单位、高校、建筑师、工程师、物业、资产营运管理企业等各类专业人群的数百份问卷，并结合文献调研，通过专业人士的判断了解相关指标的重要程度，调研的指标包括热环境、光环境、声环境和室内空气品质 IAQ。
热环境预测满意率基于国际经典的热舒适理论进行计算，即 Fanger 教授提出的著名热感觉指标 PMV(Predicted Mean Vote)和 PPD(Predicted Percentage of Dissatisfied)。PMV 与 PPD 的关系见下图。因本导则主要计算满意率而非不满意率，因此在依据上述指标进行计算时应首先计算 PMV，然后查阅 PPD，然后将 1-PPD 的值作为满意率。
图 1 PMV 与 PPD 的关系曲线
本导则热环境预测不满意百分比 PPD 的计算、热环境评价基本参数测量方法可参照《民用建筑室内热湿环境评价标准》GBT50785-2012 执行。
编制单位进行了充分的调研工作，在夏热冬冷地区和寒冷地区典型城市上海、北京、郑州、宁波、武汉等地近 20 栋建筑内开展满意度调研，获取有效主观问卷近 9000 份，连同同步测量得到环境参数，构建了办公建筑参数化特征库，该特征库融合人员信息、空间属性、环境参数等信息。光环境、空气品质、声环境预测满意率公式正是基于大样本参数化特征库建立得到。
对于光环境预测满意率，根据前期调研结果，除了室内照度，天气状况和距窗距离对其也有较大影响。鉴于天气状况和光环境满意度均为分类变量， 线性回归模型已不再适用，应采用非线性模型建立光环境预测满意率与客观参数的关系。 Logistic 回归是针对因变量为分类变量而进行回归分析的一种统计方法，通过 Logit 变换(出现某种结果的概率与不出现该种结果的概率之比称为比值(odds)，即 odds=P/(1-P)，取其对数 ln(odds)，即称为 Logit 变换)来实现。通过变换， LogitP 的取值范围被扩展为以 0 为对称点的整个实数区间(-∞ , +∞), 这使任何自变量取值对 P 值的预测均有实际意义。其次，大量实践证明，Logit(P)往往和自变量呈线性关系，从而可以通过该变换将曲线直线化。因此，只需要以 Logit P 为因变量，建立包含 n 个自变量的 Logistic 回归模型：
由上式可逆推得：
下图为光环境满意率预测模型的 ROC 曲线(受试者工作特征曲线，Receiver Operating Characteristic Curve)。在对 Logistic 回归模型拟合效果进行判断时，
ROC 曲线下面积(AUC)大于 0.75，则表示模型能很好的满足预测需求，本研究光环境满意率预测模型 ROC 曲线下面积为 0.764，模型预测准确性好。受限于调研样本中室内照度范围，光环境预测满意率计算公式的适用范围为室内照度50 lux ~ 1500lux。
图 2 光环境预测满意率模型 ROC 曲线
空气品质预测满意率和声环境预测满意率计算模型是基于编制组构建的参数化特征库数据拟合得到。空气品质预测满意率和声环境预测满意率计算模型R2 分别为 0.80 和 0.89 ，模型拟合程度好。空气品质预测满意率计算公式的适用范围为二氧化碳浓度 400ppm~ 1600ppm;声环境预测满意率计算公式的适用范围为等效连续 A 声级 40dB(A)~70dB(A)。
条文 3.3.2 所列公式已在两个工程案例中进行了应用与验证，根据公式实际计算的典型工况下的满意率与问卷调研法得到的主观满意率相近，预测精度符合工程所需，可应用于实际工程项目的室内环境满意度的计算。此外， 上述公式具有可阅读、可编程、可展示的特点，可直接用于软件模块的开发，指导建筑运营管理平台的开发，支持仪器生产企业增设满意度预测功能并进行展示界面的开发。
当测量点位所测数据无法代表整个空间平均值时，本导则所给出满意度预测的数学模型仍然可以参照使用，但仅能代表当前参数下的满意度水平，因此测量仪器生产单位在仪器本体自带界面或后台管理界面上仍可据此公式开发满意度预测的功能及相应的界面。
3.4 基于机器学习算法的客观参数预测法
3.4.1 在基于数学模型的客观参数预测法的基础上，考虑建筑类型、人员差异、
空间属性差异对满意度造成的影响，可以采用机器学习算法进行满意度的预测。基于收集到的人员数据、空间数据、环境数据、满意度数据等信息， 进行训练学习，生成以客观参数为输入、预测满意率为输出的满意度流程或算法，由于该算法是基于当前建筑、当前用户的特定数据训练形成，因此属于定制化满意度模型，预测更有针对性。故当所研究的对象建筑记录了室内环境参数、环境调控设备状态等建筑运行数据及用户满意度数据时，推荐采用机器学习算法计算预测满意率。
相比于本导则 3.3.2 条的公式计算，根据实际运行大数据进行计算时，建议增加部分必要的客观参数以使训练更加有效，如表 1 所示。
表 1 机器学习算法满意度预测新增客观参数选择表
3.4.2 附录 D 给出了基于机器学习算法的客观参数预测法的满意率的采集和计算流程，要点如下：
在综合样本集形成前，需要对参数进行数据清洗，包括断点处理、漂移处理、时间间隔设定等。
通过样本筛选，剔除重复提交、个人反复提交样本及无效样本，汇总形成有
效样本集。
通过检验客观输入参数与最终满意度的相关性，剔除相关性不显著的参数。
在满意度计算前，应将满意度样本划分为参与计算的训练样本集和检验样本集，以及不参与计算仅进行检验的坚持样本集，样本集数量占比可按训练样本集60%、检验样本集 20%和坚持样本集 20%划分。
机器学习算可以采用监督式学习算法，例如，采用人工神经网络、随机森林、支持向量机等算法。
通过计算得出满意度模型后，应检验模型样本集的有效性是否达到选用模型对有效性的要求。
当模型对新样本的有效性降低到选用模型对有效性的规定以下时，宜更新模型，或定期更新模型。
附录 D 提供的计算流程为参照流程，具体项目中也可以采用其他流程进行满意度的计算，需补充说明流程的合理性。
4 参数测量
4.1 采集参数和仪器
4.1.1 基于数学模型的客观参数预测法基于公式计算预测满意率，根据 3.3.2 给出的公式，需要采集室内温度、相对湿度、照度、 CO2 浓度、PM2.5 浓度、等效连续 A 声级、距窗距离;有条件采用基于机器学习算法的客观参数预测法时，建议采集室外温湿度、建筑朝向、窗墙比、层高等建筑空间参数和玻璃透光率等材料属性参数。
4.1.2 采用环境监测仪器自动获取和记录室内环境参数时，不影响建筑的正常使用，可以获得丰富的测量数据，分析结果更为客观，所以建议优先使用监测仪器测量。
建筑空间参数及材料属性参数宜通过 BIM 读取，以保证数据的准确性。当BIM 模型不可用时，可以采用其他方式搜集相关数据并将数据绑定监测点或人员 ID。
4.1.3 综合《民用建筑多参数室内环境监测仪器》 T/CECS 10101-2020 和《民
用建筑室内热湿环境评价标准》 GB/T50785-2012 ，仪器性能要求如下表所示：
表 2 温度传感器的性能要求
表 3 湿度传感器的性能要求
表 4 照度传感器的性能要求 1
表 5 照度传感器的性能要求 2
表 6 噪声传感器的性能要求
表 7 二氧化碳传感器的性能要求
4.1.4 测量仪器按照规定定期进行检定校准，可以确保仪器具备良好的工作状态，检测结果真实可信。校准方法可参照《建筑室内空气质量监测与评价标准》 T/CECS 615-2019 表 4.0.3。
4.2 测点位置及测量时间
4.2.1 环境参数测点的数量和位置选取原则：应能代表室内环境的性能参数，并应充分体现物理量的典型性。可结合房间或区域面积，参考标准《民用建筑室内热湿环境评价标准》 GB/T50785-2012 中 6.3.2 条，《公共建筑节能检测标准》 JGJ/T 177-2009 以及《民用建筑工程室内环境污染控制标准》GB 50325 - 2020 中 6.0.15 条选取。除此之外，还应综合考虑楼层、房间功能、朝向、内外区等因素，如测点应该覆盖建筑的低区、中区、高区以及建筑的内外区。
4.2.2 冬季测量，不宜在晴天天气条件下进行，且室内外温差不应小于设计温差的 50%;夏季测量时，应在室内外温差和湿度差不小于设计温差和湿度差的50%且晴天或者少云天气条件下进行;过渡季测量可以选择春季或秋季且空调系统不运行时进行。测量应符合国家现行有关测试标准的规定。
4.2.3 对于采用检测方式进行测量的情形，应测一个典型使用时段和典型状态;
对于采用监测方式进行测量的情形，在绝大多数情况下，进行为期一年的测量容易实施。特殊情况下由于网络、传感器寿命原因难以保证一年期测量，这种情况下必须保证一个短期的连续测量。
4.2.4 在计算参数平均值之前，应通过计算连续检测时间内数据的方差、标准差等，判断数据集中程度，剔除离群值，使计算结果可反应检测时间段内室内环境性能，并做合理性说明。
附录 C 基于数学模型的预测满意率计算流程
附录 C 提供了基于数学模型的预测满意率计算的基本流程，可根据实际应用场景进行满意度的计算与评价。比如， 阶段性或周期性的满意度评价工作，可以按照条文 4.2.4 数据处理方法，求得测量时间段或者重点关注时间段内(如上班时段)的平均值，再代入公式计算。还有其他应用场景，如建筑的运维平台根据监测数据实时计算满意度并指导室内环境的调控，可按照导则给出的评价流程，计算前会进行样本信度和效度的检验，剔除无效样本等工作;此时计算出的满意率结果会随参数的变化而变动，可以根据场景要求设定满意率最低值，低于最低值时，平台进行报警;如果数据震荡严重，可以对传感器和室内环境情况进行核查，寻找原因。
评论