可解释深度学习驱动的室内运动视觉舒适预测研究
邱靖涵1
史立刚2
1.同济大学建筑与城市规划学院,上海 200092;高密度人居环境生态与节能教育部重点实验室,上海 2000922.哈尔滨工业大学建筑学院,黑龙江哈尔滨 150006;寒地城乡人居环境科学与技术工业和信息化部重点实验室,黑龙江哈尔滨 150006
摘要：运动视觉舒适性是影响运动者运动表现、健康和安全性的重要影响因素.由于样本量和方法局限,既往研究针对运动视觉舒适预测方面研究较为匮乏,导致体育场馆天然光环境设计较为随机无章可循.引入深度学习算法和数据驱动方法有助于处理运动人体感知和环境交互等复杂问题.为建立高准确率和具有一定解释力的视觉舒适预测模型,本文基于室内运动空间光环境实测和运动者视觉舒适问卷调查和生理测量技术,利用深度学习算法建立运动视觉舒适评估模型,并计算出运动者视觉舒适各影响因素的贡献程度.结果表明:本文建立的各深度学习模型可以预测运动者综合视觉舒适性能,其中XGBoost模型对视觉舒适的预测表现最优,该模型可以深入揭示各影响因素与视觉舒适之间的复杂关系,为未来体育场馆健康化设计提供设计依据.
关键词：运动者健康光环境视觉舒适深度学习可解释性分析
分类号：TU831(房屋建筑设备)
资助基金：国家自然科学基金(52478015)
论文发表日期：2025-02-27
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 41-51 )
英文信息